數(shù)字圖像處理的應(yīng)用車輛牌照識別系統(tǒng)指紋識別系統(tǒng)

第十一章數(shù)字圖像處理的應(yīng)用

車輛牌照識別系統(tǒng)指紋識別系統(tǒng)車牌識別系統(tǒng)的設(shè)計

概述智能交通是當(dāng)前交通管理發(fā)展的主要方向，汽車牌照自動識別技術(shù)是智能交通系統(tǒng)的核心，在城市道路、高速公路等項目管理中占有重要地位。汽車牌照自動識別主要包括車牌定位和車牌字符識別兩部分。（1）車牌定位：通過分析車輛圖像的特征，定位出圖像中的車牌位置并對車牌字符進(jìn)行分割。（2）車牌字符識別：對分割出來的車牌字符加以識別，獲得文字形式的車牌。

車牌定位流程11.2彩色圖像轉(zhuǎn)灰度圖像

用數(shù)碼相機(jī)獲取的圖像是彩色圖像，它由R、G、B三個單色調(diào)配而成。在汽車牌照分割中，可以直接對彩色圖像進(jìn)行處理，也可以將彩色圖像轉(zhuǎn)換為灰度圖像，然后再對灰度圖像進(jìn)行處理的方法。

彩色圖像轉(zhuǎn)換為灰度圖像的公式如下：

Y=0.299R+0.587G+0.114B

汽車灰度圖像

為了增強(qiáng)車輛圖像和牌照圖像的對比度，有利于牌照分割，需要對它們進(jìn)行灰度拉伸。假定原圖像f(x,y)的灰度范圍為[a,b]，變換后圖像g(x,y)的灰度范圍擴(kuò)展至[c,d]，M為原圖像中的最大灰度值,可采用以下公式線性變換來實現(xiàn)：11.3圖像灰度拉伸c,0≤f(x,y)≤a(d-c)/(b-a)f(x,y)+c,a≤f(x.y)≤bd,c≤f(x,y)≤Mg(x,y)=(a)原始灰度圖像(b)經(jīng)灰度拉伸后得到的灰度圖像

灰度拉伸處理11.4圖像的二值化將圖像轉(zhuǎn)換為只有兩級灰度（黑白）的圖像。閾值判定法本系統(tǒng)初始閾值T的確定采用如下公式：

T=fmax-(fmax-fmin)/3

這里，fmax和fmin分別是最高、最低灰度值。(a)經(jīng)灰度拉伸后的灰度圖像(b)經(jīng)二值化處理后的圖像

二值化處理11.5梯度銳化

梯度的計算可以采用Sobel算子、拉普拉斯算子等。(a)原二值化圖像(b)經(jīng)梯度銳化處理后的圖像11.6圖像的中值濾波

圖像在拍攝中總會添加一些噪聲，從而影響了圖像的質(zhì)量?？刹捎弥兄禐V波去掉這些噪聲。

(a)原圖像(b)經(jīng)中值濾波處理后的圖像

中值濾波處理11.7車牌牌照區(qū)域的定位

車牌牌照區(qū)域的定位是正確進(jìn)行汽車牌照識別的關(guān)鍵步驟之一。定位準(zhǔn)確與否將直接關(guān)系到后面的字符分割。(a)原圖像(b)經(jīng)車牌定位處理后的圖像車牌區(qū)域定位11.8確定牌照區(qū)域的四個坐標(biāo)值

(a)原圖像(b)顯示牌照區(qū)域的圖像11.9車牌區(qū)域截取

根據(jù)前面得到四個坐標(biāo)值截下圖片中牌照區(qū)域，顯示牌照區(qū)域的灰度圖片。11.10牌照幾何位置的調(diào)整

當(dāng)攝像機(jī)與汽車牌照不是正對著時，所拍攝的汽車牌照會有左右或上下方向的傾斜。需要對其進(jìn)行矯正，以便于對牌照字符進(jìn)行切分。幾何校正過程如下：首先找到牌照的上下邊框，求出上下框的傾角，然后對圖像進(jìn)行水平矯正，隨后在水平矯正的基礎(chǔ)上進(jìn)行左右矯正。11.11牌照區(qū)域的二值化

