李金鐸

[摘 要]線性回歸是利用數(shù)理統(tǒng)計的分析方法，來確定兩種或兩種以上變量之間的相互依賴的關(guān)系。車牌的邊界具有明顯的線性關(guān)系，線性回歸模型經(jīng)常用最小二乘的方法來擬合，能達到車牌校正的效果。車牌的圖像一般是彩色的，需要將彩色圖像轉(zhuǎn)換為灰度圖像，同時需要將灰度圖像進行濾波處理，濾波步驟采用維納濾波器。經(jīng)過預(yù)處理之后的圖像，采用邊緣檢測方法來獲得車牌的邊緣點，從圖像中選取適合進行線性回歸的點，進行圖像校正。MATLAB提供了基本數(shù)字圖像處理的函數(shù)，因此選用MATLAB做為本算法的試驗工具。

[關(guān)鍵詞]車牌 線性回歸 傾斜矯正

中圖分類號：TP391.41 文獻標(biāo)識碼：A 文章編號：1009-914X（2016）02-0302-01

1 引言

隨著經(jīng)濟的發(fā)展，機動車輛的數(shù)量大幅增長，機動車牌的智能識別變成了重要的課題。并且實際情況中的拍攝條件的差異性和實際情況的不同，獲取的圖片的車牌會有傾斜的情況。車牌的傾斜校正成為了車牌智能識別的關(guān)鍵步驟，對車牌字符分割效果起了決定性的作用。

目前對車牌的傾斜校正工作，已經(jīng)有了一定的研究成果。比較常用的方法就是Hough變化的方法來獲得車牌旋轉(zhuǎn)角度，完成車牌的傾斜校正工作。因此本文提出了線性回歸法來完成車牌的傾斜校正，并用試驗來驗證算法的可行性。

MATLAB因為其強大的功能在數(shù)字圖像的處理方面獲得了廣泛的應(yīng)用，MATLAB提供了顏色空間轉(zhuǎn)換，圖像平移，圖像的縮放，圖像的旋轉(zhuǎn)等函數(shù)，因此本文采用MATLAB作為該算法的實驗平臺。

2 基于線性回歸的算法

線性回歸是利用數(shù)理統(tǒng)計的分析方法，來確定兩種或兩種以上變量之間的相互依賴的關(guān)系，線性回歸的應(yīng)用范圍比較廣泛。

線性回歸模型經(jīng)常用最小二乘的方法來擬合，如下圖所示一些點均勻的分布在該線的周圍，采用最小二乘的方法利用準則函數(shù)即可估計出該直線的與水平的夾角。

該直線的斜率：

根據(jù)上面的公式就能計算出直線的斜率從而獲得直線的傾斜角，來完成校正工作。

得到車牌的原始彩色圖像之后需要將圖像轉(zhuǎn)換為灰度圖像，對灰度圖像進行維納濾波，消除噪聲，之后進行邊緣檢測。

MATLAB提供了灰度轉(zhuǎn)換函數(shù)，能將彩色圖片轉(zhuǎn)換為灰度圖像以便進行后續(xù)的處理。通常的彩色圖像是RGB格式，R表示紅色，G表示綠色，B表示藍色，這三種顏色是基本色，通過這三種顏色的組合能夠獲得任意一種顏色，對于M*N的圖像，儲存像素的數(shù)據(jù)是M*N*3個數(shù)據(jù)。而轉(zhuǎn)換為灰度圖像，該圖片的數(shù)據(jù)就是M*N個。轉(zhuǎn)換為灰度圖像之后更有利于后續(xù)圖像處理。

維納濾波是一種以最小均方誤差準則為基礎(chǔ)的最優(yōu)估計器，同時也是一種線性濾波器。維納濾波器的輸出與期望輸出之間的均方誤差為最小，所以，維納濾波一個最佳濾波系統(tǒng)。它能夠用在提取被平穩(wěn)噪聲所干擾的信號上，從實驗效果上看維納濾波之后提取的邊緣特征比較明顯，能比較準確的反應(yīng)車牌的邊緣特征。

具體方法如下：

（1）找出車牌圖像上的車牌的邊界點，找出車牌邊界直線上的點。邊緣檢測圖像邊緣點為1，其他點是0。采用行掃描的方法，從車牌的末行向首行掃描，從第一列向最后一列掃描，如果該像素的點是1，則判斷與上一個點之間的距離，如果距離小于10，將行數(shù)和列數(shù)分別存入數(shù)組，否則記為錯誤點加1，如果錯誤點達到5個且總點數(shù)小于40則證明該線斷裂，前面保存的數(shù)組清空。如果某一行的邊緣點大于5則掃描下一行。如果總點數(shù)大于40則保存數(shù)據(jù)轉(zhuǎn)入步驟2。

（2）采用上文介紹的線性回歸方法計算出擬合直線的斜率k，首先計算所有點的橫坐標(biāo)的和和所有縱坐標(biāo)的和，之后計算所有縱坐標(biāo)的平均值和橫坐標(biāo)的平均值，之后計算Lxy和Lxx，得到斜率k之后進行反正切變換得到直線的傾斜角，再將傾斜角反變換為弧度。

（3）利用反三角函數(shù)計算出車牌的傾斜角利用MATLAB圖像的旋轉(zhuǎn)方法，進行圖像的旋轉(zhuǎn)操作。圖像的旋轉(zhuǎn)采用imrotate（）函數(shù)來實現(xiàn)。

3 結(jié)語

本文給出了基于線性回歸方法的圖像傾斜校正算法。本實驗采用MATLAB2012b進行試驗。圖像處理的流程包括打開圖像，圖像由彩色轉(zhuǎn)換為灰度圖像，維納濾波處理，邊緣檢測，特征點提取，根據(jù)特征點進行線性回歸分析，計算傾斜角，進行圖片的旋轉(zhuǎn)。圖像的大體處理過程如圖2.2所示。從實驗效果上看，車牌的傾斜校正工作已經(jīng)完成。該算法的計算簡單，為圖像的傾斜校正提供了一種行之有效的算法。本文提出的算法能有效的過濾掉車牌圖像中較短的線段，提取出更加符合條件的車牌的邊緣特征點，試驗表明基于線性回歸方法的車牌傾斜校正有效。

參考文獻

[1] 史燕，呂永戰(zhàn)，張帆等.車牌識別中的二值化及快速傾斜校正算法[J].現(xiàn)代電子技術(shù)，2009，32（5）：149-152.DOI：10.3969/j.issn.1004-373X.2009.05.046.

[2] 王枚，王國宏.基于字符投影最小距離的車牌校正方法[J].計算機工程，2008，34（6）：216-218.DOI：10.3969/j.issn.1000-3428.2008.06.079.