[外文翻译]基于水平集方法的车牌定位技术.doc

基于水平集方法的车牌定位技术摘要：车牌定位是车牌识别系统中的一个重要步骤。目前虽然有一些车牌定位方法，但有一些限制，如具有低准确性。所以应该找到更好的方法来解决这个问题。水平集方法，已被证明有效，目前，赋予了车牌定位技术新的前景。本文在水平集方法的基础上，采用了Mumford-Shah模型与水平集方法，进一步进行有限差分和三阶TVD（共变异递减）变换，分析了Runge - Kutta时域离散方案，并在车牌图像定位中应用。计算结果表明，采用水平集方法能得到更好的边缘检测结果，得到了比其他边缘检测方法罗伯茨，索贝尔等具有更高的精度。水平集方法倾向于有更多非目标区边缘检测，在对目标的边缘检测和跟踪目标的位置上具有很大的使用价值。关键词：水平集方法;车牌识别;目标定位。1.引言车牌识别技术集成了计算机科学技术，图像处理，模式识别等多种先进的技术，广泛应用于智能交通系统。在车牌识别系统中，车牌定位是一个重要步骤，它将影响系统的整体性能。车牌定位的准确性将影响到车牌字符分割和识别的准确性。Barroso2通过灰度的直线定位，对车牌进行了定位，代表分布特征的灰度值以不断变化的形式从波峰到波谷，交替变换。曾红5提出了一种结合动态投影变形技术新的牌照车牌识别系统，这使得处理后的图像容易移动和缩放。此外，应用扫描方法准确提取牌照位置。HOU P. G. 6采用小波阈值方法作为图像滤波器，以及采用改进的扫描方法对车牌区域检测。Kim, S.7着重于对在弱光线条件下拍摄的图像进行处理。该方法分为两个步骤：（1）搜索候选区）输入图像变化信息，和（2）从候选区域中确定车牌区域通过采用车牌模板确定车牌区域的边界。由于精度低这些方法存在一定的应用限制，所以应找到更好的方法解决这个问题。水平集方法，已被证明有效，为车牌定位提供了新的前景。水平集方法可以有效地模拟动态过程，如线性和非线性的变换。在数值模拟丰富的经验和知识，有助于提高解决水平集模型方程效率。水平集方法最大的优点是可以处理任何图像凸的，凹的，分割的和合并的。它可以发现局部 或整体的最低值，容易结合经典模型蛇。如果存在多个水平集功能模块，在分割步骤中，自动分割和合并将会被执行。它允许装载可视化的模型如贝叶斯模型，模糊聚类算法模型，等，这将使系统更强大，更准确。 水平集方程求解有不同的方法，如三阶非振荡（ENO）方法的或5阶加权非振动（WENO）方法，它们通过扩大边界或采用TVD（全变差递减）方法，以改善精度4,9。为了减少对比时间，一种新的窄带方法被采用10。虽然从理论的角度上，水平集方法可用于车牌定位，在这个领域目前的研究，这种方法很少发现。在以下章节中，Mumford - Shah模型与水平集方法在第2节介绍，在第3节中，对其主要区别和TVD（全变差递减）方法进行了分析，并应用在车牌定位中。与其他传统的分割方法的比较结果在第4节中介绍。2. Mumford - Shah模型与水平集方法 水平集方法的原始思想1并不复杂。假设在里面有一个开放区域的空间Rn里，有一个界面。以速度v运动并进行分析和计算。在1987年S.Osher and J.A.Sethian 1第一次提出时定义了线性平滑函数j ( x, y)。这就是说，当j ( x, y)=0，它代表着零水平集。 j ( x, y)被称为水平集函数。因此，对G的确定仅当j ( x, y)的值在接下来的时间变为零时才被执行，从而得到界面的形状，同时也意味着该界面被定义为函数j ( x, y)的零水平集。这是非常有价值的数值计算，主要是因为其变化如分割和合并可以很好的进行边缘检测并自动运行。图 1表示基于水平集方法的图像应用，是图象板，f（x，y）是图像函数,通过对平面z=j ( x, y)的变换形成，变换后的线就是封闭曲线。在图1中我们的目的是对区域自动进行边缘检测。 图一：水平集方法示意图标准能量函数Mumford Shah3是：在这里，H (j )是Heaviside函数，为一参数，它的值取决于固定的图象，并且其中，C1和C2分别代表对函数f（x，y）的内部和外部的值。让j随着时间的发展，可以表示为其中，可以用时间函数t表示，就像函数j = j ( x, y, t )使函数f（x，y）的作用线与图像板将朝图像边缘移动。当能量函数E (c1 , c2 ,j )达到最小值，运动停止。j被调整，以致函数E (c1 , c2 ,j )随着时间t的变化而下降。然后，关以j的偏导数可以得到：这里， 是直接函数。根据方程（2.3）变化。这里: 为了对左栏进行三阶TVD变换和Runge - Kutta时域离散化，公式（2.3）如下所示:这里L是执行函数。 在8中，一般对（3.1）的Runge-Kutta 是以这种方式出现。只有当图像分割正确时，能量函数才能达到最小值。3.基于水平集方法的TVD Runge-Kutta方案在(2.3)中右栏采用了有限差分方法，表示为： 这里：在这里，m是时间精度。