CN101882224B - 重组多张图像与辨识方法以及图像撷取与辨识系统 - Google Patents
重组多张图像与辨识方法以及图像撷取与辨识系统 Download PDFInfo
- Publication number
- CN101882224B CN101882224B CN 200910138242 CN200910138242A CN101882224B CN 101882224 B CN101882224 B CN 101882224B CN 200910138242 CN200910138242 CN 200910138242 CN 200910138242 A CN200910138242 A CN 200910138242A CN 101882224 B CN101882224 B CN 101882224B
- Authority
- CN
- China
- Prior art keywords
- image
- region
- interest
- images
- reconstructed picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明提供一种重组多张图像与辨识方法以及图像撷取与辨识系统,其对数张图像进行特征迭合重组及强化技术,产生重组图像。然后对该重组图像进行后续处理以突显重组图像的特征,进而利用图像识别技术辨识出重组图像内容。利用本发明的方法与系统,可减少监视系统普遍因成像品质不佳而无法辨识的问题。
Description
技术领域
本发明有关一种图像辨识技术,尤其是指一种利用多张图像进行迭合重组而辨识出图像内容的一种重组多张图像与辨识方法以及图像撷取与辨识系统。
背景技术
每年因交通事故造成人员死亡人数近3000人,驱车偷窃或行抢案也层出不穷,肇事逃逸或犯案的车牌因监视录影系统不佳而无法辨识的事层出不穷,乃因该类监视系统多半存在着分辨率不佳(320×240像素)、图像撷取单元的架设取像角度过于偏斜使得成图像信息残缺或模糊连人眼也无法正确辨识,每每会因无法正确识别车号而让犯案或肇事逃逸车辆得以逍遥法外。
在习用技术中,例如中华民国专利第197752号,名称为“从车辆图像中撷取车牌区域及矫正车牌歪斜的方法及装置”。该专利由搭配镜头的CCD摄影机及图像撷取卡对车道摄取车辆图像,并由车辆图像读取单元将图像撷取卡所撷取的图像读取出来,接着由对数灰度值运算单元来对车辆图像中的各个像素计算出其对数灰度值,小波分解运算单元则接着将对数灰度值图像分解成粗图像、水平差异图像、垂直差异图像、对角差异图像,接着由图像二值化运算单元将水平差异图像各像素的对数灰度值由实数值(Real number)转为0或1的二元值。然后由车牌区域粗切割单元依照预设的车牌长宽约略值来寻找整张车辆图像中哪个区域的二元值总和最高,并将该区域初步切出为车牌区域的所在;接着利用车牌歪斜矫正单元来矫正车牌区域图像的歪斜,使之不歪斜,最后由车牌区域细切割单元来切除车牌粗区域中非属于车牌的部分。
另外,如中华民国公告专利第I286027号,名称为“集成式多车道自由车流图像执法系统”。该专利为一种集成式多车道自由车流图像执法系统(Integrated Multiple Lane Free Flow Vehicle Enforcement System),也就是说图像执法点建置门架式设备,且车道无实体分隔,系统可以让车辆以正常车速通过图像执法点并允许自由变换车道的情形下,仍能正确对各类车种进行图像执法的动作。
此外,又如中华民国公开申请号第200802137号,名称为“串联式车牌辨识系统”。该专利提供一种串联式车牌辨识系统,利用车牌字符区域检测模组接收图像,并搜寻出图像中每一个近似车牌范围,接着找出每一个近似车牌范围中所有具有连续相同像素的序列,并将这些序列经过涂抹、滤除与连接区块撷取处理后,取得每一个近似车牌范围的车牌字符区域图像,而在验证后输出已确认的车牌字符区域图像,再来已确认的区域图像送入车牌字符切割与辨识模组中,以取得所有独立字符图像,并在独立字符图像经过字符验证辨识后,获得所有车牌字符信息。
