Nghiên cứu giải thuật xử lý ảnh ứng dụng cho quản lý xe máy

Nhận dạng ký tự trên biển xe gần tươngđồng với nhận dạng ký tự chữ in.Hệ thống tự nhận dạng biển số xe qua các quy trình như sau: Thu nhận ảnh và tiền xử lý: Quá trình thu nhận ảnh trong

MỤC LỤC

1 TỔNG QUAN Trang 3

2 MỤC TIÊU VÀ CÁC NỘI DUNG NGHIÊN CỨU Trang 5 2.1 Mục tiêu nghiên cứu Trang 5 2.2 Nội dung nghiên cứu Trang 6 2.2.1 Thu nhận ảnh và tiền xử lý Trang 6 2.2.2 Kỹ thuật nhận dạng vùng chứa biển số xe Trang 6 2.2.3 Tách các ký tự Trang 6 2.2.4 Kỹ thuật nhận dạng ký tự Trang 7

3 QUÁ TRÌNH THỰC HIỆN CÁC NỘI DUNG Trang 7 3.1 Nghiên cứu, tìm hiểu công dụng của các phần mềm hiện có Trang 7 3.2 Nghiên cứu kỹ thuật xử lý ảnh biển số xe Trang 9 3.2.1 Thu nhận ảnh và tiền xử lý Trang 9 3.2.1.1 Đưa ảnh về ảnh xám Trang 10 3.2.1.2 Tăng độ tương phản của ảnh xám Trang 10 3.2.1.3 Lọc trung vị Trang 10 3.2.1.4 Chuyển ảnh về dạng nhị phân Trang 11 3.2.1.5 Lọc trung vị để khử nhiễu lần 2 Trang 11 3.2.1.6 Phép toán hình thái giãn và co Trang 11 3.2.2 Kỹ thuật nhận dạng vùng chứa biển số xe Trang 12 3.2.3 Tách các ký tự Trang 14 3.2.4 Xoay vùng biển số và cắt phần dư Trang 14 3.2.5 Nhị phân ngược Trang 15 3.2.6 Nhận dạng ký tự Trang 15 3.3 Các công thức sử dụng trong phần nghiên cứu giải thuật Trang 16 3.3.1 Đưa ảnh về ảnh xám Trang 16 3.3.2 Tăng độ tương phản của ảnh xám Trang 16 3.3.3 Lọc trung vị Trang 17

3.3.4 Công thức nhị phân hoá ảnh và thuật toán Ostu tìm ngưỡng T

Trang 17 3.3.5 Phép toán hình thái giãn và co Trang 18 3.3.6 Phương pháp dò biên theo toán tử Laplace Trang 18 3.3.7 Phép quay hình học Trang 20 3.3.8 Nhị phân ngược Trang 20 3.3.9 Kỹ thuật nhận dạng ký tự Trang 21

4 KẾT QUẢ VÀ SẢN PHẨM ĐÃ ĐẠT ĐƯỢC Trang 30 4.1 Kết quả thử nghiệm Trang 30 4.1.1 Tiền xử lý ảnh Trang 30 4.1.2 Nhận dạng vùng chứa biển sổ Trang 33 4.1.3 Tách ký tự biển số Trang 33 4.2 Độ chính xác Trang 36 4.3 Thời gian học mẫu Trang 36

5 XÂY DỰNG ỨNG DỤNG QUẢN LÝ Trang 37 5.1 Giao diện chính của chương trình Trang 37 5.2 Giao diện phần quản lý xe vào Trang 37 5.3 Giao diện phần quản lý xe ra Trang 38 5.4 Giao diện phần quản lý của admin Trang 39

6 KẾT LUẬN VÀ KIẾN NGHỊ Trang 41 PHỤ LỤC HÌNH ẢNH Trang 42 TÀI LIỆU THAM KHẢO Trang 44

1 TỔNG QUAN

Hiện nay, Việt Nam là một trong những nước có số lượng xe sử dụng khá lớn

do đó việc ứng dụng các hệ thống thông minh nhằm mang lại hiệu quả cao trong việcquản lý xe máy ngày càng được quan tâm và đầu tư phát triển như các hệ thống quản

lý bãi đỗ xe bằng thẻ từ và hệ thống thu phí tự động, hệ thống xử phạt xe vi phạm giao

các tòa nhà chung cư cao tầng, BigC , CoopMart

Nguyên tắc hoạt động của chúng như sau: đầu tiên camera ghi hình biển số xe

và lưu vào cơ sở dữ liệu, tiếp đó một thẻ từ được quẹt qua đầu đọc và chứa thông tinhình ảnh của biển số xe vừa chụp Thẻ từ này được giao cho người gửi xe Khi lấy xe

ra, người gửi xe quẹt thẻ qua đầu đọc, mã số thẻ sẽ được so sánh và hiện hình ảnhchụp biển số xe trước đó, hệ thống sẽ so sánh xem biển số xe đã lấy ra và biển số xelúc gửi trong cơ sở dữ liệu có trùng nhau không, nếu trùng thì cho qua, nếu khôngtrùng thì yêu cầu dừng lại

