基于FCM的彩色車牌圖像快速分割方法

2011-03-06 09:17:00蔣欣欣錢盛友

通信技術 2011年3期

蔣欣欣，錢盛友

(湖南師范大學物理與信息科學學院，湖南長沙 410081)

0 引言

交通智能化的迅速發展，為交通部門快速、高效對車輛進行管理提供了便利。另外，準確有效地提取車牌信息也能為公安執法等部門提供服務。FCM[1]算法有效利用樣本的顏色信息和空間信息，能夠較好地解決模糊和不確定性問題，達到很好的分割效果，但FCM算法聚類速度依賴于樣本數目的多少[2-6]。目前，中國的車牌主要可分為四類：藍底白字、黑底白字、黃底黑字、白底紅(黑)字。這里根據彩色車牌的顏色特征提出基于HSI空間的FCM快速分割算法，并將此算法應用于彩色車牌的背景和字符區域分割。

1 基本理論與算法

1.1 顏色空間選取

HSI 顏色空間[7]通過 H(色度)、S(飽和度)、I(亮度)描述顏色。車牌中可能存在藍、紅、黃、白、黑5種顏色區域，字符區域的顏色可能為白色、黑色、紅色中的一種或者多種，車牌背景區域的顏色可能為藍、黃、白中的一種。為了分割不同彩色車牌的背景和字符區域，這里使用H（色度）分量特征鑒別藍色、紅色、黃色區域，I（亮度）分量的特征鑒別白色和黑色區域。另外，HSI空間相比其他顏色空間更符合人眼特性，因此選擇HSI顏色空間作為彩色車牌字符分割的顏色空間模型。

1.2 有效樣本及有效權系數

在交通智能系統中，能對采集到的車牌圖像進行快速處理和分析是其必備條件之一。為減少聚類數目，提出將具有相同值(H,I)的像素點歸為一個有效樣本點，并將有效樣本點的出現頻率作為權值。獲取有效值和有效權系數過程如下：

①初始化大小為(361，361)的矩陣 matrix(hue，light)，初始化大小矩陣validdata(361×361，2)用來存儲有效值，初始化大小為(1，361×361)的數組hweight用來存儲有效值權系數；

②掃描輸入彩色圖像像素點N×M個，統計(H,I)的分布，將I的值乘以360后取整，量化至范圍[0,360]；

③統計不同特征值(Hx, Ix)在圖像中出現的次數，將其出現的次數放入matrix的(Hx, Ix)位置；

④選取矩陣matrix中出現次數大于0的點，將其對應的特征值作為有效樣本點放入矩陣validdata中，并將其出現的頻率q作為有效權系數存放進數組hweight中。

通過上述步驟，可獲得有效樣本xk(xkH,xkI)和有效權系數qk，且 k=1,2,…,n。

1.3 距離計算公式

在HSI空間模型中，H分量沿著圓周分布，其取值范圍為0°～360°，且I的范圍量化到[0,360],利用二維歐式距離公式，樣本點xk(xkH,xkI)到聚類中心pi(piH,piI)的距離為：

其中xkH，piH分別為樣本點和聚類中心的H分量，xkI，piI分別為樣本點和聚類中心的I分量。但是當樣本點的H分量與聚類中心的H分量的關系滿足： piH?xkH＞ π 時，式（1）中(piH?xkH)2部分不適用于計算樣本點到聚類中心的距離。因此根據H分量圓周分布的特點，對距離公式進行修正。假設樣本點和聚類中心對應的xkH，piH分別為a1，a2。

1.4 算法流程

基于 HSI和 FCM 算法的彩色車牌圖像分割主要過程如下：

①顏色空間轉換：將原始彩色車牌圖像從RGB空間轉換到HSI空間；

②預處理：通過仿真分析，選取約束條件 S ＞ 0.08，且0.05＜I＜0.95 消除噪聲影響；

③統計有效樣本點：將具有相同值(H,I)歸為一個有效樣本點，獲取其對應的有效權系數；

⑤聚類：對樣本xk(xkH,xkI)的2維分量進行加權聚類。由于車牌背景與字符包含2種顏色區域，因此隨機選取2個初始聚類中心。迭代過程中隸屬度矩陣Uik、目標函數Jm和聚類中心pi的計算公式如下[8]：

該實驗設置最大迭代次數b= 100，m= 2，迭代停止閾值a= 0.000 01。如果Jm收斂，算法結束，輸出隸屬度函數矩陣Uik和聚類中心pi，表示某樣本點的顏色屬于參考聚類中心的顏色范圍；若不收斂，則繼續返回迭代；

⑥根據隸屬度最大原則將樣本映射到灰度空間，獲得聚類后的分割結果。

2 仿真結果及分析

實驗結果如圖所示，圖1(a)、圖 2(a)、圖 3(a)為原圖，圖1(b)、圖2(b)、圖2(c)為這里改進FCM算法的分割結果，圖1(c)、圖2(c)、圖3(c)為標準FCM算法的分割結果。表1列出了3幅車牌的彩色信息及兩種算法聚類樣本數。通過表1可看出，改進后的FCM算法的聚類樣本數相對于標準FCM有了明顯的減少。表2對兩種算法的平均迭代時間進行了比較。由于初始化聚類中心選取是隨機的，每次實驗收斂的速度不同，因此該實驗采用分別對每幅圖像隨機做6次實驗，采用6次實驗迭代時間的平均值。實驗結果表明，在未改變模糊聚類分割效果的前提下這里提出的算法收斂速度相對標準FCM算法有顯著的提高。