其他相关技术如中华民国公告号第221193号所揭露的一种停车场车牌辨识辅助监控装置,其是在何车辆通过预设的取像定点时,则通知控制主机由双工图像撷取器下令摄影装置摄取车辆车牌图像,而由辨识程序将车牌中的各数码字符予以辨识,以作为停车场的车辆管制、停车数据管理、赃车查缉及防止车辆失窃等强化的管理。或者是如中华民国公告号第226454号所揭露的一种车牌自动辨认方法,其是在辨识过程上,先以群组逻辑关系及字符笔划特性分析在输入的数字图像中寻找正确的车牌位置,再利用三值化差分及模糊推论原理框取车牌字串外缘,并结合调适性二值化方法切割出各个字符的上下左右边界,最后,经特征融合中间值运算类神经网路的处理而得到辨识结果。又如,中华民国公告号第191905号所揭露的一种行动式车牌自动辨识系统,包括有取像装置及图像处理主机,其可装设于汽车车体内,以针对静止或是行进间的被测汽车车牌执行自动辨识。其取像装置用以摄取车牌的图像,并将摄得的图像送入图像处理主机中,图像处理主机即对该图像信号以模糊推论法则进行车牌字符的精确框取,并以字符结构分析类神经网路对框取出的字符进行字符的辨识,如此可避免因车牌污损、字符变形或污损、偏斜等而造成辨识的错误。而在中华民国公告第123259号所揭露的一种设置于车辆行经处,用以自动辨认车辆车牌号码的装置,其利用取像装置摄取含有车牌部份的车辆图像。再利用图像处理单元,依据车牌号码特征,检查该数字化图像数据,以寻找车牌位置,框取号码范围,切出个别字码,及达成各字码特征值的辨认。
另外,如美国专利No.4,817,166也揭露出一种读取车牌的方法,其撷取车牌内字符的边缘特征,寻找出边缘长度、字符高度与字符宽度。有了字符的相关特征信息,再分析字符的几何特征,如:凸包(convex hull)、弯部的形状与位置以及洞的形状与位置等。再根据前述的参数,进行结构分析车牌上的每一个字符。此外,又如美国专利No.6,553,131所揭露的一种利用智能图像撷取装置进行车牌辨识的技术,其是在图像撷取装置内设置处理器以进行以车牌信息辨识。在该技术中,图像辨识的方式先根据车牌图像的亮度、位置以及模糊区域来决定出基准线。然后利用投影的方式对具有该基准线的图像进行处理以得到车牌内各字符的位置。然后利用统计分类的方法使得每一个字符都具有一个信心指数,最后根据该信心指数决定出该车牌内的字符组合信息。另外,如美国专利No.5,425,108揭露了一种图像车牌辨识技术,其将撷取到的车牌图像进行模糊干扰(fuzzy interfere)运算处理,并且利用类神经网路特征结构分析对车牌图像所具有的特征进行辨识。此外,又如美国专利US.Pat.No.6,473,517所揭露的一种车牌辨识技术,其利用字符分割(character segmentation)的方式对车牌图像进行辨识。在该技术中,将车牌图像分割成多个区域,并将其转换成可能字符区域(suspected character region),然后对该可能特征区域进行辨识而得到信赖指数(confidence index),然后根据信赖指数判断可能的图像结果。又如美国专利No.5,081,685所揭露的一种车牌辨识技术,其利用图像强度信息(image intensity transition information)来进行辨识车牌内的号码。在该技术中,其将车牌中的字符与背景隔离,然后利用寻迹演算的方式找出分离出字符的外部轮廓轨迹。
发明内容
本发明提供一种重组多张图像与辨识方法以及图像撷取与辨识系统,其对特定目标物的多张图像进行重组以弥补个别图像中残缺的信息进而形成重组图像以增加图像的辨识度。
本发明提供一种重组多张图像与辨识方法以及图像撷取与辨识系统,其对利用多张图像进行重组而形成重组图像进行辨识,配合数据库内所建立的多种已知的信息,产生辨识的结果,并且根据相似度的程度予以排序而提供多种可能的结果组合,以供辨识人员进行辨识与筛选,以增加辨识的速度与准确度。
本发明提供一种重组多张图像与辨识方法以及图像撷取与辨识系统,其可应用于载具识别号码的辨识,通过对识别号码进行文字特征强化,再搭配多视角车牌辨识技术,可协助辨识人员辨识可疑或肇事的载具车辆,以期降低意外肇事率或侦破重大刑案,维护国家社会安定。
在一实施例中,本发明提供一种重组多张图像方法,包括有下列步骤:取得多张图像;在该多张图像中的一张图像选择兴趣区域以及撷取该兴趣区域的特征;根据撷取的特征在其他图像中撷取对应该兴趣区域的特征区域;以及根据该多个特征区域以及该兴趣区域进行图像重组程序以形成重组图像。
在另一实施例中,本发明提供一种图像辨识方法,包括有下列步骤:取得多张图像;在该多张图像中的一张图像选择兴趣区域以及撷取该兴趣区域的特征;根据撷取的特征在其他图像中撷取对应该兴趣区域的特征区域;根据该多个特征区域以及该兴趣区域进行图像重组程序以形成重组图像;以及辨识该重组图像。
在另一实施例中,本发明提供一种图像撷取与辨识系统,包括:图像输入单元,其提供输入多张图像;图像处理单元,其与该图像输入单元耦接,该图像处理单元还具有:特征撷取单元,其撷取标准图像内所具有的兴趣区域内所具有的特征以及根据撷取的特征在其他图像中撷取对应该兴趣区域的特征区域;以及重组单元,根据该多个特征区域以及该兴趣区域进行图像重组程序以形成重组图像。
附图说明
图1为本发明的重组多张图像方法实施例流程示意图。
图2A与图2B为车辆移动示意图。
图3A与图3B为车辆在不同位置时所撷取到的图像示意图。
图3C为寻找特征区域与兴趣区域间的角度关系示意图。
图4A与图4B分别为多张图像以及重组图像示意图。