Hình 1:Quy trình hoạt động của hệ thống

Liên quan đến lĩnh vực nghiên cứu của đề tài nhóm các nhà nghiên cứu thuộcKhoa công nghệ thông tin - Đại học Hàng Hải VN cũng đã có nghiên cứu về nhậndạng vùng biển số trong mô hình không giới hạn vùng biển dựa trên lược đồ

Histogram và phương pháp hình thái học Nhận dạng ký tự trên biển xe gần tươngđồng với nhận dạng ký tự chữ in.

Hệ thống tự nhận dạng biển số xe qua các quy trình như sau:

Thu nhận ảnh và tiền xử lý: Quá trình thu nhận ảnh trong hệ thống được thực

hiện tự động thông qua một camera giám sát, ảnh thu được có thể chia làm 2 dạng làchỉ chụp vùng biển và bao gồm biển cùng một phần của đuôi xe Ảnh cần được xử lýtrước khi nhận dạng bằng cách đưa ảnh về ảnh xám sau đó tăng độ tương phản để phânbiệt rõ vùng nền và vùng ký tự rồi được khử nhiễu thông qua bộ lọc trung vị hoặcGauss

Kỹ thuật nhận dạng vùng chứa biển số xe: Kỹ thuật này được các nhà khoa

học sử dụng 3 phương pháp chính để giải quyết Đó là phương pháp hình thái học Morphology; Phương pháp phép biến đổi Hough và Phương pháp phát hiện biênHeuristic

-Tách các ký tự: Ảnh vùng biển số cần được đưa về cùng độ phân giải để thực

hiện việc xóa biên nếu có, tiếp theo nhị phân ảnh và lọc nhiễu để loại bỏ bớt các đốitượng Các nhà khoa học thuộc ĐH HHVN đã xem xét trên phương pháp hình thái học

và lược đồ Histogram

Kỹ thuật nhận dạng ký tự: Phương pháp phổ biến nhất để nhận dạng ký tự là

sử dụng mạng nơ ron tức là huấn luyện cho máy tính để nhận dạng các ký tự Tuynhiên do số lượng ký tự trên biển số là không nhiều và có hình dạng gần như chữ innên có thể sử dụng phương pháp cấu trúc kết hợp với đối sánh để nhận dạng

Như vậy thuật toán tìm vùng chứa biển số được thực hiện qua hai giai đoạn làlọc thô và lọc tinh Lọc thô là tìm các vùng ảnh thỏa mãn điều kiện về Histogram củavùng biển số xe Lọc tinh là giai đoạn xác định các vùng đã thu được lọc thô dựa vàođiều kiện về hình thái học vùng biển để tìm vùng thích hợp nhất Cuối cùng sẽ mởrộng vùng thu được nhằm lấy được toàn bộ vùng biển và tiến hành việc cách ly ký tự.Xây dựng thuật toán nhận dạng ký tự số kết hợp giữa các phương pháp nhận dạng dựavào nhận dạng theo cấu trúc, đặc điểm hình chiếu ngang - dọc Để tăng tính tin cậycho hệ thống, kết quả được kiểm chứng lại bằng thuật toán đối sánh ký tự

2 MỤC TIÊU VÀ CÁC NỘI DUNG NGHIÊN CỨU

2.1 Mục tiêu nghiên cứu

Hệ thống giữ xe tại trường Đại học Giao thông vận tải đang sử dụng hệ thốngphiếu quản lý truyền thống đó là sử dụng phiếu giữ xe dựa trên bảng số xe Cáchlàm này có rất nhiều hạn chế:

• Mất thời gian ghi phiếu, gây ùn tắc xe tại thời gian cao điểm

• Mất nhiều nhân công cho việc quản lý giám sát phiếu giữ xe từ khi in ấn chođến lúc sử dụng

• Giấy giữ xe mỏng rất dễ hư hại mất mát

• Tốn nhiều công đoạn cho việc ghi phiếu giữ xe theo từng ngày

• Khi lượng xe ra vào tập trung đông dễ gây ra tình trạng làm giả phiếu

Với cách này nhà trường phải thuê một nhóm nhân viên chuyên trách để trực vàgiữ xe Họ quan sát xe vào ghi số xe và giao thẻ cho khách, quan sát xe ra và thuhồi thẻ xe Điều này rất tốn nhân công, nếu làm việc căng thẳng thì có thể dẫn đếnsai sót, thẻ xe có thể bị hỏng hoặc mất, khó khăn trong việc làm việc với khách khikhách làm mất thẻ xe Ở những giờ cao điểm, lưu lượng xe cộ và người ra vào rarất đông, thao tác bằng tay lại rất chậm có thể dẫn đến nhầm lẫn hoặc sơ suất trongkhâu soát vé gây tổn thất cho nhà trường

