基于机器视觉的列车车号图像增强和矫正技术研究

沈健

摘 要：近年来，随着人工智能领域研究的不断深入，以高清摄像头为采集单元并由计算机作图像识别的机器视觉应用领域也在快速发展。OCR光学字符识别技术作为机器视觉的一个主要应用领域也得到广泛应用。本文所研究的列车车号图像增强和矫正技术，主要考虑因列车高速行驶和环境光照度低的情况下无法获得清晰稳定的列车车号图像时，对采集到的欠清晰列车车号原始图像进行图像增强和位置矫正的方法。

关键词：机器视觉 HALCON 轨道车辆 列车车号 图像增强 图像矫正

中图分类号：TP391 文献标识码：A 文章编号：1674-098X（2019）04（a）-0163-02

目前，机器视觉的应用领域日益广泛。主要的开发平台有HALCON、OpenCV、VisionPro、MATLAB等。其中HALCON是德国MVtec公司开发的一套完善的机器视觉开发平台，拥有应用广泛的机器视觉集成开发环境，在业界有着广泛的影响力。本研究以HALCON为开发平台，对采集到的列车车号图像进行图像增强和位置矫正。

1 列车车号识别系统概述

列车车号识别子系统主要包括图像采集单元、图像处理程序、OCR识别输出程序。其中采集单元为高清工业摄像头。摄像头在来车传感器的触发下自动拍摄列车车号，并将拍摄到的列车车号图像传送至主处理机。主处理机对列车车号图像进行增强处理并进行OCR识别。

2 列车车号图像处理

2.1 列车车号图像采集

城市轨道车辆运行时对列车车号的图像采集环境不同于普通汽车车牌的图像采集环境。主要有以下几个方面的原因：

（1）列车车号的图像采集为运动状态采集，采集过程中列车高速行使。（2）列车的车号部位不涂刷反光涂料。（3）列车车号的图像采集时环境光照度低。（4）列车车号的图像采集过程中不适宜使用闪光灯进行补光。

基于以上条件的制约限制，我们采集到的列车车号图像中的有效字符与图像背景区的灰度值区分不明显，并且列车车号有一定角度的倾斜，这样低对比度和倾斜的列车车号原始图像无法准确进行字符分割和OCR识别，必须对其进行图像增强和位置矫正。采集到的列车车号原始图像如图1所示。

2.2 列车车号图像预处理

从图1中看到列车车号的原始图像对比度偏低而且有不锈钢车身的强反光干扰。因此必须首先对列车车号的原始图像进行预处理，以增强列车车号图像中字母和数字部分的对比度。主要的预处理思路为：

（1）将RGB三通道图像转换成灰度图像。（2）反转图像的灰度值。（3）缩放图像的灰度值。主要程序如下：

rgb1_to_gray （Image， GrayImage）

invert_image （GrayImage， ImageInvert）

scale_image （ImageInvert， ImageScaled， Mult， Add）

参数，

其中：GMin为图像的最大灰度值，GMax为图像的最小灰度值。

車号图像预处理后的结果如图2所示。可以看出预处理后的列车车号图像清晰度明显增强。

2.3 列车车号图像仿射变换

从图1和图2中可以看到无论是原始列车车号图像还是预处理增强后的列车车号图像，其字母和数字都是有些倾斜变形的。这种字体变形是由于采集环境不佳所导致的。如果对此种倾斜变形不进行处理，将会影响列车车号识别结果的准确率。所以必须对此种倾斜变形进行仿射变换以矫正变形。主要的思路为：

（1）生成关注域。（2）对文本定位获得倾斜角度。（3）进行仿射变换矫正倾斜变形。

仿射变换后的列车车号图像如图3所示。从图中可以明显看出列车车号的文本部分整体上已经摆正不再倾斜了。主要程序如下：

gen_rectangle1 （ROI_0， 149.14， 146.163， 240.844， 563.411）

text_line_orientation （ROI_0， ImageScaled， 50， -0.523599， 0.523599， OrientationAngle）

hom_mat2d_identity （HomMat2DIdentity）

hom_mat2d_rotate （HomMat2DIdentity， -OrientationAngle， 200， 360， HomMat2DRotate）

affine_trans_image （ImageScaled， Rotated， HomMat2DRotate， 'constant'， 'false'）

3 结语

经过多次现场测试，由该方法增强和矫正后的列车车号图像更易于后期的字符分割处理和OCR字符识别。能够提高列车车号识别的准确率。并已将该列车车号图像增强和矫正程序嵌入到由C#开发的列车车号识别应用程序当中。

参考文献

[1] NAITO T， TSUKADA T. Moving-vehicle license plate recognition method robust to changes in lighting conditions[J]. System and Computer in Japan，2000，31（11）：82.

[2] KAGESAWA M， UENO S. Vehicle recongnition system in infrared images using IMAP parallel vision board[J]. Electronics and Communications in Japan，2003 ，86（5）：1.

[3] 严丽.车牌识别系统的关键技术研究[D].南京：南京理工大学，2012.

[4] 李锦珑，张维昭，马宏锋，等，基于HALCON的车牌识别技术研究[J].西北师范大学学报，2015，51（6）：54.