基于空间分布的最大类间方差二值化算法.doc

基于空间分布的最大类间方差二值化算法.txt不怕偷儿带工具，就怕偷儿懂科技！1品味生活，完善人性。存在就是机会，思考才能提高。人需要不断打碎自己，更应该重新组装自己。第35卷第3期
2001年5月
浙江大学学报(工学版)
JournalofZhejiangUniversity(EngineeringScience)Vol.35№.3May2001
收稿日期:1999-07-20.
作者简介:张引(1970-),女,甘肃永登人,浙江大学讲师,从事图形图像、多媒体信息处理和人工智能研究.
基于空间分布的最大类间方差牌照
图像二值化算法
张引
(浙江大学CAD&CG国家重点实验室,浙江杭州310027)
(浙江大学人工智能研究所,浙江杭州310027)
摘要:车辆牌照识别VLPR(VehicleLicensePlateRecognition)是智能交通系统ITS(Intelligent
TransportationSystem)的重要部分,有着巨大的社会和经济效益.车辆牌照图像二值化方法的研究是
VLPR中的关键技术,通常都采用经典的Bernsen算法和Otsu算法.但由于光照不均、摄像机畸变、曝
光不足、动态范围太窄和车辆牌照被污染等原因,车辆牌照图像的质量往往不佳,常存在严重伪影和字
符边缘模糊,极大地影响了牌照图像二值化效果,Bernsen算法和Otsu算法也不能很好地克服上述问
题.为此,提出了一种新的牌照图像二值化算法CASDA(ClusterAlgorithmBasedonSpatialDistribu-
tionAnalysis),把牌照图像空间分布特性与最大类间方差的统计特性有机结合,大大加快了最大类间方
差模式分类速度.与Bernsen、Otsu、LEVBB等算法比较,CASDA具有速度快,能消除不均匀光照引起
的伪影,极少出现笔划断裂等优点,二值化效果好.
关键词:二值化;模式分类;牌照识别
中图分类号:TP391.4;U491.116文献标识码:A文章编号:1008-973X(2001)03-0272-04
VLPR有着广泛的实际应用前景,如交通控制与诱导、小区车辆管理、闯红灯等违章车辆监控、
不停车自动收费、道口检查站车辆监控、公共停车场安全防盗管理等.同OCR相比,它识别的是场
景字符;同目标识别相比,牌照中的字符以一定的规则排列,有其空间分布的特殊性.此外,VLPR
要求具有很高的识别率和实时性,能处理汽车在高速行驶时造成的牌照图像模糊、扭曲、变形和适
应准全天候.因此,VLPR是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一.
中国汽车牌照主要分黄底黑字、蓝底白字、黑底白字等三种,其灰度图像则为白底黑字、黑底白
字两大类.由于光照不均匀影响、摄像机畸变、曝光不足和动态范围太窄等原因,导致牌照图像存在
严重的伪影;并且由于图像灰度分布不均匀、对比度不足,以及牌照上的灰尘、脏污等,使得牌照的
字符图像边缘模糊,细节分辨不清.严重影响到牌照图像二值化的效果.为此,本文提出一种结合
牌照字符空间分布和最大类间方差分类准则的全局阈值法CASDA算法,用于牌照字符识别的二
值化处理,既能消除伪影,又能保持牌照字符笔划的边缘完整性,且满足VLPR的实时性要求.最
后,本文将CASDA算法实验结果同最具代表性的二值化算法:Otsu算法[1]、Bernsen算法[2]以及
Bernsen算法的改进LEVBB[3]算法做了比较.
1文本图像二值化算法概述
文本图像二值化的基本要求是二值化图像能忠实再现原来文本图像,即:(1)字符笔划不出现
空白、空心、短裂;(2)二值化后笔划基本保持原来文字特征.
Trier与A.K.Jain[4]研究了已有的文本图像二值化方法,认为下面的二值化算法是最典型的
算法,包括Bernsen算法、Chow与Kanekos算法、Eikbil算法、Mardia与Hainsnorth算法、Niblack
算法、Taxt算法、Yanowitz与Bruckstein算法、White与Rohrer动态阈值算法、Park算法、White与Rohrer的集成函数算法、Trier与Taxt算法等局部自适应算法.Otsu算法、Kapur算法、Kittler
与Illingworth算法、Abutaleb算法等全局阈值算法.
在VLPR的图像二值化中,通常都采用Bernsen算法和Otsu算法.然而Bernsen算法有伪影
现象,且容易出现二值化图像笔划断裂现象.为此文献[2]给出了对Bernsen产生伪影的解决方法:
(1)对原图做均值平滑去噪;(2)计算去噪图的边缘值(Sobel算子);(3)去除边缘值小于某阈值Tp
的目标点.由于该方法引入了Sobel求边缘并增加阈值Tp,仍然存在选取困难,且该方