[发明专利]一种飞机尾号识别方法

摘要

本发明公开了一种飞机尾号识别方法，首先基于Otsu动态阈值二值化对飞机尾号图像进行预处理，将飞机尾号图像与背景分离，再采用连通域法对飞机尾号图像进行字符分割，得到飞机尾号的单个字符并获取射影变换标记点，以此作为标准对飞机尾号图像进行逆射影变换；在飞机尾号字符识别中研究了最优参数支持向量机分类器；对飞机尾号字符采用重心法提取字符特征，支持向量机采用RBF核函数，利用二次网格搜索方法得到最优参数，采用“一对一”多类分类方法，获取基于最优参数支持向量机的飞机尾号。本发明具有较高的识别正确率，能够适用于光照环境多样性的机场场面环境。

主权项

1.一种飞机尾号识别方法，其特征在于：该方法包括如下具体步骤：步骤一、原始图片的图像捕获，从不同的视角拍摄多幅图像，并从多幅图像中找出含有飞机尾号的图像；步骤二、飞机尾号定位预处理，先根据飞机尾号的区域特征来判断牌照，从包含整个机场场面监控的图像中找到尾号区域的位置；步骤三、基于DCT域和边缘检测的飞机尾号定位技术，由于飞机尾号部分存在大量的边缘信息，提出了基于DCT域和边缘特征的飞机尾号定位技术；步骤四、采用Otsu动态阈值二值化的飞机尾号分割图像预处理，对已经定位的飞机尾号区域实施基于Otsu动态阈值二值化的飞机尾号分割图像预处理，获得更清晰的飞机尾号的目标区域；所述的采用Otsu动态阈值二值化的飞机尾号分割图像预处理具体方法为：采用Otsu动态二值化算法的具体步骤如下：设图像中的灰度级范围为0-L-1，灰度级为i的像素点数为n_i，则图像的全部像素数为：N＝n₀+n₁+...+n_L-1    （2）归一化直方图得到：pi=niN,Σi=1L-1pi=1---(3)]]>阈值t将灰度划分为两类：C1={1,2,...,t},C2{t+1,t+2,...,L-1}---(4)]]>由图像的灰度直方图可得C₁和C₂类的出现概率为：w1=Σi=1tpi,w2=Σi=t+1L-1pi---(5)]]>则C₁和C₂类各自的均值分别为：M1=Σi=1ti·pi/w1,M2=Σi=t+1L-1i·pi/w2---(6)]]>C₁和C₂类各自的方差分别为：σ12=Σi=1t(i-M1)2·pi/w1,σ22=Σi=t+1L-1(i-M2)2·pi/w2---(7)]]>定义C₁和C₂类的类间方差为：σA2=w1σ12+w2σ22---(8)]]>C₁和C₂类的类内方差为：σB2=w1w2(M1-M2)2---(9)]]>则Otsu动态二值化算法的准则函数为：η=σB2/σA2---(10)]]>从最小灰度值到最大灰度值遍历t，当t使得η取得最大值时的T即为Otsu最佳分割阈值，Otsu动态阈值二值化算法实现较为简单，只要找到遍历所有t的范围，找到一个合适的阈值T即可，该方法对飞机尾号目标和背景分离、图像二值化效果较好；步骤五、连通区域飞机尾号分割，然后采用连通区域分割法将飞机尾号区域分割成单个字符区域；所述的采用连通区域分割法将飞机尾号区域分割成单个字符区域的具体的字符切分方法步骤如下：步骤A1、扫描图像，找到一个当前不属于任何区域的像素，也即要找出一个新的进行区域增长的起点；步骤A2、把这个像素的灰度与其周围的4邻域不属于任何一个区域的像素灰度相比较，如果满足判断准则，就把它作为同一个区域加以合并；步骤A3、对于那些新合并的像素，反复进行步骤A2的操作；步骤A4、反复进行步骤A2、步骤A3的操作，直至区域不能再扩张为止；步骤A5、返回到步骤A1，寻求能成为新区域出发点的像素；其中，进行区域增长的图像是己经进行了阈值分割的二值化图像，对阈值分割后的二值化图像的连通域分割算法：步骤B1、从左上角开始，扫描二值图像，找到第一个黑色像素，以此像素作为第一个区域进行连通区域的起点，并将其加上标记后，把坐标位置压入队列std::queue regionStack中保存，记录当前区域大小的记数值nRegionSize++；步骤B2、取出队列中的像素，对该像素进行4邻域搜索，找到其他未被标记的黑色像素，加上标记后放入队列尾部，合并到当前连通区域中，记录当前区域大小的记数值nRegionSize++；步骤B3、对于队列中那些新合并的像素，反复进行B2的操作；步骤B4、反复进行步骤B2、步骤B3的操作，直至区域不能再扩张，堆栈为空为止；以上操作即得到飞机尾号图像中的一个连通域，重复以上步骤，得到飞机尾号图像中的所有连通区域；步骤六、飞机尾号识别，提出基于最优参数支持向量机的飞机尾号识别算法实现飞机尾号识别；具体步骤如下：步骤C1、逆仿射变换的飞机尾号识别预处理；步骤C2、基于支持向量机的飞机尾号字符特征提取；步骤C3、多分类器识别；步骤七、识别结果后处理。