图5为本发明的重组多张图像方法另一实施例流程示意图。
图6A与图6B分别为多张图像以及重组图像示意图。
图7A至7B分别为未经过长条图等化处理以及经过长条图等化处理结果示意图。
图8为本发明的图像辨识流程示意图。
图9A至图9D为产生已知标准图像示意图。
图10A为重组图像及其特征图像示意图。
图10B为特征图像示意图。
图11为本发明的关于载具识别号码可能的输出结果排序示意图。
图12为本发明的图像撷取与辨识系统示意图。
元件标号说明:
2-图像处理方法
200~212-步骤
3-图像处理方法
300~309-步骤
4-图像辨识方法
40~46-步骤
5-样品图像
50-标准图像区域
500、501-像素
51-非标准图像区域
510-像素
6-图像辨识与输出系统
60-数据库
61-图像处理单元
610-特征撷取单元
611-重组单元
612-强化单元
613-辨识比对单元
62-辨识输出单元输出
63-图像撷取单元
64-图像输入单元
90-车辆
91、92-位置
93、94-区域
930、940-位置
95-重组图像
96-特征图像
具体实施方式
为使贵审查委员能对本发明的特征、目的及功能有更进一步的认知与了解,下文特将本发明的装置的相关详细结构以及设计的理念原由进行说明,以使得审查委员可以了解本发明的特点,详细说明陈述如下:
请参阅图1所示,该图为本发明的重组多张图像方法实施例流程示意图。在本实施例中,方法2首先进行步骤200,取得多张图像。在本步骤中,取得多张图像的方式有很多种,例如:可以利用直接输入多张的图像,或者是利用照相机、CCD或者是CMOS的图像撷取单元、但不以此为限,在不同时间点拍摄所得到的多张图像或者是利用图像撷取器由摄影机所拍摄的连续图像中取出多张具有时间序列关系的图像。以图2A与图2B所示来说明,在图2A中车辆90正进行转弯移动,在不同时间点利用图像撷取单元25(摄影机或者是照相机)对于车辆90进行图像撷取,即可以得到多张图像。又如在图2B中,在车辆行驶的过程中撷取不同位置的图像,例如在位置91时可以得到如图3A的图像,而在位置92时可以得到如图3B的图像。至于图像张数,根据需要而定,并无一定的限制。而步骤200的图像在本实施例中为车辆图像,但不以此为限。
再回到图1所示,取得图像之后,接着以步骤201,载入多张图像。然后以步骤212将图像存储在存储媒体内,例如:硬盘或存储器等。接着进行步骤202,在该多张图像中决定其中一张图像为标准图像。至于选择的方式可以选择图像较清楚的图像作为标准图像,本实施例以图3B作为标准图像。接着以步骤203于该标准图像中选择兴趣区域(Region of interest,ROI)。该兴趣区域内涵盖有该车辆的车牌的图像,如图3B中的区域93所示。接着再以步骤204撷取该兴趣区域内的图像特征。在本实施例中指学习特征区域内的车牌图像中的文字与数字的外型轮廓所具有的对比或者是灰度值。
然后以步骤205根据步骤204所撷取到的特征,分别在其他的图像内撷取对应到兴趣区域的特征区域。撷取的方式可为操作者手动撷取或者是利用软件自动搜寻以撷取。该特征区域的决定是根据要辨识的物件而定,在本实施例中以车辆的识别号码为例,因此所寻找到的特征区域即为对应识别号码的区域。在步骤205中包含两个程序,首先读取在步骤212中存储的待搜寻的图像,然后载入步骤204所撷取到的特征,然后对载入的图像进行特征搜寻。例如:根据图3B中的区域91内所撷取到的特征,在图3A中的图像进行搜寻,而得到特征区域94。在步骤205除了寻找特征区域之外,还包括有寻找特征区域与兴趣区域间的旋转角度关系以及比例关系。例如:如图3C所示,在寻找出对应的特征区域94之后,步骤25会更进一步利用几何比对法在特征区域94中寻找出对应到兴趣区域上一点930的位置940。然后根据该位置940建立关于该特征区域94的坐标以得到角度关系。取得特征区域94与兴趣区域93间的角度θ关系以及比例(scale)关系,以作为将来规一化处理的依据。
再回到图1所示,接着再利用206反复对其他的图像搜寻出特征区域。搜寻完毕之后,再进行步骤207,对所搜寻的特征区域进行规一化处理。所谓规一化的步骤主要是根据步骤205中所得到的角度与比例的关系将每一个特征区域调整至与兴趣区域同样的大小或者是将特征区域与兴趣区域调整至特定比例大小。由于步骤200所撷取的多张图像可能因为图像撷取的视角与距离的缘故,而使得目标物(本实施例为车辆)有不同的大小,如图3A与图3B所示。因此当步骤205所搜寻到的特征区域93、94也会因为车辆的远近而有大小的差异。所以通过步骤207将每一个特征区域调整至同样的大小,本实施例为130像素×130像素。
