張譯方

摘 要：社會的發(fā)展以及城市化進程的加快很大程度上促進了交通事業(yè)的發(fā)展，世界各個國家擁有的車輛數(shù)量大幅度上升，道路交通擁堵現(xiàn)象受到人們的廣泛關(guān)注。因此，推進交通管理的現(xiàn)代化進程，要用現(xiàn)代化的技術(shù)手段對交通系統(tǒng)進行管理，構(gòu)建全方位、動態(tài)、高校的地面運輸系統(tǒng)非常關(guān)鍵。智能交通系統(tǒng)（ITS）能夠很好地改善交通混亂的情況，提高運輸效率的同時促進安全性的提高。在智能交通系統(tǒng)中，車輛流量檢測系統(tǒng)占有非常重要的地位。結(jié)合圖像處理與圖像識別新技術(shù)，能夠進一步優(yōu)化當前的處理效率，提高交通管理質(zhì)量。本文主要對圖像處理與圖像識別技術(shù)在智能交通中的應(yīng)用進行研究。

關(guān)鍵詞：圖像處理技術(shù)；圖像識別技術(shù)；智能交通系統(tǒng)（ITS）；應(yīng)用

智能交通系統(tǒng)（ITS）是隨著社會發(fā)展以及交通擁堵問題日間嚴重應(yīng)運而生的新的交通管理系統(tǒng)，針對我國當前交通擁堵的問題，修建更多的道路或者加寬道路遠遠無法達到目的，主要原因在于修建新道路等需要投入巨資，且受到城市空間的限制。智能交通系統(tǒng)是以各種信息技術(shù)為代表的高新技術(shù)在道路運輸過程中的集成體現(xiàn)，是最為先進的數(shù)據(jù)傳輸技術(shù)、計算機息息技術(shù)、處理以及和控制技術(shù)結(jié)合的管理系統(tǒng)，能夠很好的優(yōu)化人、車、環(huán)境與道路之間的關(guān)系，受到了各界的廣泛關(guān)注。

一、智能交通存在問題概述

（一）車身顏色識別

盡管智能交通系統(tǒng)中相關(guān)問題在實驗室中取得了較為滿意的效果，尤其是車身之別中獲得較好的成效。但是這些結(jié)果都是基于實驗室的理想環(huán)境而得到的。真正的智能交通管理系統(tǒng)面對的是自然環(huán)境，車身的識別會受到天氣、光線、灰塵、噪聲等多種因素的影響，識別率較低。視頻當中運動過程中汽車顏色識別是交通管理系統(tǒng)中較為重視的研究方向。由于室外場景的顏色非恒定性，車身表面對光線反射方向不一樣、紋理不同以及不一樣攝像頭對于顏色的響應(yīng)也存在差異，導(dǎo)致目標顏色的提取工作較為困難。影響顏色分類的因素有三種，分別是顏色的非恒定性、運動目標不完成分割以及目標本身顏色的復(fù)雜性。而能夠確保顏色在不同條件下保持恒定是車身顏色之別中面對的重點問題。為了提高顏色的恒定性，前人通過對攝像頭進行校準，例如調(diào)整白平衡、顏色飽和度等提高精度，但是仍然難以解決實際中存在的眾多問題，探討合理的處理基礎(chǔ)提高車輛顏色識別算法精度是首要解決的問題。

（二）車身形狀識別

智能交通系統(tǒng)中車輛檢測算法發(fā)展到今天已有近半個世紀，但是仍然存在較多的因素影響到其對于車身識別的準確性。首先是車輛本身在尺度、方向以及位置上存在的變化，例如行駛過程中的車輛均具有不一樣的速度，進而其形狀、大小也會產(chǎn)生角度的變化；第二，車輛的外觀主要取決于當前所處的角度，并且受到對照鄰近物體的影響。車輛與車輛之間的遮擋、光照條件變化均會對外觀產(chǎn)生影響。因此車輛檢測算法中車身識別率的要求還存在較大的差距，只有通過引進先進的圖像處理技術(shù)獲得更多的車身信息才有可能提高識別的準確度。

