بخشی از مقاله
چکیده:
سیستم تشخیص پلاک خودرو این امکان را فراهم میسازد تا شماره پلاک موجود در تصاویر متحرک یا عکس به صورت خودکار استخراج گردد. در سامانهی تشخیص پلاک پس از انجام پردازشهایی بر روی تصویر، مهمترین مرحله که تشخیص محل پلاک - LPL - میباشد، انجام شده و پس از آن عمل جداسازی کاراکترها و در نهایت تشخیص کاراکترهای پلاک - LPR - که متشکل از حروف و اعداد است انجام میگیرد. عنوان اصلی این مقاله تشخیص پلاک خودرو است. بنابراین فرض میشود که تصاویر اخذ شده، در برگیرنده تصویر خودرو میباشد.
هر سه گام مذکور بعلاوه مشکلات پیش رو از جمله نویز تصویر در این اینجا مورد بررسی قرار گرفته. و تلاش شده نویز تصویر حاوی پلاک حذف یا کاهش یافته، سپس محل پلاک، اعداد و حروف شناسایی گردد. الگوریتم بکار رفته در این مقاله بگونهای است که پلاکهای بارنگهای مختلف و حتی چند پلاک در یک تصویر را استخراج مینماید و توسط الگوریتمی که جهت کاهش نویز طراحی شده، حتی پلاک در یک تصویر با نویز 75درصد نیز قابل شناسایی میباشد.
.1 مقدمه
با توجه به وجود سیل عظیم از خودرو ها و سایر وسایلهای نقلیه بدیهی است که نیروی انسانی به تنهایی و بدون استفاده از سیستم کامپیوتری قادر به کنترل و مدیریت چنین ترافیکی نمیباشد. همچنین هزینه استفاده از نیروی انسانی بسیار بالا بوده و بازدهی بسیار نازلی را نیز دارا میباشد. لذا نیاز به مکانیزه شدن در این حوزه بسیار پررنگ و قابل تأمل میباشد. در سیستم تشخیص خودکار شماره پلاک خودرو هدف اصلی شناسایی محل پلاک خودرو در یک تصویر جهت خواندن شماره پلاک میباشد.
در تدوین این مقاله ابتدا روشها و سیستمهای مختلف شناسایی پلاک خودرو که مهمترین و پیچیدهترین مرحلهی آن شناسایی محل پلاک است مورد بررسی قرار گرفته و با تلفیق روشهای مختلف روشی سریع و بهینه با قابلیت تشخیص چند پلاک در یک تصویر بدست آمده است.
با توجه به اینکه مبحث نویز نیز در تصاویر ورودی بسیار مهم است، لذا جهت حذف نویز الگوریتم جدیدی طراحی و استفاده شده که به میزان بالایی نویز را کاهش میدهدبه طوری که حتی تصویر آلوده به نویز تا 75 درصد نیز در این الگوریتم قابل شناسایی است..
.1 متن اصلی
اولین و مهمترین مرحله شناسایی پلاک خودرو، تشخیص محل پلاک است که در انتخاب الگوریتم پروژه از روشی سریع برای پیدا کردن محل پلاک استفاده شده که مراحل آن پس از یافتن لبههای عمودی تصویر، استخراج پلاک با استفاده از تحلیل هیستوگرام و ترکیبی از عملگرهای مورفولوژیکی انجام شده سپس لبه های نویزی حذف و کاراکترها استخراج میگردد.
1؛-1 فراخوانی تصویر پلاک و حذف نویز
در بخش اول این پروژه ابتدا یک تصویر که حاوی خودرو و پلاک آن میباشد فراخوانی میشود.
شکل 1 تصویر فراخوان شدهی خودرو
1؛1؛-1 حذف نویز
تصویر فراخوانی شده ممکن است دارای نویزهایی باشد که ابتدا باید این نویزها کاهش داده شوند. نویزهای تصویر که میتواند از نوع نویز گوسی و خصوصا نویز فلفل نمکی باشند توسط الگوریتمی که طراحی شده تا 75 درصد کاهش داده میشود، سپس میزان روشنایی تصویر نیز تنظیم شده و در نهایت پس از تبدیل تصویر به سطح خاکستری، به آن فیلتر گوسین اعمال میشود تا نویزهای باقیمانده احتمالی موجود در تصویر از بین برود.
