[发明专利]一种基于线阵CCD图像识别车号的方法及装置

说明书

技术领域

本发明创造涉及图像处理领域，特别是一种基于线阵CCD图像识别车号的方法及装置

背景技术

在铁路运输组织中,读取、核对机车车号是一件费时费力的工作,人工读取记录的做法又常常会出现人为的不必要的错误。随着高速列车在我国的不断发展，一些站点车辆进出频繁，统计车辆的各种动作，并根据其安排组织成为一项繁乱复杂的工作。作为铁路信息化中的重要一环——车号自动识别便显得尤为重要.数字图像处理则因其处理精度高、处理内容丰富、可进行复杂的非线性运算及良好的变通能力。已经成为车号自动识别的首选。但如何将图像字号准确稳定的识别为相应的字符供计算机处理仍然是一个难题。线阵CCD结构简单，成本较低。可以同时储存一行电视信号.由于其单排感光单元的数目可以做得很多，在同等测量精度的前提下，其测量范围可以做的较大，并且由于线阵CCD实时传输光电变换信号和自扫描速度快、频率响应高，能够实现动态测量，并能在低照度下工作，所以线阵CCD广泛地应用在产品尺寸测量和分类、非接触尺寸测量、条形码等许多领域。

发明内容

本发明创造要解决的问题是如何快速准确的通过图像捕捉获取车号的相应数字信息供系统使用。

为解决上述技术问题，本发明创造采用的技术方案是：一种基于线阵CCD图像识别车号的方法，所述的方法包括如下步骤：

获取车号的实时图像；

从实时图像的截图中获取车号的大概位置；

确定准确的车号位置；

将图片中的车号分割为单个字符；

对分割后的单个字符进行特征提取；

将提取的特征与字符库里的特征进行比对，获取结果。

进一步，所述的从截图中获取车号的大概位置包括如下步骤：

将车号的实时图像中位于车号位置高度的图像进行截取；

对截取的图像进行高斯滤波；

对高斯滤波处理后的图像进行Sobel算子操作；

查找处理后的图像中亮度最高的区域的中心点；

根据车号的区域最大宽度和最大高度设定矩形；

将设定的矩形中心点与亮度最高区域中心点重合，以矩形区域为车号的大概位置。

进一步，所述的确定准确的车号位置包括如下步骤：

对获取大概位置后的截图进行基于Canny算子操作，获得边缘检测图像；

设置字符间隔距离及字符高度两项预设阀值（DX，DY）；

对边缘检测图像进行Y方向直方图分析，查找符合字符间隔预设阈值的横坐标–X’；

对边缘检测图像进行X方向直方图分析，查找符合字符高度预设阈值的纵坐标–Y’；

确定准确的车号位置。

进一步，所述的将图片中的车号分割为单个字符包括如下步骤：

将确定准确位置后的图像进行二值化处理；

设置合适的字符间隙预设阈值；

对二值化处理后的图像进行Y方向的直方图分析，查找符合字符间隙预设阈值的坐标；

按照符合字符间隙坐标划分字符。

进一步，所述的对分割后的单个字符进行特征提取包括如下步骤：

对分割后的字符进行角点检测；

提取每个分割后的字符的特征向量。

进一步，所述的将提取的特征与字符库里的特征进行比对，获取结果包括如下步骤：

将提取的字符特征与字符库中字符特征进行距离计算；

选取特征向量距离最小的字符为匹配结果。

进一步，所述的特征字符库建立包括如下步骤：

将包含有车号的图像样本分割为单个字符；

将单个字符图片进行高斯滤波；

将进行过高斯滤波的图像进行二值化处理；

对上述处理后的图像进行插值变换，使图像的宽高和模板图像宽高标准一致

通过角点检测算子提取字符的特征向量；

重复对多个包含车号的图像样本进行上述操作，生成字符特征库。

进一步，所述的字符的特征向量包括轮廓角点位置，角点距离，角点角度。

进一步，所述的高斯滤波为二维高斯滤波

进一步，所述的Sobel算子为

进一步，所述的对分割后的字符进行角点检测采用harris算法，Harris算子：

I_x为图像在X方向差分结果，I_y为图像在Y方向差分结果

角点量计算：