基于機器視覺的列車車號圖像增強和矯正技術研究

沈健

摘 要：近年來，隨著人工智能領域研究的不斷深入，以高清攝像頭為采集單元并由計算機作圖像識別的機器視覺應用領域也在快速發展。OCR光學字符識別技術作為機器視覺的一個主要應用領域也得到廣泛應用。本文所研究的列車車號圖像增強和矯正技術，主要考慮因列車高速行駛和環境光照度低的情況下無法獲得清晰穩定的列車車號圖像時，對采集到的欠清晰列車車號原始圖像進行圖像增強和位置矯正的方法。

關鍵詞：機器視覺 HALCON 軌道車輛 列車車號 圖像增強 圖像矯正

中圖分類號：TP391 文獻標識碼：A 文章編號：1674-098X（2019）04（a）-0163-02

目前，機器視覺的應用領域日益廣泛。主要的開發平臺有HALCON、OpenCV、VisionPro、MATLAB等。其中HALCON是德國MVtec公司開發的一套完善的機器視覺開發平臺，擁有應用廣泛的機器視覺集成開發環境，在業界有著廣泛的影響力。本研究以HALCON為開發平臺，對采集到的列車車號圖像進行圖像增強和位置矯正。

1 列車車號識別系統概述

列車車號識別子系統主要包括圖像采集單元、圖像處理程序、OCR識別輸出程序。其中采集單元為高清工業攝像頭。攝像頭在來車傳感器的觸發下自動拍攝列車車號，并將拍攝到的列車車號圖像傳送至主處理機。主處理機對列車車號圖像進行增強處理并進行OCR識別。

2 列車車號圖像處理

2.1 列車車號圖像采集

城市軌道車輛運行時對列車車號的圖像采集環境不同于普通汽車車牌的圖像采集環境。主要有以下幾個方面的原因：

（1）列車車號的圖像采集為運動狀態采集，采集過程中列車高速行使。（2）列車的車號部位不涂刷反光涂料。（3）列車車號的圖像采集時環境光照度低。（4）列車車號的圖像采集過程中不適宜使用閃光燈進行補光。

基于以上條件的制約限制，我們采集到的列車車號圖像中的有效字符與圖像背景區的灰度值區分不明顯，并且列車車號有一定角度的傾斜，這樣低對比度和傾斜的列車車號原始圖像無法準確進行字符分割和OCR識別，必須對其進行圖像增強和位置矯正。采集到的列車車號原始圖像如圖1所示。

2.2 列車車號圖像預處理

從圖1中看到列車車號的原始圖像對比度偏低而且有不銹鋼車身的強反光干擾。因此必須首先對列車車號的原始圖像進行預處理，以增強列車車號圖像中字母和數字部分的對比度。主要的預處理思路為：

（1）將RGB三通道圖像轉換成灰度圖像。（2）反轉圖像的灰度值。（3）縮放圖像的灰度值。主要程序如下：

rgb1_to_gray （Image， GrayImage）

invert_image （GrayImage， ImageInvert）

scale_image （ImageInvert， ImageScaled， Mult， Add）

參數，

其中：GMin為圖像的最大灰度值，GMax為圖像的最小灰度值。

車號圖像預處理后的結果如圖2所示。可以看出預處理后的列車車號圖像清晰度明顯增強。

2.3 列車車號圖像仿射變換

從圖1和圖2中可以看到無論是原始列車車號圖像還是預處理增強后的列車車號圖像，其字母和數字都是有些傾斜變形的。這種字體變形是由于采集環境不佳所導致的。如果對此種傾斜變形不進行處理，將會影響列車車號識別結果的準確率。所以必須對此種傾斜變形進行仿射變換以矯正變形。主要的思路為：

（1）生成關注域。（2）對文本定位獲得傾斜角度。（3）進行仿射變換矯正傾斜變形。

仿射變換后的列車車號圖像如圖3所示。從圖中可以明顯看出列車車號的文本部分整體上已經擺正不再傾斜了。主要程序如下：

gen_rectangle1 （ROI_0， 149.14， 146.163， 240.844， 563.411）

text_line_orientation （ROI_0， ImageScaled， 50， -0.523599， 0.523599， OrientationAngle）

hom_mat2d_identity （HomMat2DIdentity）

hom_mat2d_rotate （HomMat2DIdentity， -OrientationAngle， 200， 360， HomMat2DRotate）

affine_trans_image （ImageScaled， Rotated， HomMat2DRotate， 'constant'， 'false'）

3 結語

經過多次現場測試，由該方法增強和矯正后的列車車號圖像更易于后期的字符分割處理和OCR字符識別。能夠提高列車車號識別的準確率。并已將該列車車號圖像增強和矯正程序嵌入到由C#開發的列車車號識別應用程序當中。

參考文獻

[1] NAITO T， TSUKADA T. Moving-vehicle license plate recognition method robust to changes in lighting conditions[J]. System and Computer in Japan，2000，31（11）：82.

[2] KAGESAWA M， UENO S. Vehicle recongnition system in infrared images using IMAP parallel vision board[J]. Electronics and Communications in Japan，2003 ，86（5）：1.

[3] 嚴麗.車牌識別系統的關鍵技術研究[D].南京：南京理工大學，2012.

[4] 李錦瓏，張維昭，馬宏鋒，等，基于HALCON的車牌識別技術研究[J].西北師范大學學報，2015，51（6）：54.