鐘佩甫，劉二林，翟文強(qiáng)

（蘭州交通大學(xué)機(jī)電工程學(xué)院，蘭州 730070）

0 引言

近年來(lái)，計(jì)算機(jī)視覺(jué)技術(shù)在各行各業(yè)的應(yīng)用越來(lái)越廣泛，能夠產(chǎn)生類似人類視覺(jué)的功能，可以對(duì)物體進(jìn)行快速的定位和識(shí)別，準(zhǔn)確度較高，使用方便，目前廣大國(guó)內(nèi)外學(xué)者在相關(guān)領(lǐng)域進(jìn)行了大量研究。高速列車車號(hào)識(shí)別的流程包括圖像預(yù)處理、車號(hào)定位、字符分割和字符識(shí)別等重要環(huán)節(jié)，而車號(hào)定位是車號(hào)識(shí)別的前提和基礎(chǔ)，定位的準(zhǔn)確性和實(shí)時(shí)性直接決定著后續(xù)的識(shí)別結(jié)果[1]。因此，車號(hào)定位對(duì)于車號(hào)識(shí)別來(lái)說(shuō)尤為重要。傳統(tǒng)的射頻技術(shù)對(duì)機(jī)車、貨車車號(hào)識(shí)別的方法已經(jīng)無(wú)法滿足高速列車車號(hào)的識(shí)別要求，況且目前對(duì)高速列車車號(hào)定位和識(shí)別的研究還比較少。目前應(yīng)用較多的一些定位方法有深度學(xué)習(xí)方法[2]、數(shù)學(xué)形態(tài)學(xué)法[3-4]、BP神經(jīng)網(wǎng)絡(luò)方法[5]、灰度投影法[6]、特征提取法[7]、模板概率密度函數(shù)法[8]、相鄰像素差異值法[9]。這些方法的優(yōu)點(diǎn)和缺點(diǎn)比較明顯，但有些方法存在定位精度低或計(jì)算復(fù)雜性較大等問(wèn)題，應(yīng)用到高速列車車號(hào)定位中具有不確定性。近年來(lái)，圖像處理中數(shù)學(xué)形態(tài)學(xué)的應(yīng)用已經(jīng)成為圖像處理研究的重要領(lǐng)域，將其與投影法相結(jié)合應(yīng)用到高速列車車號(hào)定位研究中有重大意義。因此本文提出了一種基于數(shù)學(xué)形態(tài)學(xué)和投影法的高速列車車號(hào)快速定位方法，利用數(shù)學(xué)形態(tài)學(xué)方法和投影法相結(jié)合準(zhǔn)確定位出車號(hào)位置。該方法具有準(zhǔn)確率高、速度快、魯棒性好的特點(diǎn)。

1 數(shù)學(xué)形態(tài)學(xué)基本方法

數(shù)學(xué)形態(tài)學(xué)以膨脹、腐蝕為基礎(chǔ)，結(jié)合在一起可構(gòu)成為開(kāi)、閉運(yùn)算。形態(tài)學(xué)主要是為了獲得更完美的目標(biāo)區(qū)域，可以去除干擾，平滑邊界，鄰域連通，填補(bǔ)空洞。

1.1 膨脹與腐蝕運(yùn)算

X為目標(biāo)圖像，Y為結(jié)構(gòu)元素。X被Y膨脹寫(xiě)作X⊕Y，⊕為膨脹運(yùn)算符，膨脹運(yùn)算定義為：

X被Y膨脹的過(guò)程可以解釋為：Y的映像位移a，映射平移后X與Y的映像相交不為空集，Y的原點(diǎn)組成的集合，就是膨脹元素的集合。

X被Y腐蝕寫(xiě)作XΘY，腐蝕的運(yùn)算符號(hào)記為Θ，腐蝕運(yùn)算定義為：

用Y對(duì)X進(jìn)行腐蝕的過(guò)程可以解釋為，X位移a，Y依然完全包括在X中Y的原點(diǎn)所組成的集合。

1.2 開(kāi)運(yùn)算與閉運(yùn)算

開(kāi)運(yùn)算就是先對(duì)目標(biāo)圖像進(jìn)行腐蝕操作，之后再進(jìn)行膨脹操作；閉運(yùn)算就是先對(duì)目標(biāo)圖像進(jìn)行膨脹操作，之后再進(jìn)行腐蝕操作。在整個(gè)膨脹和腐蝕運(yùn)算過(guò)程中使用的結(jié)構(gòu)元素可以相同。開(kāi)運(yùn)算符記作“°”，X用Y來(lái)開(kāi)啟為X°Y，公式如下：

開(kāi)運(yùn)算的作用：消除較小噪聲，可以分離相連或相近的物體，在較大物體形狀不明顯被改變的情況下平滑邊界。閉運(yùn)算的記為“·”，X用Y來(lái)閉合為X·Y公式為：

閉運(yùn)算的作用是填充物體內(nèi)部小缺口，連接相鄰輪廓，在物體的形狀和面積不明顯被改變的情況下平滑邊界。

2 車號(hào)定位流程

高速列車車號(hào)定位流程主要包括車號(hào)圖像預(yù)處理、車號(hào)圖像粗定位和車號(hào)圖像精確定位，如圖1所示。

圖1 車號(hào)定位流程圖

3 車號(hào)圖像預(yù)處理

根據(jù)數(shù)字圖像處理原理，采集的高速列車車號(hào)圖像，先對(duì)彩色圖像進(jìn)行壓縮減小運(yùn)算量、再進(jìn)行灰度化處理、圖像去噪、圖像增強(qiáng)等一系列處理，以便縮小和優(yōu)化圖像數(shù)據(jù)，以便后續(xù)能夠準(zhǔn)確獲取車號(hào)位置。

3.1 圖像灰度化

車號(hào)彩色圖像分為3個(gè)分量R、G、B，分別顯示出紅綠藍(lán)等各種顏色，圖像灰度化就是將3個(gè)分量相等的過(guò)程。灰度值越大的像素值比較亮，反之比較暗。對(duì)車號(hào)彩色圖像壓縮后再進(jìn)行灰度化處理，彩色圖像灰度化常用的方法有最大值法、加權(quán)平均值法和平均值法等[10]。

（1）最大值法。求出R、G、B三個(gè)分量的最大值，將此值分別賦值給3個(gè)分量，3個(gè)分量的值都等于最大值，即：

這種方法得到的圖像像素值較大，灰度圖像亮度較高高，圖2（a）所示為最大值法處理后的圖像。

圖2 常用的灰度化方法

（2）加權(quán)平均值法。對(duì)R、G、B三個(gè)分量給一定的權(quán)值加權(quán)平均，即：

R、G、B的權(quán)值分別為wR、wG、wB，一情況下，權(quán)值不同得到的灰度圖像不同。由于人眼對(duì)綠色的最為敏感，紅色次之，對(duì)藍(lán)色的敏感性最低，因此使將得到較易識(shí)別的灰度圖像[11]。一般得到的灰度圖像效果最好的3個(gè)值分別為0.3、0.59、0.11，圖2（b）所示為加權(quán)平均值法處理后的圖像。

（3）平均值法。R、G、B三個(gè)分量值等于其和的平均值。即：

這種方法產(chǎn)生的灰度圖像相對(duì)比較柔和，相當(dāng)于加權(quán)平均值法中一種特殊的取值，3個(gè)權(quán)值都為0.333，圖2（c）所示為平均值法處理后的圖像。

由上述分析和處理的圖像可知，采取加權(quán)平均值法可得到比較理想的結(jié)果。

3.2 圖像增強(qiáng)

對(duì)車號(hào)定位系統(tǒng)來(lái)說(shuō)，采集的車號(hào)圖像在受到光照、天氣、傳輸?shù)惹闆r的影響下，存在車號(hào)圖像的質(zhì)量不高，所以需要圖像增強(qiáng)技術(shù)提高圖像質(zhì)量。圖像增強(qiáng)主要解決由于車號(hào)圖像的灰度級(jí)范圍較小造成的對(duì)比度較低的問(wèn)題，目的就是將輸出圖像的灰度級(jí)放大到一定的程度，使得圖像中的細(xì)節(jié)看起來(lái)更加分明。圖像對(duì)比度增強(qiáng)有幾種常用的方法，如線性變換、分段線性變換、直方圖正規(guī)化、局部自適應(yīng)直方圖均衡化等。在圖像中，如果大部分像素點(diǎn)的像素值都集中在高灰度值和低灰度值的區(qū)間范圍內(nèi)，則可以通過(guò)對(duì)比度拉伸來(lái)擴(kuò)大灰度范圍的區(qū)間，從而提高圖像對(duì)比度。以上常規(guī)算法效果不是很好，本文應(yīng)用了一種自適應(yīng)的對(duì)比度增強(qiáng)算法，可以對(duì)不同狀況下的車號(hào)圖像處理達(dá)到自適應(yīng)增強(qiáng)的目的，有利于后續(xù)車號(hào)定位處理。圖3所示為圖像增強(qiáng)前后的對(duì)比。

圖3 圖像增強(qiáng)前后對(duì)比

3.3 圖像去噪

高速列車車號(hào)圖像在采集和傳輸過(guò)程中容易產(chǎn)生噪聲，常用的圖像濾波算法有中值濾波、高斯濾波和均值濾波等方法。這些方法盡管可以很好地去除噪聲，但是使車號(hào)圖像邊緣和號(hào)字符的邊緣變得模糊。而雙邊濾波具有雙重濾波作用，它在很好地保持輪廓的邊緣特征的同時(shí)能消除噪聲。因此，采用雙邊濾波進(jìn)行去噪處理。圖4所示為采用不同方法去噪的圖像對(duì)比。

4 車號(hào)粗定位

車號(hào)粗定位，是指針對(duì)預(yù)處理之后的車號(hào)灰度圖像，再進(jìn)行二值化、濾波、數(shù)學(xué)形態(tài)學(xué)處理、區(qū)域篩選等操作，以優(yōu)化和簡(jiǎn)化圖像數(shù)據(jù)，縮小車號(hào)所在范圍，獲得車號(hào)最終候選區(qū)域，便于之后準(zhǔn)確定位車號(hào)。

圖4 圖像去噪不同方法對(duì)比

4.1 圖像二值化

在圖像處理中，圖像二值化的主要意圖使圖像中數(shù)據(jù)量大大減少，減小計(jì)算量。圖像二值化的原理為：用特定的方法選取某個(gè)灰度值T作為閾值，像素灰度值小于T的設(shè)成0，即黑色，大于T設(shè)成255，即白色，整個(gè)圖像呈現(xiàn)出黑白兩種效果。假如f(x，y)為輸入圖像，二值化處理后輸出圖像為g( )x，y，二值化基本原理如下：

其中，閾值如何選取是二值化處理的關(guān)鍵。Otsu算法，可以通過(guò)選取某個(gè)閾值，使亮度不同的背景和前景達(dá)到最佳的分離狀態(tài)。Otsu方法又叫最大類間差方法（大律法），通過(guò)統(tǒng)計(jì)整個(gè)圖像的直方圖性來(lái)實(shí)現(xiàn)全局閾值T的自動(dòng)選取。Otsu算法對(duì)車號(hào)圖像進(jìn)行閾值分割，該算法計(jì)算過(guò)程簡(jiǎn)單，是一種常用的閾值分割的穩(wěn)定算法。

4.2 數(shù)學(xué)形態(tài)學(xué)處理

4.2.1 圖像濾波處理

形態(tài)學(xué)濾波是利用形態(tài)學(xué)運(yùn)算的優(yōu)良特性，主要采用形態(tài)學(xué)閉運(yùn)算、開(kāi)運(yùn)算進(jìn)行濾波處理。形態(tài)學(xué)濾波時(shí)，可以選擇不同方向、大小、形狀的結(jié)構(gòu)元素達(dá)到不同的效果。二值化后的圖像還存在多種噪聲點(diǎn)和大量的非車號(hào)區(qū)域，利用噪聲處與結(jié)構(gòu)元素的明顯差異應(yīng)用形態(tài)學(xué)閉運(yùn)算、開(kāi)運(yùn)算保留那些與結(jié)構(gòu)元素相吻合的部分，去除背景或目標(biāo)內(nèi)的噪聲。根據(jù)高速列車車號(hào)字符特征可以看出，每個(gè)字符間距相對(duì)較小，先進(jìn)行膨脹運(yùn)算可以將車號(hào)字符部分連接起來(lái)，再進(jìn)行腐蝕運(yùn)算處理，將連接不起來(lái)的非車號(hào)候選區(qū)域進(jìn)行清除，圖5（a）所示為濾波處理后的車號(hào)圖像。