由于受光照、車牌本身顏色等因素的影響，不可能對所有分割出來的牌照區(qū)域采用固定閾值進(jìn)行二值化。可采用最佳閾值二值化方法，對分割出來的牌照區(qū)域自動確定閾值，從而牌照區(qū)域進(jìn)行二值化。11.12牌照字符的切分

字符的切分是將牌照中的單個字符分割出來，以便于進(jìn)行字符識別。字符分割算法是以垂直投影、字符間距尺寸測定、字符的長寬比、輪廓分析技術(shù)的組合為基礎(chǔ)的。由于二值化的原因，可能會產(chǎn)生粘連、斷裂的字符。此時要根據(jù)牌照的大致寬度，結(jié)合各字符的輪廓，利用分裂、合并的方法正確地分割字符。

11.13牌照字符的識別

字符識別有很多方法，如模板匹配法，神經(jīng)網(wǎng)絡(luò)方法等。采用數(shù)字字符輪廓結(jié)構(gòu)特征和統(tǒng)計特征相結(jié)合的方法，并從中選出穩(wěn)定的局部特征，利用結(jié)構(gòu)語句識別的方法進(jìn)行數(shù)字的識別。指紋識別系統(tǒng)

指紋的基本特征指紋識別系統(tǒng)簡介指紋庫的建立與查對指紋的基本特征全局特征：指那些用肉眼直接就可以觀察到的特征局部特征：指紋紋路上的節(jié)點的特征

因為指紋紋路經(jīng)常出現(xiàn)中斷、分叉或打折，所以形成了許多節(jié)點。兩枚指紋可能會具有相同的全局特征，但它們的局部特征卻不可能完全相同。全局特征紋形全局特征描述的是指紋的總體紋路結(jié)構(gòu)，具體包括紋形、模式區(qū)、核心點、三角點和紋數(shù)五個特征

模式區(qū)：指紋上包括了總體特征的區(qū)域，即從模式區(qū)就能夠分辨出指紋屬于哪一種類型。有的指紋識別算法只使用模式區(qū)的數(shù)據(jù)，而有的指紋識別算法則需使用完整指紋而不僅僅是模式區(qū)進(jìn)行分析和識別核心點：核心點位于指紋紋路的漸進(jìn)中心，它在讀取指紋和比對指紋時作為參考點，許多算法是基于核心點的，即只能處理和識別具有核心點的指紋。

三角點：三角點位于從核心點開始的第一個分叉點或者斷點，或者兩條紋路會聚處、孤立點、折轉(zhuǎn)處，或者指向這些奇異點，三角點提供了指紋紋路計數(shù)跟蹤的起始位置。紋數(shù)：指模式區(qū)內(nèi)指紋紋路的數(shù)量，在計算指紋的紋數(shù)時，一般先連接核心點和三角點．這條連線與指紋紋路相交的數(shù)量即可認(rèn)為是指紋的紋數(shù)。局部特征

局部特征是指指紋紋路上的節(jié)點的特征。這些特征提供了指紋惟一性的確認(rèn)信息，人們根據(jù)紋路的局部結(jié)構(gòu)特征共定義了大概150多種細(xì)節(jié)特征。通常，指紋鑒定系統(tǒng)只使用其中兩種主要的特征．即分叉點和端點，其他細(xì)節(jié)特征都可以用它們的組合來表示。指紋識別系統(tǒng)簡介指紋圖像的獲取

光學(xué)取像設(shè)備：依據(jù)光全反射原理晶體傳感器：硅電容傳感器，壓感晶體傳感器超聲波掃描現(xiàn)有指紋圖像獲取設(shè)備包括三類：成像技術(shù)光學(xué)成像技術(shù)硅晶體電容傳感器超聲波掃描體積大小中耐用性非常耐用容易損壞一般成像能力汗多的和稍臟的手指成像模糊干手指好，汗多的和稍臟的手指不能成像非常好耗電較多較少較多成本低低很高三種成像技術(shù)的比較圖像預(yù)處理目的：消除噪聲，增強(qiáng)脊和谷的對比度

