《图像处理-11》由会员分享，可在线阅读，更多相关《图像处理-11（42页珍藏版）》请在金锄头文库上搜索。
1、第十一章 数字图像处理的应用,车辆牌照识别系统 指纹识别系统,车牌识别系统的设计概述,智能交通是当前交通管理发展的主要方向，汽车 牌照自动识别技术是智能交通系统的核心，在城市道路、高速公路等项目管理中占有重要地位。 汽车牌照自动识别主要包括车牌定位和车牌字符识别两部分。（1）车牌定位：通过分析车辆图像的特征，定位出图像中的车牌位置并对车牌字符进行分割。（2）车牌字符识别：对分割出来的车牌字符加以识别，获得文字形式的车牌。,车牌定位流程,11.2 彩色图像转灰度图像,用数码相机获取的图像是彩色图像，它由R、G、B三个单色调配而成。在汽车牌照分割中，可以直接对彩色图像进行处理，也可以将彩色图像转换
2、为灰度图像，然后再对灰度图像进行处理的方法。,彩色图像转换为灰度图像的公式如下： Y=0.299R+0.587G+0.114B 汽车灰度图像,为了增强车辆图像和牌照图像的对比度，有利于牌照分割，需要对它们进行灰度拉伸。假定原图像f(x,y)的灰度范围为a,b，变换后图像g(x,y)的灰度范围扩展至c,d，M为原图像中的最大灰度值,可采用以下公式线性变换来实现：,11.3 图像灰度拉伸,c, 0f(x,y) a,(d-c)/(b-a)f(x,y)+c, af(x.y) b,d , cf(x,y) M,g(x,y)=,(a)原始灰度图像 (b) 经灰度拉伸后得到的灰度图像,灰度拉伸处理,11.4
3、图像的二值化,将图像转换为只有两级灰度（黑白）的图像。阈值判定法 本系统初始阈值T的确定采用如下公式： T=fmax-(fmax- fmin)/3 这里， fmax 和fmin分别是最高、最低灰度值。,(a)经灰度拉伸后的灰度图像 (b) 经二值化处理后的图像,二值化处理,11.5 梯度锐化,梯度的计算可以采用Sobel算子、拉普拉斯算子等。,(a) 原二值化图像 (b) 经梯度锐化处理后的图像,11.6 图像的中值滤波,图像在拍摄中总会添加一些噪声，从而影响了图像的质量。 可采用中值滤波去掉这些噪声。,(a)原图像 (b) 经中值滤波处理后的图像 中值滤波处理,11.7 车牌牌照区域的定位,
4、车牌牌照区域的定位是正确进行汽车牌照识别的关键步骤之一。定位准确与否将直接关系到后面的字符分割。,(a)原图像 (b) 经车牌定位处理后的图像车牌区域定位,11.8 确定牌照区域的四个坐标值,(a)原图像 (b)显示牌照区域的图像,11.9 车牌区域截取,根据前面得到四个坐标值截下图片中牌照区域，显示牌照区域的灰度图片。,11.10 牌照几何位置的调整,当摄像机与汽车牌照不是正对着时，所拍摄的汽车牌照会有左右或上下方向的倾斜。需要对其进行矫正，以便于对牌照字符进行切分。几何校正过程如下： 首先找到牌照的上下边框，求出上下框的倾角，然后对图像进行水平矫正，随后在水平矫正的基础上进行左右矫正。,1
5、1.11 牌照区域的二值化,由于受光照、车牌本身颜色等因素的影响，不可能对所有分割出来的牌照区域采用固定阈值进行二值化。可采用最佳阈值二值化方法，对分割出来的牌照区域自动确定阈值，从而牌照区域进行二值化。,11.12 牌照字符的切分,字符的切分是将牌照中的单个字符分割出来，以便于进行字符识别。字符分割算法是以垂直投影、字符间距尺寸测定、字符的长宽比、轮廓分析技术的组合为基础的。 由于二值化的原因，可能会产生粘连、断裂的字符。此时要根据牌照的大致宽度，结合各字符的轮廓，利用分裂、合并的方法正确地分割字符。,11.13 牌照字符的识别,字符识别有很多方法，如模板匹配法，神经网络方法等。采用数字字符
6、轮廓结构特征和统计特征相结合的方法，并从中选出稳定的局部特征，利用结构语句识别的方法进行数字的识别。,指纹识别系统,指纹的基本特征 指纹识别系统简介 指纹库的建立与查对,指纹的基本特征,全局特征：指那些用肉眼直接就可以观察到的特征局部特征：指纹纹路上的节点的特征,因为指纹纹路经常出现中断、分叉或打折，所以形成了许多节点。两枚指纹可能会具有相同的全局特征，但它们的局部特征却不可能完全相同。,全局特征,纹形,全局特征描述的是指纹的总体纹路结构，具体包括纹形、 模式区、核心点、三角点和纹数五个特征,模式区：指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹属于哪一种类型。有的指纹识别算法只使用模
7、式区的数据，而有的指纹识别算法则需使用完整指纹而不仅仅是模式区进行分析和识别 核心点： 核心点位于指纹纹路的渐进中心，它在读取指纹和比对指纹时作为参考点，许多算法是基于核心点的，即只能处理和识别具有核心点的指纹。,三角点： 三角点位于从核心点开始的第一个分叉点或者断点，或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点，三角点提供了指纹纹路计数跟踪的起始位置。 纹数： 指模式区内指纹纹路的数量，在计算指纹的纹数时，一般先连接核心点和三角点这条连线与指纹纹路相交的数量即可认为是指纹的纹数。,局部特征,局部特征是指指纹纹路上的节点的特征。这些特征提供了指纹惟一性的确认信息，人们根据纹路的局部结
8、构特征共定义了大概150多种细节特征。通常，指纹鉴定系统只使用其中两种主要的特征即分叉点和端点，其他细节特征都可以用它们的组合来表示。,指纹识别系统简介,指纹图像的获取,光学取像设备：依据光全反射原理 晶体传感器：硅电容传感器，压感晶体传感器 超声波扫描,现有指纹图像获取设备包括三类：,三种成像技术的比较,图像预处理,目的：消除噪声，增强脊和谷的对比度,图像裁剪,将原始指纹图像应用一定的算法进行剪切，在基本不损失有用的指纹信息的基础上产生一个比原始图像小的指纹图像，这样可减少以后各步骤中所要处理的图像的数据,图像平滑,平滑的任务就是去除噪声干扰，而又不使图像失真。,对图像进行空间低通滤波去噪
9、采用多图像取均值的方法，进一步消弱噪声,对图像进行空间低通滤波去噪,采用多图像取均值的方法，进一步消弱噪声,锐化处理,锐化是为强化指纹纹线间的界线，突出边缘信息，增强脊和谷之间的对比度，以利于二值化。试验表明，采用7 7的模板进行锐化是比较适宜的。,二值化,对于锐化的指纹图像，其直方图有明显的双峰，故易于选取阈值进行指纹图像二值化。,修饰处理,指纹图像经过二值化后，纹线边缘往往凹凸不齐，受锐化的影响，画面出现离散点。为使图像整洁，边缘圆滑，需要进行修饰处理。,细化处理,由于所关心的不是纹线的粗细，而是纹线的有无，因此，在不破坏图像连通性的情况下必须去掉多余的信息。为此采用半旋转式的细化方法，抽
10、取纹线骨架。,修饰结果,细化结果,指纹的识别与分类,指纹定位是正确识别指纹的必要措施，任何的扭摆、错位都会造成误判。,1、定位,人工定位：按输入指纹箕、斗和弓形纹进行定位，就可以迅速、准确地定位给定指纹，并由输入程序把该指纹图像送到计算机中。自动定位：由计算机确定相应的三角点及中心点，并经过适当的平移与旋转，达到匹配定位的目的。,2、分区与提取,对已定位的图像，就可直接分区进行特征提取了。 区的数量视定位的精确度及处理的效果而定。 将指纹图像划分为纵横的84的32个区，特征是按区域抽取的，把各区的特征量按序构成”指纹字”，用以表征给定指纹，并以此作为指纹库进行查对的基本单位。,由于提取特征是根
11、据预处理后的图像进行的，图像的微小差异(如边缘不齐等）都会影响识别效果，因此必须建立正确的提取规则。如对于分叉特征，先由八方向探索，判别有无三个分叉点，再考虑每个分叉的步数；建立各个分叉时每叉判三步走通为成功，反之为失败的规则，就可有三种情况： 每叉均为成功记为分叉； 有一叉失败，不记 两叉失败，记为端点,3、特征的选择,全力找出指纹纹理特征的奇异所在，可使识别大大简化。 分析指纹的奇异细节，可归纳为九种情况：起点、终点、小桥、小眼小钩小点、小棒：分叉和结合。进一步分析又可把它们合并为端点和分叉这两个特征。这些简化既有利于计算机进行特征提取，又可节省大量的存储空间。 方向数也是表征指纹纹理的重
12、要参数。由于纹线走向在定位后已经固定，因而累计的方向数也被固定了下来。尽管由于定位、量化等原因而出现一些差异，但同一指纹累加方向数的总趋势是一样的，可达到较高的吻合度。 在反复试验的基础上，选择端点分叉和方向数作为特征。,4、指纹的分类,弓：弧形和帐形； 箕：正箕和反箕； 斗：环形，蝶形，双箕形囊形和杂形,人工分类法：,大分类：由操作者通过人机会话告诉计算机是何种纹形； 中分类：利用图像的总累计方向数，把同一类指纹进一步分成若干组 小分类：利用指纹纹理的不对称性进一步把同一组指纹分成若干部分,计算机分类法：,指纹库的建立与查对,指纹库系统是对指纹进行有效存储、管理的系统。根据数据库的一些设计思想和结构方法，采用分层模型和模块结构，并与上述的识别与分类有机地结合起来，因此可以迅速有效地查对指纹 指纹经过识别和分类，形成“指纹字”、“类别号”及指纹的分类层次。指纹查对是按照绐定的“指纹字”到指纹库去查对有无该指纹。查对包括检索，删除及插入等操作。 目前指纹系统具有简单、快速、有效及交互方便等特点。已用于中、小城市的指纹卡管理，公安、票证稽查等方面的业务。,