接着进行步骤208,分别对该多个特征区域以及兴趣区域内的像素进行反转运算。所谓反转运算即为将图像中亮处变暗,暗处变亮。因为人的眼睛敏感曲线在明亮处易呈饱和状态,也即无法分辨亮区的详细结构,此时如果将整个图像实施反转运算,亮区转换至暗区再来观察,自然比较容易辨别一些微细的差别。然后,再进行步骤209,将该多张图像中所分别对应的特征区域以及兴趣区域内相互对应的像素相加以形成重组图像。由于特征区域以及兴趣区域已经经过了规一化的处理而有相同的图像大小,因此将区域中相对应的像素所具有的灰度值相加。再以步骤210将该重组图像进行反转运算。随后再进行步骤211对该重组图像进行图像强化的处理。图像强化的处理包括有对比度与亮度的提整等。如图4A与图4B所示,其中图4A分别为多张(本实施例为三张)图像中所具有的特征区域示意图,该三张图像为重组前的图像,其图像特征模糊不清。而图4B为利用图1的实施例所得到的重组图像示意图,也即将图4A的三张图像经过重组演算所得到的特征清晰的图像。
请参阅图5所示,该图为本发明的重组多张图像方法另一实施例流程示意图。在本实施例中,该方法3中的步骤300与307基本上与图1的步骤200至207相同,在此不作赘述。而本实施例与图1的差异在于得到重组图像运算方式不同。当在步骤307规一化之后,随后以步骤308对该多张图像中的特征区域进行平均值演算以得到重组图像。所谓平均值演算,为将特征区域与兴趣区域中的每一个像素相加求取平均值,而形成重组图像。然后再进行步骤309对重组图像进行长条图等化处理。所谓长条图等化处理的目的为要增加重组图像中的对比。例如,图6A所示为三张原始图像所具有的特征区域,每一张图像画面所具有的特征模糊且不清楚。经过步骤308重组与步骤309等化处理之后的结果,如图6B所示,以形成清楚的图像。而在图7A与图7B中,所示为长条图等化处理差异示意图。根据图中所示的结果,可以发现如果还没有进行步骤309的等化处理时,图像的对比度范围d差异并不大,如图7A所示。但是经过了步骤309的等化处理之后,则可以发现对比范围D的差异增加,有利于后续图像辨识,如图7B所示。再回到图5所示,重组完毕的图像,可以再进行步骤310强化处理的演算以强化重组图像的特征,以利后续图像辨识。
请参阅图8所示,该图为本发明图像辨识流程示意图。利用图1与图5所产生的重组图像可以进行图像辨识的流程,以对该重组图像产生辨识结果。也就是说,利用图1的流程或者是图5的流程所形成的重组图像,在与多个已知样品图像进行比较,而寻找出可能的信息。该方法4首先以步骤40,提供一数据库,该数据库内建立有多个已知标准样品图像。如图9A所示,该图为已知样品图像大小示意图。该已知样品图像5的大小以使用者需要而定,例如:130(pixels)×130(pixels),但不以此为限。在该已知样品图像5内的像素上形成标准图像区域50。该标准图像区域50由多个像素500与501所构成,以形成该已知样品图像所要代表的字符、数字、文字或者是图案。请参阅图9B所示,在本实施例中以数字1来作说明,利用在该已知样品图像5区域内给予每一个像素500与501适当的灰度值以形成标准图像区域50,而勾勒出数字1的外形。然后在该标准图像区域50内决定特定的像素501(斜线区域的像素)以给予特定的权值。灰度值、权值的大小可根据需要而定并无一定限制,也就是说每一个权值大小可以不相同或者是相同,在本实施例中该权值为正值。前述该标准图像区域50内的每一个像素500与501所具有的灰度值以及权值即为该第一特征值。
如图9C所示,在该已知样品图像内决定非标准图像区域51。所谓非标准图像区域51是表示该标准图像区域50所形成的文字容易被误认的文字内容。例如,数字”1”在图像中容易被误认为英文字母”I”或者是”L”甚至是字母”E”等。因此对于可能造成被误认的相关像素位置510(点区域的像素)及给予适当的灰度值以及权值以作为对应像素510的第二特征值。在本实施例中,构成该非标准图像区域51的像素510位置可根据该标准图像区域50容易被误认的字符、数字或文字等来决定,并无一定的规则。而灰度值与权值的大小可根据需要而定,本实施例中,该非标准图像区域内51的权值为负值。
如图9D所示,该图为另一已知标准图像示意图。该图为根据数字0所建立的已知样品图像5a。该已知样品图像5a也同样具有一标准图像区域以及一非标准图像区域。该标准图像区域中的每一个像素所构成的图案即为数字”0”。同样地,该非标准图像区域中的每一个像素所构成的图案,则代表数字”0”容易被误认的文字,例如:字母”Q”或数字”8”。至于建立已知标准图像的非标准区域的方式,可利用图像软件,例如:小画家来处理,但不以此为限。前述为本发明所谓标准图像的产生过程,根据前述的方式依序建立不同文字或数字所代表的已知样品图像,例如:0~9、A~Z以及a~z等,存入数据库内。
再回到图8所示,接着进行步骤41,在重组图像中撷取一特征图像。例如:以图10A为例,重组图像95(本实施例为图6B的图像)中的每一个未辨识的文字所对应的区域即为该特征图像。在步骤41中,所撷取的特征图像96为该车辆识别信息的第一码文字。然后进行步骤42将该特征图像中每一个像素的第三特征值分别与在数据库中该多个已知样品图像中每一个像素所对应的第一特征值或第二特征值进行演算以得到该特征图像对应该多个已知样品图像所分别具有的相似度值。
