二值化算法在车牌识别中的应用(2)
改进二值化算法在QR码识别中的应用
改进二值化算法在QR码识别中的应用随着移动支付和智能扫码的普及，二维码技术成为了现代社会中不可或缺的一部分。
QR码是一种常见的二维码，它可以存储大量信息，并且具有快速识别的特点。
然而在实际应用中，由于光照条件、摄像头质量等因素的影响，QR码识别的准确性和速度仍然存在一些问题。
如何改进二值化算法在QR码识别中的应用成为了研究的焦点之一。
1. 二值化算法的基本原理二值化是一种常见的图像处理方法，它将彩色图像转换为黑白图像，即将图像中的每个像素点的灰度值设定为黑色或白色。
其基本原理是通过设定一个阈值，将灰度值小于阈值的像素点设定为黑色，大于阈值的像素点设定为白色。
常用的二值化算法有全局阈值法、局部阈值法、自适应阈值法等。
2. 二值化算法在QR码识别中的应用在QR码识别过程中，首先需要对图像进行预处理，将彩色图像转换为黑白图像，然后再进行识别和解码。
而二值化算法在这一过程中起到了至关重要的作用。
通过合适的二值化算法，可以提高图像的质量，减少噪声干扰，从而提高QR码的识别准确性和速度。
3. 改进二值化算法在QR码识别中的意义传统的二值化算法往往是基于图像的全局信息进行处理的，当图像受到光照不均、噪声干扰等因素影响时，会导致二值化后的图像质量下降，从而影响QR码的识别效果。
如何改进二值化算法，使其能够更好地适应不同的光照条件和噪声干扰，成为了当前研究的主要方向之一。
4. 改进二值化算法的方法针对传统二值化算法存在的问题，研究者们提出了许多改进的方法，主要包括以下几种：（1）局部自适应阈值法局部自适应阈值法是一种基于图像局部信息进行二值化的方法，它可以根据不同区域的灰度值分布情况来调整阈值，从而提高图像质量。
这种方法能够有效地处理光照不均、噪声干扰等问题，对于QR码的识别具有较好的效果。
（2）多阈值法多阈值法是在传统二值化算法的基础上引入多个阈值，根据不同区域的灰度值来确定二值化的结果。
通过合理选择阈值，可以更好地适应光照变化和噪声干扰，提高图像质量。
车牌识别系统解读
x方向蓝色像素分布
x方向截取结果
2.字符分割
字符分割是通过一系列的图像处理，从图片中提取出我 们所需要的信息，并把他们处理成可供直接识别或比较的统 一模型，分割流程如下图所示。
分割流程
2.1 灰度化、二值化和反转
灰度化使用rgb2gray函数，其作用是把真彩色图像转换 为灰度图像。实现对图像后续的处理变换，车牌处理前后如 图所示。
车牌字符模板库
3.2 匹种基于匹 配的分类技术通过亦一种原型模式向量代表每一个类别，识 别时一个未知模式被赋予一个预先定义的相似性度量与其距 离最近的类别，即对任一原型模式Z，计算它和待匹配字符X 的欧氏距离D,然后找到最小的D,其对应的D=｜X-Z｜就是识 别出的字符，识别结果如下图所示。
车牌识别系统
本系统主要是实现对车牌的智能识别，识别过程分为 三步：车牌定位、字符分割、字符识别。软件是在Matlab上 进行开发的，主要是运用的是Matlab的图像处理功能。由于 个人水平有限，在这里系统还不能在实践中使用，只能作 为学习参考。
1.车牌定位
车牌定位采用的方法是统计车牌蓝色像素点，根据像素 的分布确定车牌的X与Y方向的范围，进而确定车牌的区域， 并把它截取下来，下图是待检测图片。
二值化使用graythresh，将灰度化的车牌转换成黑白二 值图像，从而在图像中提取出我们感兴趣的目标。
反转使用imcomplement函数，功能是将二值图像的像素 对调。
各函数处理效果如下图所示。
原图像 二值化
灰度化 反转
2.2 分割
分割过程是基于二值车牌图像的像素分布，统计分为二 部分，车牌上轮廓和下轮廓，统计结果如下图所示。
要实现识别过程，需要有两个功能模块的支持：标准字 符模版库和字符匹配模式。
opencv otsu’s 二值化(大津阈值分割法
opencv otsu’s 二值化(大津阈值分割法OpenCV 中的 Otsu's 二值化（Otsu's thresholding）是一种常用的图像二值化方法。
该算法的核心思想是，通过分离图像中的前景和背景像素，确定最佳的阈值，使分割结果的类间方差最大化。
在实际应用中，该算法可以用于图像分割、车牌识别、文本识别等领域。
以下是针对该算法的详细步骤。
1. 加载图像首先，我们需要使用 OpenCV 中的 imread() 函数加载需要进行二值化处理的图像。
在加载时，需要指定图像的路径，并使用cv2.IMREAD_GRAYSCALE 参数将图像转换为灰度图像。
2. 阈值计算在 Otsu's 二值化算法中，需要计算最佳的阈值。
计算方法如下：1）统计图像灰度级数（0-255）中，每个灰度级出现的概率。
2）计算每个灰度级所占比例即概率密度函数：P(i)，i为灰度级，P为概率。
3）设阈值为 T，则可分为两类像素：一类为灰度值小于 T 的像素，另一类为灰度值大于等于 T 的像素。
