بخشی از مقاله
چکیده -
هدف از این طرح پیشنهاد سیستمی برای جداسازی کاراکترهای پلاک خودرو در دانشگاه لرستان هست. با توجه به اینکه پلاک دارای لبههای عمودی است از روش الگوریتم لبه یابی سریع سوبل بهمنظور استخراج محل پلاک خودرو استفادهشده است.
بعد از استخراج محل پلاک برای جداسازی کاراکترها با الگوریتم thresholding از تصویر پلاک آستانه گیری میکنیم ، بعدازاین مرحله کاراکترها را با اسکن عمودی تصویر پلاک جدا کرده و آن را با مجموعه کاراکترها مقایسه میکنیم و کاراکتر را تشخیص میدهیم.
نتایج طراحی روش مذکور روی تصاویر با شرایط تصویربرداری مختلف بیانگر توانایی روش ارائهشده ازلحاظ دقت و سرعتبالا برای جدا کردن کاراکترهای پلاک هست. با توجه به آزمایشهای انجامشده دقت تفکیک کاراکترها بهصورت تئوری %99بوده و میانگین زمان تفکیک کاراکترها 0,9 میلی ثانیه هست.
-1 مقدمه
یکی از مراحل مهم در تشخص پلاک خودرو تفکیک کاراکترها هست. امروز تشخیص پلاک خودرو نهتنها در سیستم کنترل ترافیک هوشمند، پرداخت هوشمند عوارض و تشخیص خودروهای سرقت شده کاربرد دارد، بلکه یکی از زمینههای بسیار مهم تحقیق در پردازش تصویر و تشخیص الگو است.[1] اگرچه مشاهدات انسان برای تشخیص پلاک خودرو راحتتر است ولی وجود خطا در هنگام خستگی یک عیب مهم در سیستمهای دستی هست.
ازاینرو تحقیقات گستردهای در زمینه تشخیص پلاک خودرو در دنیا در حال انجام است. در اکثر روشهای موجود شرایط تصویربرداری باید کنترلشده باشد لذا این روشها با محدودیت مواجه هستند، و بنابراین همواره دستیابی به روشهایی که در شرایط تصویربرداری نامطلوب نیز نتایج قابل قبولی دهد مورد انتظار است. یک سیستم تشخیص پلاک خودروعموماً شامل سه بخش اصلی -1 تشخیص محل پلاک -2 جداسازی کاراکترها و-3 تشخیص کاراکترها است ، که در این مقاله روی دو بخش اول بخصوص روی بخش دوم یعنی جداسازی کاراکترها با روش جدیدی بر مبنای آستانه گیری کارکردهایم. مقالات مختلفی در این زمینه کارکردهاند.
بهطور مثل در [4] الگوریتمی جدید برای تفکیک کاراکترهای خفیف و ضعیف شدهی پلاک خودرو بر اساس تشخیص قبلی - - PRIOR KNOWLEDGE ارائه میدهد این الگوریتم پیشپردازشهایی مانند نرمالیزه کردن اندازه، تصحیح روشنایی نقاط ناهموار و افزایش کنتراست، تصحیح کجی و ضخیم کردن لبهها را بر روی مکان پلاک انجام میدهد. در این روش از نورافکنی عمودی بهره گرفته که روشی ساده و دقیق است ولی توسط نویز و درجه کجی پلاک تحت تأثیر قرار میگیرد.
در [5] روش تفکیک کاراکترها بر اساس تقسیم و توزیع آنها صورت میپذیرد. این روش شامل مرحله ضخامت و دقت تفکیک کاراکترها هست. این روش دارای دقت تفکیک خوب و سرعتبالا هست. اما این روش نسبت به نویز حساس بوده و تحت تأثیر آن قرار میگیرد. در [6] بهمنظور بهبود تفکیک کاراکترها قبل از این مرحله پیشپردازشهایی روی تصویر پلاک انجام میدهد که شامل باینری کردن کاراکترها، کاهش نویز با روش توسعهیافته BERNSEN و استفاده از فیلتر LINE-SHAPE برای برداشتن قاب دور پلاک میباشند.
روش تفکیک کاراکترهای آن روشی ترکیبی بر اساس مشخصات ذاتی روشنایی این کاراکترها است که میتواند راهحل مناسبی برای به هم چسبیدگی کاراکترها باشد. این روش دارای دقت بالایی هست. در [7] مانند مقالات دیگر ابتدا تصویر را باینری میکند سپس ناحیههایی از پلاک که همسطح آنها خیلی کوچک است و هم به مرز پلاک متصل هستند حذف میکند در این صورت مرزهای چپ و راست اولین و آخرین کاراکتر به دست میآید. حال با اضافه کردن خط های کمکی به کاراکترها آنها را به ناحیه پلاک متصل میکنند در ادامه تصویر با خطوط اضافهشده توسط STANCE TRANSFORMATION بر اساس CITY BLOCK با تصویرگری منطبق میشود سپس عمل تفکیک توسط الگوریتم WATERSHED انجام میپذیرد، و درنهایت مرزهای بالا، پایین، چپ و راست اطراف کاراکترهای تفکیکشده بریده میشود.
در [8] برای تفکیک کاراکترها از نورافکنی عمودی با تشخیص قبلی PRIOR KNOLEDGE استفاده میکند که این روش به نویز و کجی پلاک حساس هست. در [9] از روش نرمالیزه کردن ساده برای تفکیک کاراکترها بهره بردهاند و برای نرمالیزه کردن از الگوریتم BILINEAR INTERPOLATION استفاده کردهاند، تا با سرعت و دقت بالا کاراکترها را از هم جدا کند.
در [10] روش جدا کردن کاراکترها بر اساس آنالیز اجزای به هم متصل شده انجام میشود. در [11] بهمنظور تفکیک کاراکترهای پلاک از روش نورافکنی عمودی در تصویر باینری استفاده میکند، تا کاراکترها سفید و پیکسلهای پسزمینه سیاه شوند برای به دست آوردن نتایج بهتر آنها مرزهای سفید احتمالی اطراف کاراکتر را برداشتهاند برای این کار از روش LINE-SCALING استفاده کردهاند. در[12] برای تفکیک کاراکترها از نورافکنی عمودی و TEMPLATE MATCHING استفاده کرده است.
درواقع TEMPLATE MATCHING از پیچیده شدن عملیات ممیز شناور جلوگیری میکند این روش ساده و با دقت بالا است. در [13] یک روش مؤثر در تفکیک کردن کاراکترهای پلاک خودرو ارائه میدهد. در این روش از الگوریتم ADABOOST و تبدیل هاف و لبه یابی افقی و عمودی و باینری کردن تصویر استفاده کرده است. حال در ادامه ما در بخش 2 الگوریتم استخراج پلاک را توضیح میدهیم، و در بخش 3 الگوریتم پیشنهادی خود را برای تفکیک کاراکترها ارائه مینماییم، و درنهایت بخشهای 4 و 5 مقایسه کار خود را با دیگر مقالات و نتیجهگیری را آوردهایم.
-2 الگوریتم استخراج پلاک
برای انجام این مرحله ما روشیکاملاً مشابه روش [14] را بکار بستهایم. با این تفاوت که بهمنظور کم کردن تأثیر روشنایی بیشازحد تصویر در روز ابتدا کنتراست تصویر را بالا میبریم، و برای پیوسته کردن خطوط خروجی لبه یابی سبل بجای انبساط ستارهی با پنجره گیری 3*3 کار انبساط را انجام دادهایم که دقت را بالابرده است، که در ادامه توضیح داده میشود. و نیز در مرحله جستجوی پلاک سفید شده نسبت پیکسلهای سفید به سیاه را به بیشتر از %70 تغییر دادهایم . بدینصورت میزان تشخیص محل پلاک را افزایش دادهایم. حال به توضیح روش میپردازیم . هدف این بخش بیان نحوه استخراج خود پلاک خودرو از میان تصویر گرفتهشده هست.
خروجی این قسمت تصویر شامل پلاک تنها است. برای این کار چون به محیط اشیاء نیازمند هستیم از لبه یابی استفاده میشود. حال ما باید از الگوریتم لبه یابی استفاده کنیم که از پیچیدگی کمتر و دارای سرعت بالاتری هست و ویژگی موردنظر ما را به دست آورد.
برای این منظور از الگوریتم لبه یابی سوبل استفاده میکنیم. چون تصویر خروجی حاصل از این الگوریتم لبه یابی دارای ناپیوستگیهایی هست. خروجی را با روش پنجره گیری 3 *3 انبساط میدهیم بدینصورت که پیکسلهایی اطراف پیکسلی که سفید هست را با توجه به طول و عرض پنجره سفید میکنیم. هماکنون که خطوط بیشتر به یکدیگر نزدیک شدهاند میتوان محیطهای بسته را پر نمود که البته این کار باعث ایجاد اشیائی تو پر میشود حال این اشیاء را شمارهگذاری میکنیم و در بین آنها به دنبال اشیائی با شرایط ویژه میگردیم.
این شرایط ویژه عبارتاند از : -1 داشتن حداقل مسافتی بیشتر از 4500 - در واحد پیکسل - - 2 داشتن حداقل نسبت خانههای سفید به سیاه بیشتر از 70% درنهایت به دلیل آنکه ممکن است در بعضی شرایط بیش از دوشی دارای چنین ویژگیای باشند شئ با مساحت بیشتر را انتخاب میکنیم و یا اگر هیچ شیء با شرایط موردنظر پیدا نشد بزرگترین شئ موجود در تصویر را انتخاب میکنیم. حال با داشتن مختصات و ابعاد موردنظر آن را از بقیه تصویر جدا میکنیم. معادل همین عکس را از عکس اصلی رنگی نیز جدا میکنیم.
ازآنجاییکه هدف اصلی پیدا کردن پلاک هست و اینکه ناحیه مذکور مستطیلی شکل و دارای نسبت ابعاد معین هست. بدون توجه به رنگ پسزمینه میتوان چنین ناحیهای را تشخیص داد. بدین شکل که با گرفتن مشتق از تصویر در حقیقت لبههای موجود در تصویر یا بهعبارتدیگر محیطهای بسته موجود در تصویر را تا حدودی مشخص میکنیم و با سفید کردن این نواحی بسته اشیاء سفید توپری خواهیم داشت. با توجه به مستطیلی شکل بودن پلاک و با توجه به انتخاب نواحی بهصورت مستطیلی سفید به سیاه بیش از 70% خواهد بود. غیر از مواردی که پلاک موردنظر دارای زاویه بوده که در آن صورت این نسبت به حداقل 52% در عمل کاهش خواهد یافت. بنابراین با توجه به ویژگیهای ذکرشده شئ موردنظر انتخاب خواهد شد.[14] در ادامه شکل نمونهای از تصاویری را که آزمایش کردهایم در شکل1 آوردهایم،
شکل:1 نمونهای از تصاویر آزمایش شده.
شکل :2 تصاویر در مرحلهی سفید کردن محل پلاک.
در شکل 2 تصویرها را در مرحلهی سفید کردن محل پلاک نشان میدهد. و در شکل 3 تصویرها را در مرحلهی جدا کردن محل سفید شده از تصویر مرحلهی قبل نشان میدهد. به همین ترتیب در شکل 4 معادل استخراج پلاک از تصویرگری شده اولیه هست.
شکل :3 تصاویر جدا کردن محل سفید شده از تصویر مرحله قبل.
شکل :4 معادل استخراج پلاک از تصویرگری شده اولیه.
-1-2 الگوریتم تفکیک کاراکترهای پلاک
تفکیک کاراکترها فرایندی است که توسط آن کاراکترهای موجود در پلاک از هم جدا میشوند. امروزه از روشهای متعددی برای جداسازی کاراکترها استفاده میشود، بهطور نمونه: -1 تفکیک کاراکترها بر اساس آنالیز خوشهای -2 بر اساس روش نورافکنی عمودی -3 الگوریتم تجزیه کردن بر اساس مسیر