请参阅图10B所示,该图为特征图像96示意图。利用该特征图像即可与每一个已知样品图像进行演算而得到对应的相似度值Cuv。该演算方式为规一化相关比对法,但不以此为限,该规一化相关比对法的演算式如下式(1)所示。规一化相关比对法(normalized correlation matching)主要是计算特征图像和与已知样品图像间的关系,将每个图像中之内灰度值的标准偏差视为一向量在与权值进行乘积,用以决定何者为最佳的匹配位置,标准化互相关系数介于-1到1之间,越接近于1表示相似性越高;当Cuv为最高时,其为最佳匹配位置。
其中,ui为该已知标准图像中的每一个像素所具有的灰度值,vi为该特征图像中的每一个像素所具有的灰度值。u为该已知标准图像中所有像素所具有的灰度平均值,v为该特征图像中所有像素的灰度平均值。wi为该已知样品图像中标准图像区域中以及非标准图像区域中像素所代表的权值,至于其他区域的像素其权值为1。
根据式(1)将图10B的每一像素与已知样品图像的每一像素进行演算。例如:将图10B的图像与图9C的已知样品图像(代表数字1)以及图9D的已知样品图像(代表数字0)分别进行演算,即可得到图10B的特征图像关于图9C与图9D的相似度值Cuv。再回到图8所示,得到相似度值之后,再以步骤43与44将重组图像95中的所有文字逐一撷取成特征图像,然后重复步骤42进行比对。接着以步骤45汇整关于该特征图像与该多个已知样品图像比对所产生的多个相似度值。在本步骤中,可以对相似度值进行排序,由可能性最高的辨识结果排序至最低的结果。最后再以步骤46将该多个相似度值排序输出可能的多种辨识比对结果,以图3B的识别信息具有七码,因此经过辨识方法4的流程之后,即可得到如图11的排序结果。在图11中,总共输出了四种可能的结果,每一种可能结果代表车牌内容可能的字符组合。第一种可能结果的每一码所具有的相似度最高,然后依序排列形成第二、第三以及第四种可能的结果。以第一可能结果为例,经过分析出来的可能车牌为6095-0A,其中第1码”6”其经过演算后的相似度为72,第2码”0”其经过演算后的相似度为52,第3码”9”其经过演算后的相似度为67,第4码”5”其经过演算后的相似度为72,第5码为”-”,第6码”O”其经过演算后的相似度为63,第7码”A”其经过演算后的相似度为76。当然,使用者也可以根据图11的结果,再根据目视该待辨识图像,自行决定出其他可能的车牌号码组合以供相关单位进行确认。
在比对过程中,还可以根据不同种类的识别号码组合事先排除不可能的字符。例如:在一实施例中,识别号码的组合可能是四码数字与两码英文字母的组合(如图3A所示),而在四码数字与两码英文之间有一个”-“符号为区隔。在另一种辨识号码组合中可以是两码英文字母与四码数字的组合,而在前四码数字与后两码字母之间以符号”-“做区隔。由于在本实施例中,已经可以归纳有两种车牌的组合,因此可以根据该特征图像于该识别号码中的相对位置,事先排除不可能字符或数字的图像,以增加比对的速度。
请参阅图12所示,该图为本发明的图像辨识与输出系统示意图。该系统6可以执行前述图1、图5与图8的流程,以进行图像辨识与输出。该系统6包括有数据库60、图像处理单元61、辨识输出单元输出62、多个图像撷取单元63以及图像输入单元64。该数据库60,其内建立有多个已知样品图像,其如同前面所述,在此不作赘述。该多个图像撷取单元63,其与该图像处理单元61电连接,每一个图像撷取单元63可撷取物体的图像而将该图像传递至该图像处理单元61内进行辨识处理。在本实施例中,该图像撷取单元63可撷取关于该物体的动态或者是静态的图像。该图像上具有可提供识别该载具的一识别区域,该识别区域内具有识别信息。该图像撷取单元为CCD或者是CMOS等图像撷取元件,但不以此为限。该物体可为载具,其、具有识别号码,例如:车辆的车牌号码。另外,该物体也可直接为文字、字符、数字或者是前述的任意组合。
该图像输入单元64接收该图像撷取单元63所产生的多张图像而传输至该图像处理单元61。该图像处理单元61内具有特征撷取单元610、重组单元611、强化单元612以及辨识比对单元613。该特征撷取单元610其撷取标准图像内所具有的一兴趣区域内所具有的特征以及根据撷取的特征在其他图像中撷取对应该兴趣区域的特征区域。该标准图像的产生方式是由该多张图像中选取一张而得到的。随后,该重组单元611根据该多个特征区域以及该兴趣区域进行图像重组程序以形成重组图像。形成重组图像的方式如图1以及图5所示,在此不作赘述。该强化单元612还可对该重组图像进行图像强化的动作以强化该重组图像的对比或亮度或边缘特征。