4.2.2 獲取連通區(qū)域

濾波處理后的車號(hào)圖像，還不具備車號(hào)連通區(qū)域的特點(diǎn)，部分區(qū)域內(nèi)部還有孔洞，以及形狀不規(guī)則、存在小噪聲點(diǎn)，與近似白色矩形區(qū)域的車號(hào)候選區(qū)域有較大的差距。單純膨脹運(yùn)算或腐蝕運(yùn)算會(huì)改變目標(biāo)的大小，而閉、開(kāi)運(yùn)算可以更好地保持目標(biāo)的形狀和大小。利用膨脹、腐蝕、開(kāi)運(yùn)算和閉運(yùn)算的優(yōu)良特性，選取合適的結(jié)構(gòu)元素，獲取更標(biāo)準(zhǔn)的車號(hào)候選區(qū)域，經(jīng)過(guò)一系列形態(tài)學(xué)運(yùn)算處理獲得車號(hào)白色連通區(qū)域即為候選區(qū)域，如圖5（b）所示。

4.2.3 去除非車號(hào)區(qū)域

車號(hào)候選區(qū)域中存在大量白色非車號(hào)區(qū)域，根據(jù)車號(hào)先驗(yàn)知識(shí)將這些不符合車號(hào)區(qū)域面積范圍和長(zhǎng)寬比例的非車號(hào)矩形區(qū)域去掉，減少車號(hào)候選區(qū)域數(shù)目，粗略定位出車號(hào)位置，以減小后續(xù)處理的運(yùn)算量，圖5（c） 所示為去除部分小區(qū)域的車號(hào)候選區(qū)域，圖5（d） 所示為去除所有非車號(hào)區(qū)域得到最終車號(hào)區(qū)域?？梢?jiàn)只剩下反映車號(hào)特征的區(qū)域，減少了背景對(duì)后續(xù)區(qū)域分析的干擾。

圖5 形態(tài)學(xué)處理

找出最終車號(hào)區(qū)域輪廓左上點(diǎn)和右下點(diǎn)或者左下點(diǎn)和右上點(diǎn)，獲得外接矩形對(duì)角線頂點(diǎn)標(biāo)定車號(hào)位置，獲取粗定位車號(hào)圖像，如圖6所示。

圖6 定位車號(hào)

5 基于投影法的車號(hào)精確定位

在以上運(yùn)算的基礎(chǔ)上，結(jié)合投影法和車號(hào)字符先驗(yàn)特征去除無(wú)關(guān)車號(hào)字符，確定車號(hào)左右邊界，從而精確地定位車號(hào)區(qū)域。首先通過(guò)垂直投影從左往右對(duì)粗定位車號(hào)圖像進(jìn)行逐列掃描，將每一列的值相加，得到一維函數(shù)g（xi）。使二維函數(shù)轉(zhuǎn)變?yōu)橐痪S函數(shù)，如下所示：

根據(jù)車號(hào)先驗(yàn)知識(shí)得知，車號(hào)由6個(gè)阿拉伯?dāng)?shù)字組成，其在垂直方向投影的間距基本是恒定的，跟非車號(hào)字符區(qū)域差距比較明顯，車號(hào)字符位于粗定位車號(hào)的左側(cè)、中間或者右側(cè)區(qū)域，通過(guò)垂直投影，利用車號(hào)字符區(qū)域波谷-波峰-波峰密集特點(diǎn)定位車號(hào)字符左邊界或右邊界，最終獲取精確車號(hào)圖像，如圖7所示。

圖7 獲取車號(hào)圖像

6 結(jié)束語(yǔ)

本文對(duì)高速列車車號(hào)定位方法進(jìn)行研究，利用數(shù)學(xué)形態(tài)學(xué)方法和投影法相結(jié)合準(zhǔn)確定位出車號(hào)位置。數(shù)學(xué)形態(tài)學(xué)抗噪聲能力強(qiáng)，但獲得的候選連通區(qū)域中存在大量偽車號(hào)區(qū)域，通過(guò)形態(tài)學(xué)運(yùn)算篩選出車號(hào)區(qū)域，即車號(hào)區(qū)域的粗定位。對(duì)粗定位的車號(hào)區(qū)域的二值圖像進(jìn)行行列掃描，得到垂直投影和水平投影，通過(guò)水平投影分析判斷車號(hào)的上、下邊界是否正確，通過(guò)垂直投影分析確定車號(hào)的左右邊界，從而獲取精確的車號(hào)區(qū)域。