4）计算类内方差和类间方差：则a. 类内方差，即前景和背景各自的方差之和，可通过以下公式计算：$$w_0 \sigma_0^2 + w_1 \sigma_1^2 $$其中，w0 和 w1 为前景和背景的权重，即像素点数占整个图像像素点数的比例；$\sigma_0^2$ 和 $\sigma_1^2$ 分别表示前景和背景的方差。
b. 类间方差，即前景和背景之间的方差，可通过以下公式计算：$$w_0w_1(\mu_0 - \mu_1)^2$$其中，$\mu_0$ 和 $\mu_1$ 表示前景和背景的平均灰度值。
5）计算类间方差的最大值，并将对应的灰度级作为最佳阈值。
3. 二值化在确定最佳阈值后，我们可以使用 cv2.threshold() 函数将图像进行二值化处理。
该函数可以将图像中小于阈值的像素点设置为黑色（0），大于等于阈值的像素点设置为白色（255）。
关于车牌定位的一些算法
近年来，智能交通系统(ITS)越来越受到人们的重视在车牌识别中，车牌自动识别系统作为核心部分之一应用已经越来越普及。
车牌识别系统主要分车牌定位、字符切分和字符识别三部分，而车牌定位又是系统中最重要的步骤，定位的成功与否以及定位的准确程度将会直接决定后期能否进行车牌识别以及识别的准确度。
文中利用MATLAB进行分析与仿真。
MATLAB是一种简单，高效、功能强大的高级语言,在科学与工程计算领域有着广泛的应用前途。
在数字图像处理领域,可应用MATLAB数字图像处理技术进行系统分析与设计。
本文要讨论的是对彩色车牌图像进行包括灰度化、二值化、图像增强、边缘检测的预处理，之后进行区域提取来实现对车牌的初定位。
借助MATLAB编程语言在仿真过程中分析现有算法并加以改进。
1 车牌定位中的基本理论与算法1.1图像灰度化彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。
经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。
在车牌识别中要利用灰度分布的特征进行进一步的分割、识别，因此对车牌图像进行灰度化成为车牌定位的必要步骤之一。
1.2图像二值化二值图像是指整幅图像画面内仅黑、白二值的图像。
在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。
车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大地提高处理效率。
如果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为0或255，否则灰度值设置为255或0。
阈值处理的操作过程是先由用户指定或通过算法生成一个阈值，常用的二值化方法有直方图统计法、固定门限法、动态阈值法、松弛法、抖动矩阵二值化法等。
汽车牌照定位与字符分割的研究及实现
1.2.1 车牌定位技术研究现状及发展趋势
车牌定位技术是 LPR 系统研究的重点和难点。采集车辆图像过程中一般都有
1
汽车牌照定位与字符分割的研究及实现
各种背景干扰，能够正确分割字符的前提是从图像中准确地分割出牌照区域，这 也是 LPR 系统能否在实际中应用的基础。 目前的车牌定位算法中，主要是分析车牌所共有的部分特征，根据这些特征 来确定车牌区域的位置。车牌几何形状特征及相应的分析方法主要有[2-8]： (1)灰度变化特征：水平/垂直扫描时，牌照区域的像素灰度值按照一定的规 律进行波动；(2)颜色特征：原始车牌区域内部颜色和外部颜色差异的特征；(3) 投影特征：对车辆图像的水平/垂直扫描后其投影直方图中，牌照所对应的区域具 有一定规律的峰谷分布；(4)边缘特征：牌照区域有许多的边缘信息，使用相应的 算子将边缘信息提取出后，再通过边缘投影直方图来确定边缘的信息；(5)几何特 征：主要有车牌的长度、宽度以及长宽比例在一定的范围之内,或者可以通过牌照 的面积在一定的范围之内。利用以上这些特征均可以确定车牌的位置。 目前，车辆牌照的定位方法有基于彩色图像牌照区域字符和背景的颜色差异 特征进行定位，也有基于灰度图像牌照区域字符几何纹理特征进行定位，还有其 它结合了牌照区的颜色差异和字符纹理两种特征的方法定位，另外还有的是基于 数学形态学、神经网络、遗传算法、灰度聚类等牌照定位方法[9]。
作者签名： 导师签名：
日期： 日期：
年 年
月 月
日 日
中南民族大学硕士学位论文
第1章
1.1 问题的提出
绪论
车牌识别技术(License Plate Recognition， LPR )是智能交通管理系统的 重要组成部分，主要用于识别车牌号码。 LPR 技术在实际生活中主要应用于高速 公路实现无人收费功能、道路行车的流量监控、交通违规车辆的监控等。特别是 在各种场合实现无人收费功能的系统中，为了提高车辆的运行效率， LPR 技术将 代替人工的管理方式实现无人自动管理的功能， 因此,对 LPR 技术的研究和系统的 开发具有重要的现实意义和和实用价值。 车牌定位、字符分割、字符识别是 LPR 系统的三大关键技术。同时也是车牌 本身的几何形状特征与图像处理技术[1]的很好结合，车牌定位与字符分割在 LPR 系统中用到的数学知识主要有数学形态学、神经网络、小波分析等。对车牌定位 与字符分割的研究主要包括：图像预处理、车牌定位、车牌倾斜校正、车牌字符 分割及字符分割结果输出等。如图 1.1 所示为系统的流程框图：