该辨识比对单元613,其与该强化单元612相耦接,以辨识该重组图像,该辨识比对单元613利用图8的流程将每一个特征图像中的每一个像素分别与该多个已知样品图像中每一个像素进行演算以得到该特征图像对应该多个已知样品图像所分别具有的相似度值,再汇整关于该特征图像与该多个已知样品图像比对所产生的多个相似度值。该输出单元62,其与该运算处理单元61电连接,以输出该运算处理单元61辨识的结果。
以上所述仅为本发明的实施例,当不能以之限制本发明范围。即大凡依本发明权利要求所做的均等变化及修饰,仍将不失本发明的要义所在,也不脱离本发明的精神和范围,故都应视为本发明的进一步实施状况。
综合上述,本发明提供的图像处理与辨识方法以及图像撷取与辨识系统,由于具有提高辨识效率以及准确度的效果。因此已经可以提高该产业的竞争力以及带动周遭产业的发展,诚已符合发明专利法所规定申请发明所需具备的要件,故依法呈提发明专利之申请,谨请贵审查委员允拨时间惠予审视,并赐准专利为祷。
Claims (18)
1.一种重组多张图像方法,包括有下列步骤:
取得多张图像;
在该多张图像中的一张图像选择兴趣区域以及撷取该兴趣区域的特征;
根据撷取的特征在其他图像中撷取对应该兴趣区域的多个特征区域;以及
根据该多个特征区域以及该兴趣区域进行图像重组程序以形成重组图像,其中该图像重组程序包括有对该多个特征区域以及兴趣区域内相对应的像素进行运算以及组合运算后形成该重组图像,
其中该运算的方式包括有下列步骤:
对该多张图像进行规一化处理;
分别对该多个特征区域以及兴趣区域内的像素进行反转运算;
将该多个特征区域以及兴趣区域内相互对应的像素相加以形成该重组图像;以及
该重组图像进行反转运算。
2.如权利要求1所述的重组多张图像方法,其还包括有对该重组图像进行图像强化处理的步骤。
3.一种重组多张图像方法,包括有下列步骤:
取得多张图像;
在该多张图像中的一张图像选择兴趣区域以及撷取该兴趣区域的特征;
根据撷取的特征在其他图像中撷取对应该兴趣区域的多个特征区域;以及
根据该多个特征区域以及该兴趣区域进行图像重组程序以形成重组图像,其中该图像重组程序包括有对该多个特征区域以及兴趣区域内相对应的像素进行运算以及组合运算后形成该重组图像,
其中该运算的方式包括有下列步骤:
对该多张图像进行规一化处理;
对该多张图像中的特征区域进行平均值演算以得到重组图像。
4.如权利要求3所述的重组多张图像方法,其还包括有对该重组图像进行长条图等化处理的步骤。
5.如权利要求1或3所述的重组多张图像方法,选择该兴趣区域的方式为在多张图像中决定其中一张图像为标准图像,再从该标准图像中选择一个区域作为该兴趣区域。
6.一种图像辨识方法,包括有下列步骤:
取得多张图像;
在该多张图像中的一张图像选择兴趣区域以及撷取该兴趣区域的特征;
根据撷取的特征在其他图像中撷取对应该兴趣区域的多个特征区域;根据该多个特征区域以及该兴趣区域进行一图像重组程序以形成重组图像,其中该图像重组程序包括有对该多个特征区域以及兴趣区域内相对应的像素进行运算以及组合运算后形成该重组图像;以及
辨识该重组图像,
其中该图像重组程序中的运算的方式包括有下列步骤:
对该多张图像进行规一化处理;
分别对该多个特征区域以及兴趣区域内的像素进行反转运算;
将该多个特征区域以及兴趣区域内相互对应的像素相加以形成该重组图像;以及
该重组图像进行反转运算。
7.如权利要求6所述的图像辨识方法,其中辨识该重组图像还包括有下列步骤:
在该重组图像内撷取至少一个特征图像;
提供数据库,其内具有多个已知样品图像,每一个已知样品图像分别具有一个标准图像区域以及至少一个非标准图像区域,其中该标准图像区域内的像素分别具有对应的第一特征值,而该非标准图像区域内的像素则分别对应有第二特征值;
将每一个特征图像中的每一个像素的第三特征值分别与该多个已知样品图像中每一个像素所对应的第一特征值或第二特征值进行演算以得到该特征图像对应该多个已知样品图像所分别具有的相似度值;
汇整关于该特征图像与该多个已知样品图像比对所产生的多个相似度值;以及
将该多个相似度值排序输出可能的多种辨识比对结果。
8.如权利要求7所述的图像辨识方法,其中该演算为规一化相关比对法。
9.如权利要求7所述的图像辨识方法,其中在该图像中撷取特征图像之后进行比对之前还包括有将该特征图像进行规一化以调整该特征图像的尺寸大小以及角度,使得该特征图像的大小与该已知样品图像的大小一致的步骤。
10.如权利要求7所述的图像辨识方法,其中每一已知样品图像是对应到数字或者是字符的图像。
11.如权利要求7所述的图像辨识方法,其中该第一特征值与该第二特征值分别为权值与灰度值的组合,该第三特征值为灰度值。
12.如权利要求6所述的图像辨识方法,其中该重组图像内具有关于一载具上的辨识号码的信息。
13.一种图像辨识方法,包括有下列步骤:
取得多张图像;
