基于边缘直方图的快速汽车标志识别方法罗彬,游志胜,曹摘要:提出了基于边缘直方图的一种快速识别方法,对汽车标志可以进行高准确度的识别。边缘直方图能够比较准确地反映图像的边缘和纹理信息,不同类图像反映出的统计特性能比较准确地用于分类识别。通过大量的试验证明使用提取边缘直方图和相关算法相结合的方法比一般的识别方法更加快速、有效。关键词:边缘直方图;相关算法;车标识别中图法分类号:TP391141文献标识码:A文章编号:100123695(2004)0620150202TheFastMethodinVLRBasedonEdgeDirectionsLUOBin,YOUZhi2sheng,CAOAbstract:AnimprovedmethodoffeatureextractionbasedonedgedirectionsisproposedandappliedinVehicleLogoRecognition(VLR).Edgedirectionsisusedtorepresenttheshapeattributeandthetexture,whichisusedtoberecognizethedifferentimages.Ex2perimentalresultsshowthismethodismoreeffectivethantheothergeneralmethods.车型识别系统在智能交通系统中有着重要的应用,汽车前部标志(简称车标)识别对车型精确识别有重要意义。车标识别是通过所获取的视频信号对汽车的标志(如大众、本田等)进行识别,常用的识别方法是使用基于目标模板匹配的方法确定车标的位置和类型。模板匹配中一般用于模式识别的特征有纹理特征、直方图和不变矩等,对于特定范围的一类图像,如车标图像,可以采用其中的任意一种特征提取方法进行模板库训练用于识别。但在实际应用中,选取的车标图像受外界影响(如变形、光照程度、图像清晰度等)各有不同,即使提取同类车标的特征彼此差异也很大,模板训练的效果也较差,因而随着模板库的增加,识别的效率随之降低,识别率也较低。经过反复试验、比较,采用了边缘直方图特征,统计边缘直方图对目图1大众车标的模板和各个样本的边缘直方图1基于边缘直方图特征提取边缘直方图特征基于图像边缘的统计特征,能够较好地反映目标的形状和边缘信息,而且运算速度较高1。在模板类型较少的情况下,提取特征采用一般的的直方图或者不变矩的方法进行模板训练来识别也可以得到较高的正确率。但当模板类型增加后,采用这两种方法识别,特别是对于一些纹理特征复杂的车标(如夏利),采用一般方法进行识别的准确率就大大降低了。图1是大众模板和各个样本的边缘直方图,图2是其他车标模板的边缘直方图。从图1,图2可以看出,边缘直方图能较好体现图像的边图2其他车标模板的边缘直方图边缘直方图的算法具体如下:(1)图像灰度化2。(2)将图像进行边缘算子(如SOBER)运算,得到(x,y)点的dx和dy。(3)计算各个像素的边缘方向θ(x,y)=argtg(dx/dy)。(4)将边缘方向值进行量化,从0°～180°量化到0°～---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---板匹配,以选取合适的模板匹配系数进行定位判决。模板匹配系数的选取有几种方法4,5,经试验比较我们采用相关算法。(1)若满足式(2),识别结束,车标为最大的一次识别的判定值对应的车标模板,否则转(2);(2)若式(2)中的matchi满足matchj<MinThresholdone,识别m21n21∑∑(Vi,j(x0,y0)2v)×(U(x0,y0)2u)x0=0y0=0matchk=结束,判定无待识别的车标,否则转(3)(MinThresholdone取0.3);m21n21m21n21∑∑(Vi,j(x0,y0)2v)2∑∑(U(x0,y0)2u)2x0=0y0=0x0=0y0=0(k=0,1,2,,N21);i=k/(W2m+1),j=kmod(W2m+1)(1)(3)提取式(1)中matchi前三位的边缘直方图,并由式(3)其中,Vi,j(x0,y0)是原图的灰度值,v是原图在该匹配点(i,j)的计算差异值D(i),i为match前三位模板对应的标号;i平均灰度值;U(x0,y0)是模板的灰度值,v是模板的平均灰度值。从式(1)可以看出,相关算法的计算量非常大,但与别的算法相比其稳定性很好,尤其是受光照条件的影响小。(4)计算二次判定值:SecondMatchValuei=matchi/(1+D(i));(5)由(4)的计算结果作如下判断:j=argmax(SecondMatchValuei)且SecondMatchValuej<ThreshiTwo。阈值ThreshTwo可自适应调节。3车标识别(4)ThreshTwo=aj·Threshone/SecMatch车标定位后,需对车标进行进一步地分类识别。本试验共选取了17种车标进行识别,采用两次识别的方式,大大地提高了识别正确率。311车标的一次识别由前面的车标定位可知,对输入的图像同时用模板库中的...