改进背景补偿的车牌图像二值化算法_陈亮
第11卷第1期扬州大学学报(自然科学版)V ol.11N o.1 2008年2月J ou rnal of Yangz hou U nivers ity(Natural Science E dition)Feb.2008改进背景补偿的车牌图像二值化算法陈 亮,杜宇人*(扬州大学信息工程学院,江苏扬州225009)摘 要:针对车牌自动识别系统中二值化车牌图像时常出现字符光照不均等复杂特征,提出一种新的解决方法.首先使用同态滤波减弱车牌图像光照不均等带来的影响,然后通过改进的背景补偿算法对车牌图像进行二值化.实验表明,该方法能有效克服光照不均等带来的影响,二值化效果良好.关键词:车牌识别;图像二值化;同态滤波中图分类号:T P391.41 文献标识码:A 文章编号:1007-824X(2008)01-0055-04智能交通是当前交通管理发展的主要方向,汽车牌照自动识别技术则是智能交通系统的重要组成部分.[1]车牌图像进行二值化结果的好坏将直接影响字符分割和字符识别系统的性能指标.在实现车牌二值化过程中,识别的牌照字符背景非常复杂,往往存在较大的干扰、噪声,这主要由于光照不均匀等引起.同时,经过定位而分割出的牌照区域不可能完全精确到牌照上的字符区域,甚至可能引入残缺汽车保险杠与牌照四条边框的图像等干扰.因此,复杂背景下的车牌图像二值化成为车牌识别中的技术难点[2].基于灰度的车牌图像二值化算法[3],就是选择一个合适的阈值,将车牌背景与字符有效分开.目前,车牌图像二值化方法主要有全局阈值法和局部阈值法两大类.典型的全局阈值法有OSTU算法[4]等.全局阈值法实现简单,在一般光照良好情况下有较好的二值化效果.典型的局部阈值法有BERNSEN法[5]等.局部阈值法的效果大多数情况下虽然可以优于全局阈值法,但是该类算法较为复杂,处理速度较慢,通常以局部窗口内的最大值和最小值作为考察点,当考察点无目标经过时,个别噪声将引起阈值的剧烈变化.另外,背景灰度的非均匀性也可能影响局部阈值,使得局部背景区域被量化为目标,形成伪影.如果窗口内点均为目标时,则局部阈值将被拉升,造成部分目标被二值化为背景,信息丢失,笔画不连贯.[6]考虑到车牌图像的二值化效果以及实现的复杂度,本文提出一种改进背景补偿的车牌图像二值化算法,结合同态滤波图像增强,可有效克服不均匀光照等带来的影响.1 同态滤波考虑到车牌识别系统的全天候工作性质,对光照不均等造成的低质车牌图像进行增强是很有必要的.常用的增强方法有灰度线性变换、直方图均衡法等.这些方法虽然能有效地增强图像的对比度,但是由于没有考虑图像的频率特征,故不能很好克服不均匀光照等带来的影响.而基于照明反射模型的同态滤波图像增强同时考虑了入射和反射特性,并且兼顾图像的高频细节和低频分量,可有效削弱光照不均等带来的影响,得到较为满意的图像增强效果.1.1 同态滤波增强算法首先,建立光照下获得图像的模型.一般景物的图像f(x,y)可由入射分量f i(x,y)和反射分量f r (x,y)的乘积表示:收稿日期:2007-10-16基金项目:国家自然科学基金资助项目(20299030);扬州大学自然科学基金资助项目(KK0313090)*联系人,E-mail:yzdyr@f (x ,y )=f i (x ,y )f r (x ,y ).(1)不均匀光照体现在入射分量f i (x ,y )中,基本上属于变化较缓慢的低频成分;而景物的细节等特性则反映在图像的反射分量f r (x ,y )中,属于高频成分.对式(1)取对数可得ln f (x ,y )=ln [f i (x ,y )f r (x ,y )]=ln [f i (x ,y )]+ln [f r (x ,y )],(2)使式(1)在空间域变成相加的关系.然后进行离散傅里叶变换(DFT ),得频域表达式:F ln (u ,v )=F [ln f i (x ,y )+ln f r (x ,y )]=F i,ln (u ,v )+F r,ln (u ,v ).(3)假如车牌图像光照不均,则图像上各部分的亮度会有起伏.要消除这种不均匀性,可以在频域上削弱入射分量的频谱成分.依据入射分量与反射分量所表征的图像性质,设计一个合适的同态滤波器H (u ,v ),使得低频成分削弱,高频分量适当增强,从而达到克服非均匀光照影响、调节动态范围与增强对比度的目的.频域表达式如下:G ln (u ,v )=F ln (u ,v )H (u ,v )=F i,ln (u ,v )H (u ,v )+F r,ln (u ,v )H (u ,v )=G i,ln (u ,v )+G r ,ln (u ,v ).