在该多张图像中的一张图像选择兴趣区域以及撷取该兴趣区域的特征;
根据撷取的特征在其他图像中撷取对应该兴趣区域的多个特征区域;根据该多个特征区域以及该兴趣区域进行一图像重组程序以形成重组图像,其中该图像重组程序包括有对该多个特征区域以及兴趣区域内相对应的像素进行运算以及组合运算后形成该重组图像;以及
辨识该重组图像,
其中该图像重组程序中的运算的方式包括有下列步骤:
对该多张图像进行规一化处理;
对该多张图像中的特征区域进行平均值演算以得到重组图像。
14.如权利要求13所述的图像辨识方法,其还包括有对该重组图像进行长条图等化处理的步骤。
15.一种图像撷取与辨识系统,包括:
图像输入单元,其提供输入多张图像;
图像处理单元,其与该图像输入单元耦接,该图像处理单元还具有:
特征撷取单元,其撷取在该多张图像中的一张图像内所具有的兴趣区域内所具有的特征以及根据撷取的特征在其他图像中撷取对应该兴趣区域的多个特征区域;以及
重组单元,根据该多个特征区域以及该兴趣区域进行图像重组程序以形成重组图像,该重组单元对该多个特征区域以及兴趣区域内相对应的像素进行运算以及组合运算后形成该重组图像,
其中该重组单元对该多张图像进行规一化处理,分别对该多个特征区域以及兴趣区域内的像素进行反转运算,将该多个特征区域以及兴趣区域内相互对应的像素相加以形成该重组图像,并且该重组图像进行反转运算。
16.如权利要求15所述的图像撷取与辨识系统,其中该图像处理单元还具有:
数据库,其存储有多个已知样品图像,每一个已知样品图像分别具有一个标准图像区域以及至少一个非标准图像区域,其中该标准图像区域内的像素分别具有对应的第一特征值,而该非标准图像区域内的像素则分别对应有第二特征值;以及
辨识比对单元,其与该重组单元相耦接,以辨识该重组图像,该辨识比对单元将每一个特征图像中的每一个像素分别与该多个已知样品图像中每一个像素进行演算以得到该特征图像对应该多个已知样品图像所分别具有的相似度值,再汇整关于该特征图像与该多个已知样品图像比对所产生的多个相似度值。
17.如权利要求16所述的图像撷取与辨识系统,其中该图像处理单元还连接有输出单元,其将该多个相似度值排序输出可能的多种辨识比对结果。
18.如权利要求15所述的图像撷取与辨识系统,其中该重组单元还耦接有强化单元,以强化该重组图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910138242 CN101882224B (zh) | 2009-05-08 | 2009-05-08 | 重组多张图像与辨识方法以及图像撷取与辨识系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910138242 CN101882224B (zh) | 2009-05-08 | 2009-05-08 | 重组多张图像与辨识方法以及图像撷取与辨识系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101882224A CN101882224A (zh) | 2010-11-10 |
CN101882224B true CN101882224B (zh) | 2013-07-10 |
Family
ID=43054236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200910138242 Active CN101882224B (zh) | 2009-05-08 | 2009-05-08 | 重组多张图像与辨识方法以及图像撷取与辨识系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101882224B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103076003A (zh) * | 2012-12-25 | 2013-05-01 | 中国科学院长春光学精密机械与物理研究所 | 一种基于电子图像处理器的图像序列位移矢量测量装置 |
CN105631425B (zh) * | 2015-12-29 | 2020-04-07 | 厦门科拓通讯技术股份有限公司 | 基于视频流的车牌识别方法、系统及智能数字摄像机 |
CN112380889A (zh) * | 2020-11-04 | 2021-02-19 | 中微(杭州)智能制造科技有限公司 | 交叉带分拣设备的货品标签图像处理系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1268234A (zh) * | 1997-07-14 | 2000-09-27 | 贝斯系统公司 | 自动验证对象的身份的系统和方法 |