Do vậy, đề tài sẽ tập trung nghiên cứu cải tiến các giải thuật nhận dạng bảng số

xe và xây dựng ứng dụng hệ thống nhận dạng bảng số xe phục vụ cho việc quản lý

xe máy tại trường

Với hệ thống này, việc quản lý giữ xe sẽ được thực hiện một cách hoàn toàn tựđộng, giảm thiểu tối đa sai sót trong quá trình làm việc Tăng năng suất làm việccủa nhân viên trông giữ, thay vì phải có một nhóm thì khi sử dụng phần mềm chỉcần một nhân viên thao tác là có thể điều khiển các luồng xe ra vào một cách dễdàng và chính xác

Với mục tiêu trên, nhóm tập trung nghiên cứu các vấn đề sau:

• Nghiên cứu các giải thuật xử lý ảnh bảng số xe

• Nghiên cứu mạng nơron lan truyền ngược.

• Nghiên cứu cải tiến giải thuật xử lý ảnh bảng số xe

• Nghiên cứu và viết ứng dụng phần mềm quản lý giữ xe

• Áp dụng những nghiên cứu và ứng dụng vào việc quản lý xe của nhà trường

2.2.Nội dung nghiên cứu

2.2.1 Thu nhận ảnh và tiền xử lý

Quá trình thu nhận ảnh trong hệ thống được thực hiện tự động thông quamột camera giám sát, ảnh thu được bao gồm biển cùng một phần của đuôi xe Ảnh cần được xử lý trước khi nhận dạng bằng cách đưa ảnh về ảnh xám sau đó tăng độ tương phản để phân biệt rõ vùng nền và vùng biển số xe rồi được khử nhiễu thông qua bộ lọc trung vị Tiếp theo ảnh được chuyển về dạng nhị phân rồi được lọc lại trung vị thêm 1 lần nữa nhằm mục đích khử nhiễu lần 2 Sau đó

sử dụng phép toán hình thái dãn và co để loại bỏ triệt để những điểm đen gây nhiễu

2.1.2 Kỹ thuật nhận dạng vùng chứa biển số xe

Nhóm nghiên cứu sử dụng phương pháp chính để giải quyết là phương pháp gán nhãn cho các thành phần liên thông và lấy thành phần liên thông theo điều kiện phù hợp để tách vùng chứa biển số xe

• Sau đó nhị phân ngược biến các điểm ảnh trắng thành đen và ngược lại

nhằm mục đích xử lý biển số

đồ chiếu ngang của ảnh nhị phân ngược mà ta vừa biến đổi

Sau đó tách từng ký tự dựa theo lược đồ chiếu dọc của các vùng ngang

mà ta tách ở trên Sử dụng một số điều kiện để nâng cao khả năng lấy vùng ký

tự Cuối cùng thay đổi kích thước ảnh về 7x17 (pixel)

2.1.4 Kỹ thuật nhận dạng ký tự

Phương pháp phổ biến nhất để nhận dạng ký tự là sử dụng mạng nơrontức là huấn luyện cho máy tính để nhận dạng các ký tự

3 QUÁ TRÌNH THỰC HIỆN CÁC NỘI DUNG

3.1 Nghiên cứu, tìm hiểu công dụng của các phần mềm giữ xe hiện có

Với nhu cầu cấp thiết trong việc quản lý xe máy trong những khu vực lớn,nhiều phần mềm giải pháp của các công ty đã ra đời Trong bài giới thiệu này,nhóm xin được giới thiệu phần mềm Mắt Thần 2.0 của Công ty cổ phần PT và CGcông nghệ Mắt Thần Đạt giải Nhân Tài Đất Việt 2009 và Trí Tuệ Việt Nam 2006.Các tính năng của Mắt Thần 2.0:

Các tính năng an ninh an toàn xe gửi

• Cảnh báo xe vào gửi sử dụng thẻ không đăng ký (thẻ giả)

• Cảnh báo biển số xe ra khác biển số xe vào trên cùng thẻ gửi xe

• Cảnh báo xe vào gửi trùng với biển số xe đang gửi trong bãi

• Cảnh báo tình huống sử dụng 1 thẻ để gửi nhiều xe

• Cảnh báo xe vào gửi không đúng biển số đăng ký

• Cảnh báo thẻ gửi xe hết hạn và sắp hết hạn thuê bao

Các chức năng hỗ trợ xử lý các tình huống mất thẻ, mất xe:

• Các chức năng tìm kiếm trong CSDL theo các tùy chọn tìm kiếm: biển số xe(một phần biển số xe), số thẻ, khoảng thời gian

• Tìm kiếm trong video hộp đen

• Kết quả tìm kiếm bao gồm cả thông tin hình ảnh biển số xe, ảnh xe, ảnh mặtngười vào gửi xe, ảnh mặt người mang xe ra khỏi bãi, ngày giờ…

Quản lý tính phí

• Tính phí gửi xe theo lượt

• Tính phí gửi xe theo block

• Tính phí gửi xe theo công thức riêng của nhà quản lý

• Tùy chọn tự động in biên lai phí gửi xe khi xe ra

Kết xuất báo cáo thống kê

• Báo cáo thống kê doanh thu phí gửi xe theo thời gian, theo ca…

• Báo cáo thống kê tình hình xe vào/ra theo phân loại xe, theo thời gian…

• Báo cáo thống kê theo yêu cầu riêng của nhà quản lý

Nhận dạng biển số xe

• Tùy chọn chỉ nhận dạng biển số xe máy hàng dưới (mục đích thao tác nhanh, đơn giản cho nhân viên bảo vệ)

• Tùy chọn nhận dạng cả hàng trên biển số xe máy

• Tùy chọn chỉ nhận dạng hàng trên biển số xe máy một khi hàng trên còn nhận dạng được

• Nhận dạng đầy đủ thông tin biển số ô tô (nhận dạng được mọi loại hình biển số

ô tô Việt Nam đang lưu hành)

Tính năng hộp đen

• Lưu dữ liệu hộp đen nguyên bản

• Lưu dữ liệu hộp đen kèm thông tin quẹt thẻ, nhận dạng

• Lưu dữ liệu hộp đen kèm đầy đủ thông tin

Trích vùng chứa biển số Cách ly các ký tự

Nhận dạng ký tự

Xử lý kết quả Ảnh đầu vào

• Quẹt thẻ cho xe ra khi mất kết nối đến server

• Cho xe ra sử dụng thông tin lưu trong thẻ

• Đồng bộ lại dữ liệu xe ra trong khoảng thời gian hệ thống gặp sự cố

• Cơ chế backup và đồng bộ đảm bảo an toàn dữ liệu

Việc nghiên cứu tìm hiều chức năng của các phần mềm hiện đang có trên thịtrường nhằm mục đích làm cho phần mềm ứng dụng của nhóm nghiên cứu sẽ đápứng được đầy đủ các chức năng cần thiết và đảm bảo không bị lỗi thời so vớinhững phần mềm đó

3.2 Nghiên cứu giải thuật xử lý ảnh biển số xe.

Yêu cầu của bài toán là áp dụng các thuật toán thích hợp tìm vùng chứa biển số,trích vùng biển số, cách li các kí tự trên biển số, từ đó máy tính có khả năng xử lí

và nhận dạng được Có thể tóm tắt yêu cầu của bài toán thành 3 bài toán chính:trích biển số xe, tách ký tự và xử lý các ký tự

Hình 2: Các yêu cầu bài toán tự động nhận dạng biển số xe

3.2.1 Thu nhận ảnh và tiền xử lý

Ảnh cần được xử lý trước khi nhận dạng bằng cách đưa ảnh về ảnh xámsau đó tăng độ tương phản để phân biệt rõ vùng nền và vùng biển số xe rồiđược khử nhiễu thông qua bộ lọc trung vị Tiếp theo ảnh được chuyển về dạng

nhị phân rồi được lọc lại trung vị thêm 1 lần nữa nhằm mục đích khử nhiễu lần

2 Sau đó sử dụng phép toán hình thái dãn và co để loại bỏ triệt để những điểmđen gây nhiễu

tương ứng Khi biếtđược thành phần 3 màu đỏ, xanh lá và xanh dương tại vị trí ( )x, y

bất kỳ, ta

có thể sử dụng công thức để chuyển ảnh màu sang ảnh xám

3.2.1 2 Tăng độ tương phản của ảnh xám

Bước tiếp sau khi chuyển về ảnh xám đó là “Tăng độ tương phản củaảnh xám”

Histogram là một đặc trưng quan trọng của ảnh, dựa vào tổ chức đồchúng ta có thể nhận dạng sơ về ảnh, có kết luận cơ bản về ảnh: ảnh sáng,tối, độ tương phản thấp, cao Để tăng độ tương phản, ta sử dụng phươngpháp trượt histogram về đầu nhằm giảm cường độ sáng của ảnh Sau đó tadãn tổ chức đồ để được ảnh có độ tương phản cao hơn

Lọc trung vị là phi tuyến vì:

Trungvi(x(m)+y(m)) ≠ trungvi(x(m)) + trungvi(y(m)).

Hữu ích cho việc loại bỏ các điểm ảnh hay các hàng mà vẫn bảo toàn độphân giải

Hiệu quả giảm đi khi số điểm nhiễu trong cửa sổ lớn hơn hay bằng mộtnửa số điểm trong cửa sổ

3.2.1 4 Chuyển ảnh về dạng nhị phân

Để chuyển ảnh về dạng nhị phân, ta sử dụng phương pháp phân ngưỡng.Đây là một phương pháp phân đoạn thông dụng nhằm biến một ảnh đa cấpxám thành ảnh nhị phân (chỉ có 2 màu đen và trắng) Quá trình biến đổi ảnh

đa cấp xám thành ảnh nhị phân (hay còn gọi là quá trình nhị phân hóa) Với

T là ngưỡng, các điểm ảnh trên ngưỡng T là đối tượng và các điểm ảnhdưới ngưỡng T là điểm nền

3.2.1 5 Lọc trung vị để khử nhiễu lần 2

Sau khi thực hiện nhị phân hoá ảnh thì xuất hiện nhiều nhiễu nên chúng

ta thực hiện lọc nhiễu Có rất nhiều phương pháp lọc nhiễu nhưng chúng ta

sử dụng kỹ thuật lọc trung vị vì kỹ thuật lọc trung vị sau khi thực hiện lọc

sẽ bảo toàn độ phân giải của ảnh

3.2.1 6 Phép toán hình thái dãn và co

Đây là một trong những kĩ thuật được áp dụng trong giai đoạn xử lý Haiphép toán thường dùng là Dilation và Enosion hay còn gọi là phép co vàdãn ảnh Từ hai phép toán cơ bản này người ta phát triển thành một số phéptoán như: đóng mở chúng được sử dụng rất nhiều để giảm các lỗi trong quátrình nhận dạng

Phép toán Dilation gọi là D(i): làm dầy

Enosion gọi là E(i): làm gầy

Các phép toán này thường ứng dụng trong nhận dạng ký tự và tách cácđối tượng với nhau, nối liền nét đứt

Một ứng dụng quan trọng của phép co nhị phân là dùng để loại trừ cácchi tiết không cần thiết trên hình ảnh Thí dụ, Trên một hình ảnh , ta có cácđối tượng có cỡ tương ứng 1,4,6 và 11 điểm ảnh, Bây giờ nếu muốn loại trừcác đối tượng nhỏ không cần thiết trên ảnh, chỉ để lại các đối tượng có kíchthước lớn, như trong hình vẽ đối tượng ta cần giữ lại là những đối tượng cókích thước 11 điểm ảnh Ta sẽ sử dụng phần tử cấu trúc có kích thước10x10 điểm ảnh để thực hiện phép co nhị phân (Erosion) Kết quả sẽ chỉ

còn lại 3 đối tượng có kích thước 1 điểm ảnh(Hình b) Sau đó để các đốitượng trở lại kích thước ban đầu ta sử dụng phép giãn nhị phân (Dilation)với phần tử cấu trúc có kích cỡ tương ứng (Hình c).

a) b) c)

Hình 3:Phép toán hình thái co và giãn

Quá trình thực hiện có thể được minh họa rõ ràng qua hình vẽ sau:

Hình 4: Ứng dụng của phép co ảnh dưới dạng số nhị phân.

Theo thứ tự từ trái sang phải:

Hình ảnh ban đầu  Hình ảnh quá trình co nhị phân trên đối tượng vớiphần tử cấu trúc 10x10, phần tử được tô đậm màu sẽ có giá trị 1 sau quátrình co nhị phân  Phóng to đối tượng và giá trị của đối tượng sau quátrình co nhị phân với phần tử cấu trúc 10x10

3.2.2 Kỹ thuật nhận dạng vùng chứa biển số xe

Kỹ thuật được nhóm nghiên cứu sử dụng chính để giải quyết là phươngpháp gán nhãn cho các thành phần liên thông và lấy thành phần liên thông theođiều kiện phù hợp Để phân tích các đối tượng trong ảnh, chúng ta cần phảiphân biệt được các đối tượng cần quan tâm với phần còn lại của ảnh Những đối

tượng này có thể tìm ra được nhờ các kỹ thuật phân đoạn ảnh, theo nghĩa táchphần tiền cảnh ra khỏi hậu cảnh trong ảnh Có thể hiểu phân vùng là tiến trìnhchia ảnh thành nhiều vùng, mỗi vùng chứa một đối tượng hay nhóm đối tượngcùng kiểu Và đối tượng của chúng ta đó là biển số xe Chính xác hơn, ở đâychúng ta muốn tách vùng biển số ra khỏi vùng ảnh có cả phần đuôi xe để xử lý.

Kỹ thuật nhận dạng biển số xe dựa trên thuật toán gán nhãn liên thông sẽgán cho mỗi thành phần liên thông của ảnh nhị phân một nhãn riêng biệt Nhãnthường là các số tự nhiên bắt đầu từ một đến tổng số các thành phần liên thông

có trong ảnh Giải thuật quét ảnh từ trái sang phải và từ trên xuống dưới Trongdòng thứ nhất của các pixel đen, một nhãn duy nhất được gán cho mỗi đườngchạy liên tục của pixel đen Với mỗi pixel đen của các dòng tiếp theo, các pixellân cận trên dòng trước và pixel bên trái được xem xét Nếu bất kì pixel lân cậnnào được gán nhãn, nhãn tương tự được gán cho pixel đen hiện thời, ngược lạinhãn tiếp theo chưa được sử dụng được chọn Thủ tục này được tiếp tục cho tớidòng cuối của ảnh

Lúc kết thúc tiến trình này, một thành phần liên thông có thể chứa cácpixel có các nhãn khác nhau vì khi chúng ta xem xét lân cận của pixel đen.Pixel đối với lân cận trái và những lân cận trong dòng trước có thể được gánnhãn một cách riêng biệt Một tình huống như vậy phải được xác định và ghilại Sau tiến trình quét ảnh, việc gán nhãn được hoàn tất bằng cách thống nhấtcác mâu thuẫn các nhãn và gán lại các nhãn chưa sử dụng

Sau khi gán nhãn các thành phần liên thông, ta lấy thành phần liên thông có tất

cả các điều kiện sau:

• 2500 pixel < Diện tích < 15000 pixel

• 95 pixel <Chiều rộng < 200 pixel

• 60 pixel < Chiều cao < 250 pixel

Các điều kiện này hợp thành cho ta được kết quả là vùng chứa biển số xe.

Hình 5: Ví dụ thuật toán gán nhãn liên thông

3.2.4 Xoay khung biển số và cắt phần dư.

Để tăng độ chính xác của lược đồ ngang trong việc tách biển số thành 2dòng ta phải xoay khung biển số theo độ nghiêng phù hợp Thuật toán Laplace

được sử dụng để lọc biên ảnh Sau đó sử dụng biên ảnh có được như là đầu vàocủa phương pháp Hough để lấy được độ nghiêng của biển số Có được gócnghiêng ta sử dụng phép tịnh tiến xoay để xoay ảnh.

Ý tưởng của cách tiếp cận này là: Biển số xe được bao bọc bởi đườngviền Do đó, có thể dùng phương pháp phát hiện biên, sau đó dùng phép biếnđổi Hough để trích những đoạn thẳng dọc, ngang tồn tại trong ảnh Sau đó lấyđoạn thẳng dài nhất có góc từ 800 đến 1000 Rút góc của đoạn thẳng đó vàdùng phép quay để quay hình biển số bị nghiêng với góc trên và tâm là tâm củabiển số

Sau khi xoay ảnh, xuất hiện vùng biên, ta sử dụng lược đồ chiếu ngang

và chiếu dọc của ảnh để cắt vùng biên đó

3.2.5 Nhị phân ngược

Đảo ngược công thức quy ước của quá trình nhị phân ta có quá trình nhịphân ngược Mục đích của quá trình nhị phân ngược là vì các thuật toán củachúng ta chỉ hoạt động trên nền đen

Dùng phép toán hình thái dãn và co để tách dòng biển số dựa trên lược

đồ chiếu ngang của ảnh nhị phân ngược mà ta vừa biến đổi

Sau đó tách từng ký tự dựa theo lược đồ chiếu dọc của các vùng ngang mà tatách ở trên Sử dụng một số điều kiện để nâng cao khả năng lấy vùng ký tự

Cuối cùng thay đổi kích thước ảnh về 7x17(px) ta được ảnh từng ký tựcủa biển số cần nhận dạng

3.2.6 Nhận dạng ký tự

Phương pháp phổ biến nhất để nhận dạng ký tự là sử dụng mạng nơ rontức là huấn luyện cho máy tính để nhận dạng các ký tự Mô phỏng hoạt độngcủa các nơ ron thần kinh, mạng nơ ron nhân tạo là hệ thống bao gồm nhiềuphần tử xử lý đơn giản (neuron) hoạt động song song Tính năng của hệ thốngnày tuỳ thuộc vào cấu trúc của hệ, các trọng số liên kết nơ ron và quá trình tínhtoán tại các nơ ron đơn lẻ Mạng nơ ron có thể từ dữ liệu mẫu và tổng quát hoádựa trên các dữ liệu mẫu học

3.3 Các công thức được sử dụng trong phần nghiên cứu giải thuật.

3.3.1 Đưa ảnh về ảnh xám

Trong phần tiền xử lý ảnh , bước đầu tiên ta phải chuyển ảnh màu từcamera sang dạng ảnh xám để có thể xử lý Đề chuyển ảnh màu sang ảnh xám

ta làm theo công thức:

O(x,y)= IR(x,y) * 0.287 + IG(x,y) * 0.599 + IB(x,y) * 0.114

Trong đó:

3.3.2 Tăng độ tương phản của ảnh xám

Để tăng độ tương phản, ta sử dụng phương pháp trượt tổ chức đồ về đầunhằm giảm cường độ sáng của ảnh Sau đó ta dãn tổ chức đồ để được ảnh có

độ tương phản cao hơn

Để dãn tổ chức đồ ta sử dụng công thức:

O(x,y) = I(x,y) x n (với n > 0)

Trong đó:

n < 1 : thu hẹp chân tổ chức đồ  giảm độ tương phản của ảnh

n > 1 : mở rộng chân tổ chức đồ  tăng độ tương phản của ảnh

Ở đây ta chọn n >1 để tăng độ tương phản của ảnh

Thuật toán lọc trung vị:

B1: với mỗi điểm ảnh I(x,y) ta lấy cửa sổ WxW

B2: sắp xếp các giá trị điểm ảnh trong vòng cửa sổ theo một trật tự

B3: tính Itv theo công thức ở trên

B4: hiệu chỉnh lại I(x,y)

3.3.4 Công thức nhị phân hoá ảnh và thuật toán Ostu tìm ngưỡng T.

Ta có công thức tổng quát cho quá trình nhị phân hóa như sau:

Với I(x,y) là ảnh kết quả; A(x,y) là ảnh nguồn

T là một nhân tố vô cùng quan trọng mang tính quyết định sự thành bạicủa thuật toán Để tính T ta dùng thuật toán Ostu, đây là tên một nhà nghiêncứu người Nhật đã nghĩ ra ý tưởng cho việc tính ngưỡng T một cách tự độngdựa vào giá trị điểm ảnh của ảnh đầu vào nhằm thay thế cho việc sử dụngngưỡng cố định Phương pháp này cho kết quả là mỗi ảnh khác nhau có mộtngưỡng tương ứng khác nhau bằng các bước xử lý như sau:

B1 Chọn một giá trị khởi tạo cho T (nên chọn giá trị mang tính công

thức, ví dụ T = (min + max) / 2, T = giá trị trung bình, tránhdùng các giá trị mang tính định lượng thiết lập cứng)

nhóm điểm ảnh: G1 chứa tất cả các điểm ảnh với giá trị(intensity) > T và G2 chứa các điểm ảnh với giá trị (intensity) <=T

thuộc G1 và G2

B5 Lặp lại bước 2 đến 4 cho tới khi nào giá trị chênh lệch giữa T củ

và T mới là không đáng kể (nhỏ hơn một giá trị cho trướcdeltaT) deltaT thường được sử dụng là sai số từ các phép tínhtoán trong quá trình xử lý Trong trường hợp này T được tính ở 4

sẽ có phép sai số là 1 / 2 * (giá trị đơn vị của điểm ảnh)

3.3.5 Phép toán hình thái dãn và co.

Phép giãn nhị phân của tập hợp A bởi tập hợp B là tồn tại các điểm wthuộc Z2 sao cho w là tổng của hai điểm tương ứng bất kỳ thuộc tập hợp A vàtập hợp B, định nghĩa này được mô tả qua công thức :

{ w Z | w2 , , }

Tổng quát hơn, nếu A là một hình ảnh và B là phần tử cấu trúc có tâmđiểm nằm trên hình ảnh A, khi đó phép giãn của hình ảnh A bởi phần tử cấutrúc B có thể được hiểu như quỹ tích của các điểm được phủ bởi phần tử cấutrúc B khi tâm điểm của B di chuyển trên cạnh của hình ảnh A

3.3.6 Phương pháp dò biên theo toán tử Laplace.

Dựa vào lược đồ xám của tập ảnh biển số, xác định được mức xám biếnđổi chậm, miền chuyển đổi mức xám có độ trải rộng Trong trường hợp nàyphương pháp dò biên sử dụng đạo hàm riêng bậc 2 hay toán tử Laplace là tối ưunhất

Toán tử Laplace được định nghĩa như sau:

2 2

2 2

dy

f dx

f x

x

f

,1,

,,

1,

,12

≈

∇

−+

−+

=

∇

y f

Toán tử Laplace dùng nhiều kiểu mặt nạ khác nhau để xấp xỉ rời rạc đạo hàmbậc 2 Dưới đây là 3 kiểu mặt nạ hay dùng:

1 4

1

0 1 0

1

1 8

1

1 1

2 5

2

1 2 1

= I(x+1, y+1)- I(x+1, y)

+ I(x+1, y+1)- I(x, y+1)

+ I(x+1, y+1)- I(x+2, y+1)

+ I(x+1, y+1) – I(x+1, y+2)

x

y x I y

y x I x

y x I y

∂

−

∂

++

y

y x I x

y x

I

∂

++

∂

−

∂

++

Ta có công thức tổng quát cho quá trình nhị phân ngược như sau:

Với I(x,y) là ảnh kết quả; A(x,y) là ảnh nguồn T là ngưỡng được tìm theo phương pháp Ostu

3.3.9 Kỹ thuật nhận dạng ký tự

 Tổng quan về nhận dạng

Nhận dạng là quá trình ánh xạ từ một đối tượng đầu vào sang một đốitượng khác theo một qui luật được đã được qui định từ trước Trong nghiêncứu này, đối tượng đầu vào là một hình ảnh nhị phân (ảnh chỉ có 2 màutrắng và đen) của ký tự (mà máy tính chưa “hiểu được” ký tự này là gì), vàđối tượng đầu ra là một ký tự (mà máy tính đã “hiểu được” ký tự này là gì)tương ứng với hình ảnh đó.

Quá trình nhận dạng dựa vào những mẫu học biết trước gọi là nhận dạng

có thầy hay học có thầy (supervised learning); trong trường hợp ngược lạigọi là học không có thầy (non supervised learning)

 Học có thầy (supervised learning)

Kỹ thuật phân loại nhờ kiến thức biết trước gọi là học có thầy Đặc điểm

cơ bản của kỹ thuật này là người ta có một thư viện các mẫu chuẩn Từ cácmẫu chuẩn, máy tính sẽ tiến hành quá trình “học” để nhận biết được các đặctrưng cũng như các qui luật của từng đối tượng này để lưu lại thành “kiếnthức” Từ đó, mẫu cần nhận dạng sẽ được nhận biết thông qua “kiến thức”

mà máy tính đã học được từ các mẫu chuẩn (giống như quá trình nhận thứccủa con người)

 Học không có thầy(unsupervised learning)

Kỹ thuật này có thể hình dung như quá trình khám phá những điều màcon người chưa từng biết Kỹ thuật học này phải tự định ra các lớp khácnhau và xác định các tham số đặc trưng cho từng lớp Học không có thầyđương nhiên là khó khăn hơn Một mặt, do số lớp không được biết trước,mặt khác những đặc trưng của các lớp cũng không biết trước Kỹ thuật nàynhằm tiến hành mọi cách gộp nhóm có thể và chọn lựa cách tốt nhất Bắtđầu từ tập dữ liệu, nhiều thủ tục xử lý khác nhau nhằm phân lớp và nâng cấpdần để đạt được một phương án phân loại

Trong nghiên cứu này, nhóm đã lựa chọn kỹ thuật học có thầy hay còngọi là học có giám sát

Hiện nay, công cụ hỗ trợ đắc lực cho việc học của máy tính đó là mạngNơron nhân tạo

yw

 Mạng Nơron nhân tạo (Artificial Neural Network)

Mạng Nơron nhân tạo là mô hình xử lý thông tin được mô phỏng dựatrên hoạt động của hệ thống thần kinh của sinh vật, bao gồm số lượng lớncác Nơron được gắn kết để xử lý thông tin Mạng Nơron nhân tạo giống như

bộ não con người, được học bởi kinh nghiệm (thông qua huấn luyện), có khảnăng lưu giữ những kinh nghiệm hiểu biết (tri thức) và sử dụng những trithức đó trong việc dự đoán các dữ liệu chưa biết

Hiện nay có rất nhiều mô hình mạng Nơron khác nhau được phát triển từcác mô hình mạng cơ bản Trong phần này sẽ đi sâu vào một trong những

mô hình mạng Nơron căn bản nhất, mô hình mạng Nơron lan truyền

ngược, gọi tắt là mạng lan truyền.

 Mạng lan truyền

• Cấu trúc của mạng

Hình 6: Sự mô phỏng từ mạng Nơron của con người vào máy tính.

Cũng giống như các mạng Nơron khác, phần tử cơ bản của mạng

đó là các Nơron hay còn gọi là các phần tử xử lý của mạng, mỗi Nơronnhận các dữ liệu vào (Inputs) từ một hay nhiều Nơron khác, xử lý chúng

và cho ra một kết quả (Outputs) duy nhất Kết quả xử lý của một Nơron

có thể làm dữ liệu vào cho các Nơron khác