(4)再经过离散傅里叶反变换(IDFT ),得到对应空间域表达式:F -1{G ln (u ,v )}=F -1{G i,ln (u ,v )}+F -1{G r,ln (u ,v )}.(5)经指数运算,g (x ,y )=ex p{F -1{G ln (u ,v )}},得到滤波后的图像g (x ,y ).1.2 同态滤波器传递函数由于光照直接决定一幅图像中像素达到的动态范围,而对比度是图像中物体反射特性的函数,因此选用合适的同态滤波器传递函数H (u ,v )可得到满意的结果.同态滤波器传递函数H (u ,v )通常选择高通滤波器.常用的滤波器有高斯高通滤波器、巴特沃斯高通滤波器、指数高通滤波器.实验表明,巴特沃斯同态滤波函数优于其他两种同态滤波函数.[7]对于n 阶改进型巴特沃斯高通滤波器,其滤波函数定义为H h (u ,v )=A /{1+[D 0/D (u ,v )]2n },式中A 为高频增强因子;D 0是频域平面从原点到截止频率的距离;D (u ,v )表示从变换域中任意点(u ,v )到滤波函数坐标原点的距离,即D (u ,v )=(u 2+v 2)1/2.本文采用2阶(n =2)巴特沃斯高通滤波器,关键是D 0的选择比较困难,它与照度场和反射系数场对应的频谱幅度对比度有关.经过多次实验,发现无法对所有图像采用统一的D 0来滤波.为了取得更好的效果,需要根据牌照图像的对比度高低进行分类,采用不同的滤波系数.一类是对比度较高的图像,如蓝底白字车牌;一类是对比度较低的图像,如黄底黑字车牌和小部分低照明度下的蓝底白字车牌.快速分类算法如下:通过对500张不同时间、不同天气下随机拍摄的车牌图像分析,高对比度的车牌图像基本上是蓝底白字,其图像(8位灰度图像)的最大值(白字部分)一般大于250,而低对比度的车牌图像的最大值(黄底部分)一般小于240,因此可以取245作为分类阈值,将车牌图像快速地分为两大类.经多次实验,对于高对比度图像,D 0=3.3,对应的增强因子较小,A =12;对于低对比度图像,D 0= 2.6,对应的增强因子较大,A =15.如图1所示,同态滤波滤除了大量的低频分量,即滤除不均匀光照等影响,增强了高频分量,突出字符图像的细节,增强了对比度.图1 同态滤波增强后的车牌图像Fig .1 Enhances the plate image quality by homomorphic filtering2 二值化车牌图像经过同态滤波后,不均匀等现象有了很大的改善,因此可以采用全局阈值法.经典的全56扬州大学学报(自然科学版)第11卷局阈值法OST U 法是一种最优化阈值法,但该算法并没有考虑图像中像素的空间相关性.当像素的空间相关性比灰度值更占优势时,二值化效果会变差,因此本文采用背景补偿二值化法的改进算法对图像进行二值化.YANG Feng 等人[8]提出背景补偿二值化法,认为图像二值化的阈值一定在字符灰度值和背景灰度值之间.通过车牌先验知识、车牌图像的均值和标准差来求解字符与背景的灰度值,计算阈值,再结合背景照度函数修正阈值,从而得到最优化阈值.本文对背景补偿二值化法加以改进,重新确定二值化法的有效取值范围,以去除边框干扰,而且改进了背景照度函数,修正了字符分布概率,以更好地适应同态滤波后的车牌图像.改进后的具体算法如下.1)去除边框干扰.设经过同态滤波后的图像为g (x ,y ),大小为M ×N (M 行N 列),其中1≤x ≤N ,1≤y ≤M .为了去除边框等干扰,首先需要大致取出车牌的主要部分,依据长宽比近似等于车牌实际长宽比来确定去除边框后的车牌图像i (x ,y ),该部分范围可以定义为(0.5N -0.94M ,0.8M ),(0.5N +0.94M ,0.8M )(0.5N -0.94M ,0.2M ),(0.5N +0.94M ,0.2M ). 2)计算图像i (x ,y )的均值P 和标准差R .3)求解a 1,a 2.设字符灰度值a 1出现的概率为r 1,背景灰度值a 2出现的概率为r 2,可知0≤a 1,a 2≤255,0≤r 1,r 2≤1且r 1+r 2=1.那么,P =r 1a 1+r 2a 2,R 2=r 1(a 1-P )2+r 2(a 2-P )2,由此可以解得a 1=P ±R r 2/r 1,a 2=P ±R r 1/r 2.4)背景照度曝光补偿.通过数码相机的CCD 采集到的车牌图像,不可避免地会出现曝光不足或曝光过度等情况,虽经同态滤波后有所改善,但仍须定义一个背景照度函数f (L )来补偿修正,以便得到最优化阈值.f (L )可定义为f (L )=-0.1/(1+e1-L ),0<L ≤1;0.1/(1+e L -1),1<L <2;0.05/(1+e L -2),L ≥2,(6)式中L =P /R ,0<L ≤1表示曝光不足,1<L <2表示曝光正常,L ≥2表示曝光过度.5)计算车牌图像二值化阈值T .其范围一定在字符灰度值a 1和背景灰度值a 2之间.