CN201159903Y (zh) * | 2008-03-14 | 2008-12-03 | 北京信路威科技发展有限公司 | 一种车牌识别装置 |
-
2009
- 2009-05-08 CN CN 200910138242 patent/CN101882224B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1268234A (zh) * | 1997-07-14 | 2000-09-27 | 贝斯系统公司 | 自动验证对象的身份的系统和方法 |
CN201159903Y (zh) * | 2008-03-14 | 2008-12-03 | 北京信路威科技发展有限公司 | 一种车牌识别装置 |
Also Published As
Publication number | Publication date |
---|---|
CN101882224A (zh) | 2010-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI384408B (zh) | 影像辨識以及輸出方法與其系統 | |
CN101859382B (zh) | 一种基于最大稳定极值区域的车牌检测与识别的方法 | |
TWI381321B (zh) | 重組多張影像與辨識方法以及影像擷取與辨識系統 | |
Silva et al. | Automatic detection of motorcyclists without helmet | |
CN102708356B (zh) | 一种基于复杂背景下的车牌自动定位和识别方法 | |
Abdullah et al. | YOLO-based three-stage network for Bangla license plate recognition in Dhaka metropolitan city | |
CN107103317A (zh) | 基于图像融合和盲反卷积的模糊车牌图像识别算法 | |
CN102509112A (zh) | 车牌识别方法及其识别系统 | |
Zheng et al. | Accuracy enhancement for license plate recognition | |
CN105740886B (zh) | 一种基于机器学习的车标识别方法 | |
CN101706873A (zh) | 数字类限制标志的识别方法和装置 | |
CN102043945A (zh) | 基于车辆实时跟踪和二进指数分类车牌字符识别的方法 | |
CN106709530A (zh) | 基于视频的车牌识别方法 | |
Park et al. | Real-time signal light detection | |
CN101882219B (zh) | 图像辨识以及输出方法及其系统 | |
Mammeri et al. | North-American speed limit sign detection and recognition for smart cars | |
Owamoyo et al. | Number plate recognition for Nigerian vehicles | |
CN112115800A (zh) | 一种基于深度学习目标检测的车辆组合识别系统及方法 | |
CN101882224B (zh) | 重组多张图像与辨识方法以及图像撷取与辨识系统 | |
Chiang et al. | Road speed sign recognition using edge-voting principle and learning vector quantization network | |
Al Nasim et al. | An automated approach for the recognition of bengali license plates | |
CN101814127B (zh) | 图像辨识与输出方法以及其系统 | |
Amin et al. | An automatic number plate recognition of Bangladeshi vehicles | |
Kodwani et al. | Automatic license plate recognition in real time videos using visual surveillance techniques | |
Cyganek | Real-time detection of the triangular and rectangular shape road signs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |