機號定位算法設計的應用研究

張邯陽

摘要 一般情況下基于色彩特征的號牌識別對號牌范圍內的色彩和非號牌范圍內的色彩顏色差很大的情況下，識別準確度才會比較高。而基于紋理特征的定位算法，對圖像的質量有很高的要求，對硬件攝像頭的成本會大幅提升。本文引入模板匹配算法，并且闡述本算法在處理飛機這種無底色號牌時的實現過程。同時從投影分割、模板匹配分割到類分析法分割，根據不同算法的優缺點，作者在實現此次的算法設計上做了取舍。根據飛機機號號牌的特點，本文采用閥值分割法和多模板匹配算法來實現本次設計的字符識別過程，下面將詳細介紹此次算法的設計。

關鍵詞 定位算法；模板匹配；投影分割；字符識別

中圖分類號V1

文獻標識碼A

文章編號1674-6708（2016）157-0061-02

作者在深入分析前人的研究理論的基礎上，選擇了一種符合本次研究實際情況的模板匹配號牌的機號定位算法，該算法首先通過對移動區域目標內的機號號牌進行區域內模板對比，進行對比后，選定區域內模板對比率最高的坐標范圍，定位機號號牌。然后，采用Otsu的方式實現圖像的二值化，使用數學形態學獲取機號號牌區域。經過實驗驗證，選擇該算法是有效的，能過很好的定位出機號號牌的位置。

1 定位算法的應用背景和要求

本文所設計的架次自動統計系統主要針對于統計經過起飛塔臺的訓練飛機的次數，通過模式識別相關技術的研究與運用，識別經過的不同飛機，并進行架次的統計。要想準確定位到飛機機號的位置，所拍攝到的飛機機身圖像中必須能體現出機號號牌的各個特征，這樣在對機號進行定位時，才能準確迅速。圖像采集系統的成像質量、天氣的影響、機號區域的分辨率、光照的強弱、機號圖像中背景的復雜與干擾和晚間機號的反光情況等，以上這樣的情況需要在自動統計系統設計時有所準備。根據現有行業標準中有關圖像分辨率和清晰度的要求，所記錄的視頻圖像分辨率不得低于1024×768像素點，飛機的特征圖片不得低于800×600像素點。提供機號識別的特征圖像，圖像的機號區域不得小于80×40個像素點，視頻畫面上應該以人眼能看清飛機機型、機號位置和機號字符為最低標準。本文中的飛機視頻數據源的獲取，是由高清攝像頭采集獲得，其圖像的分辨率為1920×1080個像素點。因此，本文所采集得圖片數據源是滿足此次論文的設計要求的。

2 模板匹配號牌定位算法

在此次進行模板匹配定位過程時，輸入視頻影像與模板可以是各類數據源。通常情況下，要是錄入的畫面是S，且和模板圖像T的寬和高相同的話，就可以直接利用相似度公式對兩個圖像采取相似度運算。要是錄入的圖像的尺寸比模板圖像大，就要在S對比T的過程中，利用滑動窗口匹配。利用滑動窗口讓影像與模板對比，得到二者的比對值。對錄入的畫面全部依次比對完，就會獲得不止一個的結果。現在，可以使用兩個辦法得到比對結果。一種是提取所有匹配結果里面相似程度最好的那個圖像。還有一個方式，確定合適的閾值區間，相似程度屬于這個區間以內的圖像就是可以提取出來進行下一步會用的圖。

模板匹配的實現方法和直方圖的逆向運算模式差不多，大概的過程如下。

利用已經錄入的影像水平移模板對時時的影像進行抓圖，并且與錄入的視頻源開始對比。首先需要捕獲一副300×200的視頻源畫面，然后用30×20的模板進行逐行遞增匹配。

1）以坐標軸為參考基礎，先從得到的畫面中心點（0，0）出發，以第四象限里的（30，20）范圍為基礎圖像，所以所有的對比都是將中心點的模板所使用的像素生成一個數值，也就是初次對比要使用模板的temp （width，height）/2為圖像樣式的原點，分別逐一對劃分出來的四個象限畫面開始比對，比對值記做c，存儲在模板中心象限庫里，因此最后被保留下來的圖片大小就是：

Size=（images->： width-patch_size. x+l，images>： height-patch_size. y+l》.

2）讓模板圖片和截取的圖片開始比較，比較后的值是c。

3）對比后得到的值c，便是基礎圖片（30，-20）位置的匹配值。

4）分割錄入圖片，在（300，-200）范圍中短暫抓圖，比較后保存為識別圖。

5）重復一至四步一直等到模板移動到輸入圖片的橫縱坐標盡頭。3模板匹配算法集合

1）平方差匹配method=CV_TMsQDIFF，此計算方法使用的是平方差的幾何關系原理，求出的值便是匹配度。數值更大匹，兩者的匹配性就更好。

2）標準平方差匹配method=CV_TMsoDIFF NORMED

3）等同匹配method=CV TM CCORR，這個算法是利用了圖像和模板之間的相乘運算，如果得到的最終數字較大，那么匹配的程度就很好高，反之。

4）標準相關匹配method=CV_ TM CCORR NORMED

5）相關匹配method=CV_ TM CCOEFF，此匹配方式是用獲取圖片和模板進行均值對比，數值1判定為全部相同，數值1判定為基本不相同，數值0判定為完全不相同。

在這里

6）標準相關匹配method=CV TM CCOEFF NORMED

一般情況下，由簡單測算變化為復雜平方差測算，在此過程中能獲取到更加精準的匹配.但是也預示著需要更加巨大的計算量。最好的解決方式就是將獲得的所有預設值盡可能多的進行實驗和測試，從而根據實際情況挑選出既兼顧速度和準確度的最好算法。

4 結論

使用本次研究的算法實現定位的機號號牌圖像，系統會自動繪制幾何方框，如圖1所示。該算法克服了本文已有算法只能定位出藍底白字的號牌，對同區域多機號同時出現的情況無能為力等缺點，在圖像中存在多號牌的情況下，快速準確的定位了預處理的機號號牌位置。圖1機號號牌定位結果