同时考虑照度函数f (L ),阈值的计算公式如下:T =P +R 2-1(r 2/r 1-r 1/r 2)-f (L ).根据实验统计,去除边框后的车牌图像i (x ,y )中字符出现的概率r 1≈0.35,背景出现的概率r 2≈0.65.6)根据阈值T 二值化同态滤波后的图像g (x ,y ).若灰度值大于等于阈值T ,则赋值1;若小于阈值T ,则赋值0.二值化图像g ′(x ,y )算法如下:g ′(x ,y )=1,g (x ,y )≥T ;0,g (x ,y )<T .(7) 7)统一车牌字符与背景颜色.我国车牌有多种颜色,如蓝底白字、黄底黑字等,二值化后会形成黑底白字和白底黑字两类.为了方便字符识别处理,须将这两类图像统一为黑底白字.由实验可知,字符占整个车牌面积的0.3～0.4,可见二值化中字符所占的数目小于背景所占的数目.计算车牌主区域(取i (x ,y )相同的范围)的“1”出现的概率p 1,若p 1<0.5,则说明是黑底白字;若p 1≥0.5,则说明是白底黑字,须对g ′(x ,y )取反.统一字符图像g ″(x ,y )公式如下:g ″(x ,y )=g ′(x ,y ),p 1<0.5;1-g ′(x ,y ),p 1≥0.5.(8)3 实验结果在实际的车牌二值化过程中,同时采用OSTU 算法、背景补偿法和本文算法,对不同时间、不同57第1期陈 亮等:改进背景补偿的车牌图像二值化算法天气状况下随机拍摄的500张定位后的车牌图像进行二值化.选择4幅典型的车牌图像,具体的二值化结果如图2所示.a 组图是不均匀光照下(主要是因不规则物体的阴影遮挡)的车牌图像,b 组图是夜晚不均匀灯光照射下的车牌图像,c 组图是部分掉色的车牌图像,d 组图是低对比度的黄底黑字的车牌图像.图2 各种二值化算法比较Fig .2 The comparison of some binarization algorithms由实验结果可看出,OSTU 算法对光照不均匀、部分掉色车牌图像的二值化效果较差;背景补偿法虽然考虑了图像中像素的空间相关性,并对背景照度曝光进行修正,但是也无法克服光照不均等带来的影响,二值化效果仍不理想;而本文算法能很好地克服不均匀光照等复杂环境带来的影响,充分利用了车牌中字符与背景像素的空间相关性,二值化效果良好.参考文献:[1] 杜宇人,高浩军.基于车辆轮廓定位匹配的车型识别方法[J ].扬州大学学报:自然科学版,2007,10(2):62-65.[2] 吴 炜,薛 磊,杨晓敏,等.基于改进差分边缘检测法的车牌字符二值化算法[J ].四川大学学报:自然科学版,2006,43(6):1253-1258.[3] R A HM AN C A ,BA DA W Y W ,R AD M A N ESH A .A real time vehicle ’s license plate r ecog nitio n system [C ]//L O A NN IS P,CAR L O R.P r oceeding s of IEEE Confer ence o n A dv anced V ideo and Signal Based Sur veillance (A VSS ’2003).M iami ,F L ,U SA :IEEE Co mputer Societ y ,2003:163-166.[4] O T SU N.A threshold selection metho d fro m g ra y-level hist og rams [J].I EEE T r ans Syst,M a n &Cybern,1979,9(1):62-66.[5] BERN SEN J.Dy na mic thr esho lding of g r ay-lev el images [C]//P ro c of 8th Int Conf o n Patt ern Reco gnit ion.P aris :IEEE Computer So ciety Pr ess ,1986:1251-1255.[6] L EE B R,PA R K K ,K AN G H,et al.A daptive lo cal binariza tio n metho d for recog nition o f vehicle licenseplates [C ]//K L ET T E R ,Z U N IC J D .10th Inter nat ional Wo rkshop ,IW CIA 2004.A uckland :[s .n .],2004:646-655.[7] 陈春宁,王延杰.在频域中利用同态滤波增强图像对比度[J ].微计算机信息,2007,23(2/3):264-266.[8] Y A N G F eng ,M A Z heng ,X IE M ei.A no vel binariza tio n appro ach for license pla te [C]//L U O F ang -lin.1stI EEE Co nf o n Industrial Electr onics and A pplications .Sing apo re :[s .n .],2006:1-4.