圖像裁剪

將原始指紋圖像應(yīng)用一定的算法進(jìn)行剪切，在基本不損失有用的指紋信息的基礎(chǔ)上產(chǎn)生一個比原始圖像小的指紋圖像，這樣可減少以后各步驟中所要處理的圖像的數(shù)據(jù)

圖像平滑

平滑的任務(wù)就是去除噪聲干擾，而又不使圖像失真。

對圖像進(jìn)行空間低通濾波去噪采用多圖像取均值的方法，進(jìn)一步消弱噪聲

對圖像進(jìn)行空間低通濾波去噪

采用多圖像取均值的方法，進(jìn)一步消弱噪聲銳化處理

銳化是為強(qiáng)化指紋紋線間的界線，突出邊緣信息，增強(qiáng)脊和谷之間的對比度，以利于二值化。試驗表明，采用7×7的模板進(jìn)行銳化是比較適宜的。二值化

對于銳化的指紋圖像，其直方圖有明顯的雙峰，故易于選取閾值進(jìn)行指紋圖像二值化。修飾處理

指紋圖像經(jīng)過二值化后，紋線邊緣往往凹凸不齊，受銳化的影響，畫面出現(xiàn)離散點。為使圖像整潔，邊緣圓滑，需要進(jìn)行修飾處理。細(xì)化處理

由于所關(guān)心的不是紋線的粗細(xì)，而是紋線的有無，因此，在不破壞圖像連通性的情況下必須去掉多余的信息。為此采用半旋轉(zhuǎn)式的細(xì)化方法，抽取紋線骨架。修飾結(jié)果細(xì)化結(jié)果指紋的識別與分類

指紋定位是正確識別指紋的必要措施，任何的扭擺、錯位都會造成誤判。1、定位人工定位：按輸入指紋箕、斗和弓形紋進(jìn)行定位，就可以迅速、準(zhǔn)確地定位給定指紋，并由輸入程序把該指紋圖像送到計算機(jī)中。自動定位：由計算機(jī)確定相應(yīng)的三角點及中心點，并經(jīng)過適當(dāng)?shù)钠揭婆c旋轉(zhuǎn)，達(dá)到匹配定位的目的。2、分區(qū)與提取

對已定位的圖像，就可直接分區(qū)進(jìn)行特征提取了。區(qū)的數(shù)量視定位的精確度及處理的效果而定。將指紋圖像劃分為縱橫的8×4的32個區(qū)，特征是按區(qū)域抽取的，把各區(qū)的特征量按序構(gòu)成”指紋字”，用以表征給定指紋，并以此作為指紋庫進(jìn)行查對的基本單位。由于提取特征是根據(jù)預(yù)處理后的圖像進(jìn)行的，圖像的微小差異(如邊緣不齊等）都會影響識別效果，因此必須建立正確的提取規(guī)則。如對于分叉特征，先由八方向探索，判別有無三個分叉點，再考慮每個分叉的步數(shù)；建立各個分叉時每叉判三步走通為成功，反之為失敗的規(guī)則，就可有三種情況：每叉均為成功．記為分叉；有一叉失敗，不記兩叉失敗，記為端點3、特征的選擇

全力找出指紋紋理特征的奇異所在，可使識別大大簡化。分析指紋的奇異細(xì)節(jié)，可歸納為九種情況：起點、終點、小橋、小眼．小鉤．小點、小棒：分叉和結(jié)合。進(jìn)一步分析又可把它們合并為端點和分叉這兩個特征。這些簡化既有利于計算機(jī)進(jìn)行特征提取，又可節(jié)省大量的存儲空間。方向數(shù)也是表征指紋紋理的重要參數(shù)。由于紋線走向在定位后已經(jīng)固定，因而累計的方向數(shù)也被固定了下來。盡管由于定位、量化等原因而出現(xiàn)一些差異，但同一指紋累加方