基于边缘直方图的快速汽车标志识别方法.docx

基于边缘直方图的快速汽车标志识别方 基于边缘直方图的快速汽车标志识别方法 罗 彬 , 游志胜 , 曹 刚 (四川大学 计算机学院 图形图像研究所 , 四川 成都 610064) 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 : 10012 3695 (2004) 062 01502 02 The Fast Method in VLR Based on Edge Directions LUO Bin , YOU Zhi2 sheng , CAO Gang ( Institute of Graphic Image , School of Computer Science , Sichuan University , Chengdu Sichuan 610064 , China) Abstract : An improved method of feature extraction based on edge directions is proposed and applied in Vehicle Logo Recognition (VLR) . Edge directions is used to represent the shape attribute and the texture ,which is used to be recognize the different images. Ex2 perimental results show this method is more effective than the other general methods. Key words : Edge Directions ; Correlated Algorithm ; Vehicle Logo Recognition (VLR) 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标 车标在一次识别的基础上进行二次识别 ,可以很有效地提高车 标类型的识别 。 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°～36°。 (5) 将边缘方向值θ进行直方图统计并归一化3 。 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