(下转第73面)58扬州大学学报(自然科学版)第11卷Spr inger -V erlag ,1999:858-863.[6] L U O Xu-cheng,Q IN Zhi-guang ,GEN G Ji,et al.P2PF AI R:fair ex chang e in P2P sharing system w itho utdedicated T T P [C ]//P ro ceeding s of Communications and N etw or king in China .Beijing :IEEE ,2006:1-5.[7] ON IZ C C,SA V AS E,L EV I A.A n optim istic fair e-co mmerce pr ot ocol fo r larg e e -go ods [C]//P ro ceeding s o f2006Inter natio na l Sy mpo sium on Computer Net wo rks .I st anbul :IEEE ,2006:214-219.[8] SHA M IR A.How to shar e a secr et [J].Co mmun A CM ,1979,22(11):612-613.A multiparty fair -exchange protocolWA NG Bin *,GU AN Zhi -feng ,XIA Bin ,LI Zheng -quan(Sch of Inf Engin ,Yangzhou Un iv ,Yan gzhou 225009,Ch ina )Abstract :Based on the secret sharing technique ,this paper proposes a multi -party fair ex chang e pr otoco l .T he pro to col uses an online trusted thir d party (T TP )in order to help the participants to realize fair ex chang e .The advantag e of a protocol implemented w ith an o nline T T P is that the T TP is semi -trusted .Fairness of the pro posed protocol is prov ed in this paper .Keywords :electro nic commerce ;fair exchange ;secr et sharing(责任编辑 贾慧鸣)(上接第58面)A binarization algorithm of license plate image based onimproved compensation -based binarizationCHEN Liang ,DU Yu -ren *(Sch of Inf Engin,Yangzhou Un iv,Yan gzhou 225009,Ch ina)Abstract :In license plate recognition system ,aiming at the characteristic of license plate imag e w ith co mplicated -backg round o f no nuniform illum ination in the processing o f binarization ,a new m ethod is pro posed for those pr oblem s in this ar ticle.It enhances the plate im ag e quality first by homom orphic filter ing to elim inate the bad effects of the nonunifo rm illumination and than binarizes the plate im age by an impr oved compensation-based alg orithm.Ex perimental r esults show that this algo rithm is pro pitious to deal with nonuniform illuminated license plates.W ith the proposed metho d,the r esult of the binariation is w ell.Keywords :license plate recognitio n;image binar ization;ho mom orphic filtering(责任编辑 时 光)73第1期王 斌等:一个基于多方的公平交换协议。