2؛-1 مرحله تشخیص محل پلاک خودرو
تشخیص محل پلاک خودرو، مهمترین مرحله شناسایی پلاک خودرو در سیستمهای حمل و نقل هوشمند است. در این بخش روشی بلادرنگ و سریع برای پیدا کردن پلاک خودرو در تصاویر پیچیده معرفی میشود.
در الگوریتم پیشنهادی ابتدا با استفاده از عملگر سوبل اقدام به یافتن لبههای عمودی تصویر میکنیم، سپس با استفاده از تحلیل هیستوگرام و ترکیبی از عملگرهای مورفولوژیکی پلاک خودرو را از تصویر استخراج میکنیم. در این الگوریتم بعد از بهبود تصویر، لبههای عمودی با عملگر سوبل استخراج میشوند، سپس با الگوریتمی خاص لبه های نویزی و مربوط به پس زمینه حذف شده و در نهایت به کمک یک پنجره مستطیلی جستجویی برای یافتن پلاک در نواحی باقی مانده انجام میگردد. روشی که در این الگوریتم ارائه میشود ترکیبی از لبه یابی، تحلیل هیستوگرام و عملیات مورفولوژی است. ساختار روش به گونه ای است که زمان پردازش زیادی را طلب نمیکند، قادر به شناسایی چند پلاک در یک تصویر بوده و از آنجا که در روش پیشنهادی از اطلاعات رنگ برای استخراج پلاک استفاده نمیشود، لذا سیستم شناسایی قادر به تشخیص پلاک ها با رنگهای مختلف است.
2؛1؛-1 پیدا کردن لبههای عمودی تصویر
پلاک به دلیل حروف و اعداد نوشته شده بر روی آن دارای لبههای عمودی بسیار زیادی میباشد. از همین ویژگی برای یافتن محل آن در تصویر خاکستری ورودی استفاده میشود. در این الگوریتم از ماسک عمودی سوبل برای پیدا کردن لبههای عمودی استفاده میشود.
شکل 2 لبه های عمودی تصویر
3؛1؛-1 تحلیل هیستوگرام برای کشف تصویر کاندید
بعد از پیدا کردن لبههای عمودی تصویر، از تحلیل هیستوگرام کمک گرفته و هیستوگرام افقی لبه تصویر را بدست میآوریم. در شکل 3 هیستوگرام افقی لبههای عمودی تصویر را میبینیم.
به طور کلی سطرهایی که پلاک خودرو در آنها قرار دارد، دارای بیشترین هیستوگرام افقی هستند لذا مرحله بعدی پیدا کردن سطرهایی است که بیشتر از %c ماکزیمم هیستوگرام را تشکیل میدهند. بدین ترتیب سطرهای کاندیدای محل پلاک تعیین میشوند. برای هر سطر کاندید، f سطر قبل و بعد از آن را هم به عنوان کاندید در نظر گرفته و ادامه پردازش را بر روی تصویر به دست آمده از سطرهای کاندید دنبال میکنیم.
شکل 3 هیستوگرام افقی لبههای عمودی تصویر خودرو
شکل 4 سطرهای کاندید شده با احتمال وجود پلاک
4؛1؛-1 بررسی معیار تراکم
ساختارهایی مانند نرده، طاق وانت، چراغها، برچسبها و غیره نیز به دلیل وجود لبههای عمودی زیاد در سطرهای مخصوص به خود، ممکن است به عنوان کاندید وجود پلاک در نظر گرفته شوند. برای رفع این مشکل تدبیری اندیشیده شده است. از آنجا که پلاک بر خلاف نرده و ساختار های مشابه، در محدوده کوچکی باعث افزایش لبه های عمودی میشود، اگر بتوان معیاری برای تراکم نقاط لبه در هر سطر یافت، میتوان ساختار غیر پلاک را از نقاط کاندید حذف نمود. یک معیار، ایجاد پوشش بر روی نمودار هیستوگرام است. که هرچه هیستوگرام متراکمتر و دامنهی آن بیشتر باشد پوشش نمودار نیز دامنهی بیشتری خواهد داشت.
ستونهایی را که پوشش هیستوگرام در آنها بیشتر از %e ماکزیمم پوشش باشد، به عنوان ستونهای کاندید در نظر گرفته میشوند. چون لبههای پلاک به هم نزدیک هستند، و به همین دلیل فاصلهی تغییرات کمترین مقدار است. مقدار e هم به طور تجربی و حدود 15 بدست آمده است.
