数学热本与变用
基于加权平均值的汽车车牌监控图像过滤技术研究
谢鷗
(国防科学技术大学计算机学院湖南长沙410005)
应用研究
摘要：车牌蓝控图像由于照明、天气、运动日标位置和运动目标速度的不同，图像质量差异很大，从而不利于车牌监控的定位和识别。本文来用最大值法、平均值法和加权平均值法三种方法对车牌监控图像进行过滤，结累表明：采用加权平均值法进行车牌图像额色过滤能够保留绝大部分的汽车车牌信息，使得日标和背景之间边界清晰，是一种较好的车牌图像彩色过滤方法。
关键调：车牌监控图像处理额色过滤最大值法平均值法加权平均值法
文章编号:1007-9416(2013)11-0097-03
中图分类号：TP391
文献标识码：A
Abstract:video survellance images due to different lighting, weather , tanget position and movement speed of the moving object , a large difference in image quality , there are offen low in contrast , gray uneven distribution , noise , etc., to the detriment of video surveillance and positioning identified. In order to eliminate these negative fictors , we use the image color filtering technology , video surveillance images for color filters . This paper describes the principles of necessity and video color filters , and then to monitor the license plate image , fior example, describes the process of video surveillance images , and uses three color filter method maximum method , the mean and weighted mean method its filter results were verified. The results show that using the weighted averag method method method for video image color filter to retain the majority of car license plate information, and background infonmation on umrelated effectively clear flter between the target and the background border conducive license plate recognition is a species better image color flter method.
Key Words:video surveillance image processing color filter maximum method averages law weighted average of the Act
1引言
汽车车牌监控图像的很多样本，都是通过CCD摄像机拍摄面获得的，由于照明，天气，运动目标位置和运动目标速度的不同，导致图像质量差异非常大，车牌监控图像常常出现对比度低、灰度分布不均勾、噪声干扰等等不利因素，从而不利于车牌监控的定位和识别。那么为了消除这些不利的影响因素，需要利用图像彩色过滤技术，对车牌监控图像进行颜色过滤。本文首先闸述了车牌图像颜色过滤的必要性，然后介绍了最大值法，平均值法和加权平均值法等三种车牌监控图像彩色过滤方法，最后对其过滤结果进行了验证。
2车牌图像颜色过滤的必要性
CCD摄像头，数码相机或其他车牌监控设备拍摄的图像存储格式为BMP位图格式的真彩色RGB图像。彩色RGB图像的颜色信息划分为R，G，B的3个分量，每个分量表示一个颜色，R为红色，G为绿色，B为蓝色。由于彩色图像处理前含有大量的颜色信息，这些颜色信息在图像识别过程中属于无关因素，不仅对图像识别帮助不大，反而会造成识别的干扰，同时还会占据大量的存储空间，从而将极大地影响预处理速度，所以首先需要将彩色图像转换为灰度图像。图像颜色过滤是将收集到的车牌监控图像转化为灰度图像。
灰度也属于一种特殊形式的彩色图像。在数字图像灰度处理过程中各种格式图像被简化，节省了存储室间，并提高了处理速度。其特征在于，灰度图像除了不包含颜色信息之外，其他如亮度，饱和度等特性仍然存在，仍然能够反映色度和亮度的图像特征分布，因此彩色图像的灰度化并不影响除了颜色信息之外的其他信息的处理。灰度化后的车牌图像的彩色信息虽然被省略，但其他方面的信息有所放大，使得字符识别过程变得简单，节省了大部分处理时间。灰度化后的车牌图像能够有效排除车牌颜色和周围背录颜色之间的干扰，提高车牌识别精确度。灰度化后的车牌图像能够突出图像的对比度，降低由于色彩失真而带来的干扰，简化车牌识别过程。因此，对车牌监控图像进行颜色过滤，将彩色车牌图像转化为灰度图像是必要的。 3基于加权平均值的汽车车牌图像过滤技术
经过多年的积累，目前车牌图像过滤技术是比较成熟的。车牌
图像过滤技术主要包括图像灰度化处理技术和图像灰度拉伸技术。图像灰度化处理技术的原理是对彩色图像RGB三个分量进行数学赋值，在RGB模式中，如果三基色的值相等，即R=G=B，颜色信息将不再存在，表示为灰色，其中R=G=B值被称为灰色的颜色值。由彩色图像转换成灰色图像处理过程被称为灰度。灰度简化了存储图像的数据矩阵，矩阵中的每个元素是一个灰度值，与以像素为单位表示的位置相对应，在0一255的范围内，总共只有256种灰度级的像素的R，G，B。根据赋值的方法不同，图像的灰度化处理可以用最大值法、平均值法和加权平均值法三种方法来实现
(1)最大值法：将R,G,B三值中最大的一个赋予像素灰度值，即 R = G = B = max(R,G,B)
(2)平均值法：将R,G、B三值的平均值赋予像素灰度值，即 R=G=B=R+G+B
(3)加权平均值法：根据实际需要设定加权系数，将加权之后的像素值账子像素灰度值，使R、G，B等于它们的值的加权和平均，即
R=G=B:
W,R+W,G+W,B
在上式中，W。、W。、W,就是R.G、B的加权系数。根据颜色知觉
图1灰度拉伸范围