一种实用的车牌定位方法
（ ｐ ｒｍｅ ｔ ｈ ｓ ｓａ ｄＥｎ ｉｅｒ ｇＴ ｃ ｎ ｌｇ ， ｉ ｕ ｎＵｎｖ ｒｉ ｔ ｎ ｃｅ ｃ Ｓｃ ｕ ｎ Ｄａｈ ｕ ６ ５ ０ ） Ｄｅ ａｔ ｎ Ｐ ｙｊ ｎ ｇｎ ｅｉ ｅｈ ｏｏｙ Ｓｃ ａ ｉｅｓｔ ｏ Ａｒ ａ ｄＳ ｉｎｅ ｉｈ ａ ｆ ｏ ｃ ｎ ｈ ｙｆ ｓ ｚｏ ３ ００
ｃｍｍ ｎｌ ｅ ｓ ｌｔ． ａｅ ｎｔｅｒｓｌ ｆｉａｅｐｏｅｓｎ ｎ ｈ ｅ ｕｅｏ ｅｌ ｅｓ ｌｔ， ｅｍ ｋ ｈ ｏ ｚｎａ ｒｊｃｉｎａ ｄｖｒｃｌ ｏ ｏ ｉ ｎｅｐａｅ Ｂ ｓｄｏ ｈ ｅｕｔ ｏ ｇ ｒｃｓｉｇａ ｄｔｅｆａ ｒ ｆｔ ｉ ｎｅｐａｅ ｗ ａ ｅｔｅｈ ｒ ｏｔ ｐｏｅｔ ｎ ｅｔ ａ ｃ ｓ ｍ ｔ ｈ ｃ ｉ ｌ ｏ ｉ ｐｏ ｃｉ ｆ ｈ ｃｎｅｐａ ａｎｔｅａｅ ｆ ｈ ｃｎｅｐａ ｆ ｒｈ ｒｔ ａｍ ｎ ｆｈ ｏｌ ｔ ｇｅｏ ｅｃｒ ｒｊ ｔ ｎｏ ｅｌ ｅｓ ｌｔ ｔ ｇｉ ｒａｏ ｅｌ ｅｓ ｌｔ ａｔ ｅｐｅｒ ｔ ｅ ｔ ｅｃｌ ｃｅ ｉ ｅ ｏ ｔ ｉ ｅｏ ｈ ｔ ｉ ｅ ｅｔ ｅ ｏｔ ｅ ｄ ｍａ ｔ ａ． ｆｈ
二值化后 图像 的分析 ． 除车牌 定位 中的干扰 ， 而更 为准确地定位 出车牌 的位置 。 排 从
【 关键词 】 车牌 定位 ： 灰度化 ； 增强罔 像二值化 ； 滤波 图像 图像
Ａ ｉ ｄ ｆ ｐ ａ ｔｃ ｌｍ ｅ ｈ ｄｓｏ ｉ ｅ ｓ ｌ ｔ ｏ ａ ｏ ｋ ｎ ｏ ｒ ｃ ｉａ ｔ ｏ ｆ ｌ ｎ ｅ ｐ ａ ｅ ｌ ｃ ｔ ｎ ｃ ｉ ＬＩ Ｕ Ｎｉ
ｌ ｅ ｓ ｌ ｔ ｔ ｇ ，ａ ｓ ｒｅ ｆ ｉ ｇ ｏ ｅ ｓｎ ｅ ｈ ｏ ｏ ｙ ｈ ｓ ｂ ｅ ｏ ｅ ｉ ｈ ｅ ｉ ｌ ｍａ ｅ ｈ ｔ ｅ ｒ ｃ ｉ ｅ ａ ａ ｙ ｉ ｆ ｔ ｅ ｃ ａ ａ ｔ ｒ ｏ ｈ ｉ ｅ ｅ ｐ ａ ｅ ｓ ａ ｅ ｅ ｉ ｓ ｏ ｍａ ｅ ｐｒ ｃ ｓ ｉ ｇ ｔ ｃ ｎ ｌ ｇ ａ ｅ ｎ ｄ ｎ ｎ ｔ ｅ ｖ ｈ ｃ ｅ ｉ ｇ ｓ ｔ ａ ｗ ｅ ｅ ｖ ｄ，ｎ ｓｓ ｏ ｈ ｈ ｒ ｃ ｅ ｔ ｅ ｅ ｌ ｆ
车牌定位的论文
第三章车牌定位3.1车牌定位的主要方法所谓车牌定位算法是指在实际拍摄的图像中确定车牌区域的位置以便提取分割出车牌区域图像的问题。
牌照的快速准确定位是车牌自动识别技术中非常关键的一步，是典型的图像分割问题，因此定位方法与车牌特征和图像处理技术是分不开的。
经典的车牌定位分割算法包括从简单的灰度阈值方法、频域和空间分割方法到复杂的连接元素方法以及Hough变化法等，在背景较复杂和光照不均匀条件下，这些方法难以取得令人满意的分割效果。
近年来，人们针对这种情况，提出了各种各样的定位算法。
目前没有一个标准图像数据库来评价无限制条件车牌定位算法的性能，这个问题的研究目前刚刚起步。
3.1.1基于直线检测的方法这类方法一般采用Hough变化等方法来检测直线（车牌周围边框形成）。
利用车牌形状特性来定位车牌，在实际运用中忧郁光照不均匀等影响和摄像机畸变，曝光不足和动态范围太窄等原因，导致图像存在伪影，加上车牌上的灰尘、脏污等使形状特性表现的不明显，从而影响定位效果，此外传统的Hough变换法应用在车牌定位中，只是单纯的进行直线的检测，没有和车牌形状特性结合起来，而且Hough空间与原图像空间不是一一对应的，由Hough 空间中检测到的特征点无法确定出车牌轮廓的起始位置，无法避免直线干扰的问题，因此在有直线干扰时及未进行边框提取时的可能性会大大增加。
Hough变化计算量较大，对于边框不连续的实际车牌，需要附加量加大的运算。
3.1.2 基于阈值化的方法图像经过阈值化得到一个字符和背景分离的二值图像是这类方法的特点。
目前已经提出了多种阈值化策略，但简单算法二值化效果不好，复杂算法计算时间长、计算量大限制了实际应用。
3.1.3 基于灰度边缘检测方法此类方法通常利用车牌区域局部对比度明显和灰度有规律变化的纹理特征来定位。
中国车牌类型较多，在不同光照条件下车牌对比度更加不一，需要进行图像增强处理，还要考虑图像中与车牌特征非常相似的非车牌区域的排除问题。
偏暗或泛白背景的车牌图像二值化方法
中围 分类号：Ｔ３１ Ｐ９
偏 暗 或 泛 白背景 的车牌 图像 二值 化 方 法
赵建蕾 ，王汇源 ，方 颗
（ 山东大学信 息科学与工程学院 ，济南 ２０ ０ ） ５ １０
摘
要： 在车辆牌照识别系统中 ，由于摄像机畸变、动态范 围太窄 、车辆牌照被污染等原 因，灰度化的车辆牌照 图像背景变得模糊，接近