根据一些证明8，最佳三阶TVDRunge -Kutta方法可以表示为：在计算中，Heaviside函数H e (j )被取作：然后，这里是一个很小的整数。4.基于水平集方法的车牌分割技术在实验中，初始曲线被表示为：在这里，l是一个系数因子，取作0.01，r取30，A=round(X/2)，B=round(Y/2)，X，Y分别代表在图像中水平轴和垂直轴的数值，函数round()的计算结果是一个整数。图 2给出了一般梯度算法与水平集方法的比较。 图 2中的b,c,d分别通过不同梯度算法检测了车牌边缘。图 2中的e表明了当水平集方法被使用时与车牌区域有关的曲线j的变化过程。最后的检测结果在图2中的f显示。 a. 原图像 b. 用 Roberts方法的结果 c. Sobel方法的结果 d. 用 Canny方法的结果 e. 曲线优化过程 j f.用水平集方法的结果从图1中可以看出，用水平集方法进行处理的结果比用Roberts, Sobel 和 Canny算法的效果更好。水平集方法倾向于有更多非目标区边缘检测，在对目标的边缘检测和跟踪目标的位置上具有很大的使用价值。图2表示能量时间步骤，通常是作为一种方法用来加强算法的稳定性。图二：能量和时间间隔参数关系图从图二中可以看出，当时间间隔达到一定值时能量和时间间隔参数的关系是趋于线性的，这表明水平集方法很稳定，适合于这类应用。5总结相比其他几个广义梯度算法水平集方法可以得到更准确的结果，它被用在车牌定位，这是在车牌识别系统的关键一步。在本文中，水平集方法在车牌图像分割中的应用被证明具有高效率并能得到跟好的结果，进一步加快水平集方法模型算法研究是我们的未来的研究方向，以满足车牌识别系统的实时性。6.参考文献1 J. A. Sethian. Level Set Methods. Cambridge University Press, UK, ISBN052187202, 1996.2 Barroso, J., Daqless, E.L., Rafael, A. Bulas-Cruz, J. Number plate reading using computer vision. Proc, IEEEInternational Symposium on Industrial Lectronics,Portugal, 1997: 761-766.3 Tony F. Chan, Luminita A. Vese, active contours without edges. IEEE Transactions on Image Processing, 2002,10(2): 266-277.4 YANG Yu-wang, ZHENG Ya, QIU Guang-sheng. Application of TVD scheme in numerical modeling for three dimensional nonaxisymmetric flows . J. Nanjing University of Science and Technology , 1995, 19(6):513-516.5 WANG Tsang-hong, NI Feng-chou, LI Keh-Tsong,CHEN Yon-ping. Robust license plate recognition based on dynamic projection warping. Proceedings of the 2004 IEEE International Conference on Network, Sensing & Control, Taipei, Taiwan, March, 2004: 783-788.6 HOU P. G., ZHAO J. and LIU M. A license plate locating method based on Tophat both at changing and line scanning. Journal of Physics: Conference Series 48 , 2006:431-436.7 Kim, S., et al. A robust license-plate extraction method under complex image conditions. International Conference on Pattern Recognition , Quebec City, CA,2002: 216-219.8 SHU C. W. and S. Osher. Efficient implementation of essentially non-oscillatory shock-capturing schemes. J.Comput. Phys., 1988, 77(2): 439-471.9 D. Enright, R. Fedkiw, J. Ferziger and I. Mitchell. A hybrid particle Level Set method f