二、圖像處理與圖像識別新技術(shù)在智能交通中的運用與實踐

車輛車牌識別定位技術(shù)與字符識別技術(shù)是智能交通領(lǐng)域研究的熱點之一，車輛車牌識別技術(shù)作為交通管理中最為重要的環(huán)節(jié)之一，其主要任務(wù)是對汽車監(jiān)控圖像進行分析和處理，自動化對汽車車牌號進行識別與管理。可廣泛在高速公路電子收費站、失竊車輛查詢、公路流量監(jiān)控等重要場合中應(yīng)用。整體上而言，智能交通系統(tǒng)中涉及到的問題非常多，包括車身顏色的識別、車標的識別、車輛大小與外形識別、車牌的識別等。其中車牌自動識別是非常重要的研究方向之一，主要由車牌的定位、分割以及字符識別等部分構(gòu)成。以下對圖像處理與圖像識別新技術(shù)應(yīng)用與車牌特征提取和車牌分割中的實踐進行探討。

（一）車牌特征提取

1、車牌像素特征提取

車牌像素特征提取是最為簡單的解決方式，進行圖像掃描的過程中遇到黑色像素取值1、白色像素取值0，能夠得到維數(shù)與圖像中像素點個數(shù)相同的向量矩陣。但是該方法的適應(yīng)性較弱，還需要采取一系列增強適應(yīng)性的措施。

2、骨架特征提取

圖像線條粗細的差異會使之存在很大的差別，通過對線條統(tǒng)一寬度之后則差異變小，通過車牌的骨架作為特征進行識別能夠提高適應(yīng)性。通過細化算法提取車牌骨架特征能，夠得到圖像特征向量矩陣，具有較好的適應(yīng)性。

3、車牌圖像特征點提取

車牌圖像特征點提取能夠較好地彌補其他方法適應(yīng)性不強的缺點，通過改進得到的13點特征提取法還能夠減少字符傾斜造成的誤差。首先將字符平均分為8分，對其中黑色像素點的個數(shù)進行統(tǒng)計，作為8個象限的特征。然后對水平方向上中間2列、豎直方向中間2列的黑色像素點進行統(tǒng)計，以所有的黑色像素點作為第13個特征。13點特征法的適應(yīng)性極強，但是由于特征點數(shù)量少，在進行樣本訓(xùn)練的過程中難以收斂。除了上述提車牌特征提取方法之外，圖像處理與識別技術(shù)中還有梯度統(tǒng)計、弧度統(tǒng)計、角點提取等一系列特征向量提取方法。

（二）車牌分割

1、灰度轉(zhuǎn)化

通過車牌圖像定位最終能夠得到256色位圖圖像，但是這一圖像的內(nèi)容較為復(fù)雜，進一步處理使用的算法無法展開，需要繼續(xù)進行灰度轉(zhuǎn)化才能夠進行下一步的應(yīng)用?；叶葓D像所指的是圖像中每一個像素R、G、B值相等，而彩色圖像的每一個像素R、G、B值是不相等的，因此能夠顯示出各種顏色。灰度圖像則不存在這些顏色差異，有的只是亮度的區(qū)別。同樣的灰度值較大的像素點亮為白色，反之就比較暗。

2、車牌圖像二值化

灰度轉(zhuǎn)換處理后圖像中每個像素都只有一個灰度值，其大小決定了亮度和暗度。通過二值化處理的目的在于將圖像中像素分化為兩種顏色。在智能交通系統(tǒng)中通過像素的灰度值處理成為黑白兩色，進一步結(jié)合閾值法能夠得到轉(zhuǎn)化后的車牌圖像。

3、梯度銳化處理

智能交通管理系統(tǒng)中需要處理的圖像絕大多數(shù)由攝像頭拍攝，根據(jù)系統(tǒng)定位得到的。在大多數(shù)情況下車牌字體非常模糊，影響到識別工作的開展。在很多時候需要進行銳化圖像，使模糊的圖像清晰。這一步驟還能夠去除相應(yīng)的噪聲，微分法與高通濾波法是應(yīng)用非常廣泛的圖像銳化處理技術(shù)，例如梯度銳化法就屬于微分法的一種。圖像的邊緣是由灰度級以及相鄰域點的不同像素點形成的，如果要增強邊緣就需要突出相鄰域點之間灰度級別的變化。采用微分運算能夠得到信號的變化率，繼而增強高頻分量。將其應(yīng)用在圖像處理技術(shù)中，就能夠促使其輪廓變得清晰。但是在很多情況下無法實現(xiàn)對輪廓取向進行確定，所以在選擇微分算子的時候盡可能使用不具備方向性、具備旋轉(zhuǎn)不變特性的線性算子。圖像處理技術(shù)中常用的微分法是求得梯度，利用差分運算后圖像最后一行與一列的像素貼圖無法得知，通常就使用前一行、一列的梯度值近似替代。