［ ｂ ｔａ ｔ ｎｖｈｃｅｌ ｅｓ ｌｔ ｒｃ ｇ ｉｏ ｙｔｍｓ ｉｉ ｃ ｍｍｏ ａ ｔｅｂｃ ｇｏ ｎ ｆｈ ｒｙｌ ｅ ｖ ｈｃｅｌ ｅｓ ｌｔ ｉ ｇ ｅｏ ｓ Ａ ｓｒｃ］Ｉ ｅｉｌ ｉ ｎｅｐａ ｅｏ ｎｔ ｎｓｓ ｃ ｅ ｉ ｅ ，ｔｓ ｏ ｎｔ ｔｈ ａｋ ｒｕ ｄｏ ｅｇａ ｖ ｌ ｅ ｉｌ ｉ ｎｅｐａｅ ｍａ ｅｂｃｍｅ ｈ ｔ ｅ ｃ
ｕ ｃ ｅ ｒ ｒｃ ｏ ｅ ｔ ｅ ｃ ｌ ｒ ｆｔ ｒ ｅ ａ ｓ ｆｖ ｄ ｃ ｎ ａ ｒ ａｉ ｎ ｎ ￣ｏ ｄ ｎ ｍｉ ｒ ａ ａ ｄ ｐ ｌｕ ｅ ｌ ｔ ｓ ｗｈｉｈ ｍ ａ ｅ ｔ ｉ ｃ ｌ ｔ ｅ ｍｅ ｔ ｎ ｌ ａ ｌ ｓ Ｏ ｔ ｏ ｏ ｗｏ ｄ ｂ ｃ ｕ ｅｏ ｉ ｉ ｏ ｂｅｒ ｔ ． ａ ｗ ｙ ａ ｃａ ｅ ｎ ｏ ｌ ｔｄ ｐ ａｅ ， ｏ ｈ ｏ ｈｅ ｏ ｃ ｋ ｓｉ ｄ ｆ ｕ ｔ Ｏ ｓ ｇ ｎ ｆ ｉ ｈ ｈ ｒ ｃ ｅ ｓ ｆｏ ｔ ｅ ｐ ａ ｅ ｔ ｒ ｆ ｅ ａ ｎ ｗ ｔ ｄ ｉ ｒ ｓ ｎ ｅ ， ｅ ｅ ｃ ａ ｃ ｅ ｓ ｏ ｍａ ｅ ａ ｅ ｅ ｈ ｎ ｅ ｙ ｍｏ ｐｈ ｌ ｇ ｃ ｆｌ ｒ ｇ ｕ ｉ ｇ ｔ ｅ ｔ ｅ ｃ ａ ａ ｔ ｒ ｒ ｍ ｈ ｌ ｔ ， ｅ ｅ ｏｒ ｅ ｍｅ ｏ ｓｐ ｅ ｅ ｔ ｄ ｗｈ ｒ ｈ ａ ｔｒ ｆｔ ｅ ｉ ｇ ｒ ｎ ａ ｃ ｄ ｂ ｒ ｏ ｏ ｉ ｉ ｅ ｎ ｓｎ ｈ ｈ ｈ ｒ ｈ ｔｉ ｔ ｐ ｈ ｔａ ｄ ｔ ｅ ｂ ｔｏ ｈ ｔａ ｅ ｓ ｍｅ ｔｍｅ ｔ ｌ ｎ ｔ ｅ ｎ ｇ ｔｖ ｆｅ ｔｏｆｔ ｅ ｂ ｃ ｇ ｏ ｎ ，ａ ｄ ｔ ｅ ｐｌｔ ｍａ ｅ ｉ ｉ ａ ｉ ｅ ｙ ａ ｍｐ ｏ ｅ ｏ — ａ ｎ ｏ ｔ ｍ— ａ ｔｔ ａ ｉ Ｏ ｅ ｉ ａ ｅ ｔ ｅ ａ ｉ ｅ ｅ ｆ ｃ ｈ ａ ｋ ｒ ｕ ｄ ｎ ａｅ ｉ ｇ ｓ ｂ ｎ ｒｚ ｄ ｂ ｎ ｉ ｒ ｖ ｄ ｈ ｈ ｍｉ ｈ ｈ ｉｅ ａ ｉ ｅｍｅ ｏ ｐ ｒｍｅ ｔｌｒ ｓ ｌ ｈ ｗ ａ ｉ ｌ ｏ ｉ ｍ ｓｒ ｂ ｓ ｅ ｌ ｇ ｗｉ ｈ ｅ ｒ ｄ ｄ ｌｃ ｎ ｅｐ ａｅ ｔ ｎ ｌ ａ ｎ ｉｅｓ ｔ ｎ ． ｔ ｒ ｔｖ ｔ ｄ Ｅｘ ｅ ｉ ｎ ａ ｅ ｕ ｔ ｓ ｏ ｔ ｔ ｓａ ｇ ｒｔ ｉ ｏ ｕ ｔ ｎ ｄ ａ ｉ ｔ ｔ ｅ ｄ ｇ ａ ｅ ｉｅ ｓ ｌ ｔ ｓｗｉ ｕ ｃ ｅ ｒ ｄ ｗｈ ｔ ｅ ｔ ｇ ｈ ｓ ｈ ｔ ｈ ｈ ｉ ｎ ｈ ｈ ａ ｉ
变形车牌照的处理及识别
ｓｙｓｔｅｍ．Ｉｔ ｃａｎ ｂｅ ｕｓｅｄ ｉｎ ｍａｎｙ ｋｉｎｄｓ ｏｆ ｖｅｈｉｃｌｅ ｍａｎａｇｅｍｅｎｔ ｏｃｃａｓｉｏｎｓ．Ｃｏｍｐａｒｅｄ
ｗｉｔｈ ｔｒａｄｉｔｉｏｎａｌ ｖｅｈｉｃｌｅ ｍａｎａｇｅｍｅｎｔ ｍｅｔｈｏｄｓ，ＬＰＳ ｇｒｅａｔｌｙ ｉｍｐｒｏｖｅｓ ｔｈｅ ｅｆｆｉｃｉｅｎｃｙ ｏｆ
髂■Ｉ 。川８如霜ＩＩ
⑨
天津大薯
＿ｃ｜：硕Ｉ■士 隅嘎学 Ｉ跚｜位 躅哪论 ■勘文 ｌａ■■＿
学科专业．Ｉ 作者姓名： 指导教师：
模式识别与智能系统 刘颖 王萍教授
２００６年１ 月
中文摘要
车辆牌照自动识别系统（ＬＰＲ）是智能交通系统的重要组成部分，可用于各级 各类车辆管理场所。与传统的车辆管理方法相比，它很大地提高了管理效率与水 平。节省了人力、物力，实现了车辆管理的科学化、规范化，对交通治安起到了 一定的保障作用，因此有着广泛的应用前景。车牌自动识别系统～般包括车牌定 位、字符分割和字符识别三个模块。
ＷＯｒｋ ｉｎｃｌｕｄｅｓ：
（１）Ｔｈｅ ｌｉｃｅｎｓｅ ｐｌａｔｅ ｉｍａｇｅ ｉｓ ｒｅｓｔｒｉｃｔｅｄ ｇｒｅａｔｌｙ ｂｙ ｉｌｌｕｍｉｎａｔｉｏｎ．Ｔｈｅ ｌｉｃｅｎｓｅ ｐｌａｔｅ
ｂｌｕｒｓ ｉｎ ｔｈｅ ｃｏｎｄｉｔｉｏｎ ｏｆ ｓｕｎｎｙ ｏｒ ｓｕｎｌｅｓｓ ｓｕｃｈ ａｓ ｉｎ ｃｌｏｕｄｙ，ｆｌｏｇ ａｎｄ ｎｉｇｈｔ．Ａｉｍｉｎｇ ａｔ
车牌定位
｛
Ｉ 车牌字符分割
●
车牌字符识别 图１．１车牌识别系统流程图
第一章绪论
１．３ 国内外研究现状
借助计算机工具的牌照识别出现于８０年代。在１９９３年，ＬＰＲ技术成功地从 实验室研究转向市场应用。近年来，随着市场需求的急剧扩大，ＬＰＲ技术日渐成 熟，已有相当一部分的供应商分别提供系统的各个部件，如采集、硬件、字符识 别等。现在，大致有近１５家提供完全商业化的ＬＰＲ系统。ＬＰＲ技术正在被广泛 的应用于ＡＶＩ（Ａｕｔｏｍａｔｉｏｎ Ｖｅｈｉｃｌｅｓ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ），ＡＶＬ（Ａｕｔｏｍａｔｉｏｎ Ｖｅｈｉｃｌｅｓ Ｌｏｃａｔｉｏｎ），ＥＴＴＭ（Ｅｌｅｃｔｒｏｎｉｃ＂ｒｏｌｌｉｎｇ ａｎｄ Ｔｒａｆｆｉｃ Ｍａｎａｇｅｍｅｎｔ），ＶＥＳ（ｖｉｄｅｏ Ｖｉｏｌａｔｉｏｎ Ｅｎｆｏｒｃｅｍｅｎｔ）等领域，并向更加实用化的方向发展。机会与挑战并存， 该项技术也面临着许多困难：汽车牌照的多样化，牌照字符的小型化，新型车牌 材料和装饰牌照字体的出现对该技术提出了新的要求。