4、去除離散的噪聲

在對車牌進行定位的過程中已經(jīng)對部分噪聲進行處理，但是該過程中的算法不適合處理字符圖像，在濾波過程中有著較大的可能性將字符像素去除。具體的算法為：先對整個車牌圖像進行掃描，發(fā)現(xiàn)一個黑色點之后觀察與之間接過直接相聯(lián)系的黑色點的數(shù)量，如果超出一定值則提示非離散點，反之就屬于離散點，需要將其去除。

5、調(diào)整車牌傾斜度

即使車牌出現(xiàn)水平方向上的傾斜變化，其字符高度應(yīng)該是相同的。如果車牌字符像素的平均位置存在較大的差異，提示圖像有傾斜，同樣需要進行調(diào)整。首先需要得到圖像左半邊與右半邊像素平均高度，求出斜率之后得到偏轉(zhuǎn)角，根據(jù)這一角度對圖像進行重新組織。通過反算法在旋轉(zhuǎn)后水平字符符號圖像的位置上得到旋轉(zhuǎn)之前對應(yīng)位置坐標，進而得到相應(yīng)的值，通過這一關(guān)系可以編寫出算法對車輛進行水平方向的旋轉(zhuǎn)，達到傾斜矯正的目的。

6、車牌圖像分割

車牌字符分割算法主要有垂直投影法、靜態(tài)邊界法以及連通區(qū)域法。這3種方法能夠確定車牌字符的邊界、分割得到車牌的清晰圖像，但是各存在其優(yōu)缺點。垂直投影法是利用字符塊在垂直方向上投影的特點開展的方法，從左至右檢測車牌坐標垂直投影數(shù)值，認定局部最小值為最左字符的邊界。然后從右到左檢測，得到的最小值為最右字符的邊界。但是“川”“W”“M”等字符出現(xiàn)過度切割的可能性較大，應(yīng)用垂直投影法的過程中應(yīng)當事先確定好最小值和寬度閾值。靜態(tài)邊界法能夠利用車牌的模板特征進行分割，但是由于對車牌定位要求過高，可能造成字符分割不差過大。連通區(qū)域法則是利用字符連通域的特點對車牌字符進行切割，但是實際車牌中存在的噪聲區(qū)域較多，與字符線條連接在一起，難以獲得滿意的效果。

7、字符與位置歸一

對圖像中存在大小差異的字符進行尺寸的統(tǒng)一處理，例如根據(jù)字符符號外框比例進行線性縮小或放大，或者根據(jù)水平與垂直方向符號中像素分布進行尺寸歸一處理。位置歸一化則是將字符號點陣圖形移動到相應(yīng)的位置，消除字符點陣位置偏差。

結(jié)語

總而言之，圖像處理與圖像識別技術(shù)在智能交通系統(tǒng)中的應(yīng)用非常廣泛。本文首先對智能交通系統(tǒng)中存在車身顏色與車身形狀問題進行探討，隨后研究車牌特征提取與車牌分割的相關(guān)內(nèi)容，綜合車配分割方法的優(yōu)缺點，以期能夠優(yōu)化設(shè)計結(jié)構(gòu)，提高對車牌圖像與數(shù)字的識別率。在今后，智能交通系統(tǒng)中，圖像處理和識別技術(shù)在車牌識別應(yīng)用中還應(yīng)當進一步挖掘文字、數(shù)字以及字母的共同識別方式，尤其是當前的識別技術(shù)對于漢字系統(tǒng)主要是印刷制品的識別，具體應(yīng)用在車牌上還不是很成熟，因此還需要加強對漢字識別的研究，進一步提高車牌識別的準確性。

參考文獻：

[1] 吳海燕，潘赟.視覺導(dǎo)航智能汽車路徑識別圖像處理算法研究[J].西南師范大學學報（自然科學版），2014，（3）：108-115.

[2] 王棚飛，劉宏哲，袁家政等.一種基于圖像匹配的地面交通標志實時識別方法[J].計算機科學，2014，41（6）：317-323.

[3] 高揚清，王黎，李金龍等.超聲相控陣PE檢測圖像缺陷定位算法研究[J].信息技術(shù)，2012，（6）：172-175.

[4] 李晉惠，趙建濤.一種圖像處理的汽車類型識別算法[J].西安工業(yè)大學學報，2009，29（3）：275-279.