[論文レビュー] A novel scheme for binarization of vehicle images using hierarchical histogram equalization technique

Satadal Saha, Subhadip Basu+2 more|arXiv (Cornell University)|Mar 31, 2010

Vehicle License Plate Recognition参考文献 5被引用数 4

ひとこと要約

本論文は、階層的ヒストグラム平坦化（HHE）を用いた車両のナンバープレートのバイナリゼーションの新規手法を提案する。ここで、ピクセルの所属値は複数の画像領域にわたって計算され、最適なしきい値設定を決定するために統合される。この手法は、複雑でコントラストが低い交通画像におけるバイナリゼーションを改善し、実世界のデータセットにおいて従来手法に比べ顕著な向上を達成する。

ABSTRACT

Automatic License Plate Recognition system is a challenging area of research now-a-days and binarization is an integral and most important part of it. In case of a real life scenario, most of existing methods fail to properly binarize the image of a vehicle in a congested road, captured through a CCD camera. In the current work we have applied histogram equalization technique over the complete image and also over different hierarchy of image partitioning. A novel scheme is formulated for giving the membership value to each pixel for each hierarchy of histogram equalization. Then the image is binarized depending on the net membership value of each pixel. The technique is exhaustively evaluated on the vehicle image dataset as well as the license plate dataset, giving satisfactory performances.

研究の動機と目的

• 悪光源や混雑状態が見られる実世界の交通状況において、信頼性の高いナンバープレートバイナリゼーションを実現すること。
• 複雑な背景や低コントラスト状況下で失敗する既存のバイナリゼーション手法の限界を克服すること。
• 複数の画像領域におけるコントラストを段階的に向上させる階層的アプローチを考案し、より良いしきい値設定を実現すること。
• 複数レベルの画像分割からのピクセル所属値を統合し、より正確で頑健なバイナリゼーション結果を生成すること。

提案手法

• 本手法は、画像全体に対してヒストグラム平坦化を適用するだけでなく、複数の階層レベルにおける段階的な画像領域分割に対しても適用する。
• 各ピクセルは、各階層レベルでのヒストグラム平坦化後の強度変化に基づいて所属値が割り当てられる。
• 各ピクセルのネット所属値は、全階層レベルにおける所属値の重み付き和として計算される。
• 累積所属値分布から動的しきい値が導出され、最終的なバイナリゼーションが実行される。
• 階層的分割には、局所的なコントラスト変動に適応的に焦点を当てる再帰的クアッドツリーに類似したセグメンテーションが用いられる。
• 最終的なバイナリゼーション画像は、各ピクセルのネット所属値が学習済みまたは動的しきい値を上回るかどうかに基づいて二値値が割り当てられることで生成される。

実験結果

リサーチクエスチョン

• RQ1 複雑な車両画像におけるバイナリゼーションを向上させるために、ヒストグラム平坦化を複数の空間階層に効果的に適用する方法は何か？
• RQ2 異なる階層レベルからの所属値を最適に統合する方法は何か？これによりバイナリゼーションの正確性が向上するか？
• RQ3 マルチレベルのヒストグラム平坦化方式は、標準的なグローバルまたはローカルバイナリゼーション手法を、実世界のナンバープレート画像において上回ることができるか？
• RQ4 本手法は、交通監視で一般的に見られる変動する照明条件や背景条件下でも、どのように性能を発揮するか？

主な発見

• 提案手法であるHHEベースのバイナリゼーションは、一般車両画像および専用のナンバープレートデータセットにおいて、従来のバイナリゼーション手法に比べ優れた性能を示した。
• 低コントラストおよび高クラッター環境下でも、本手法は高いセグメンテーション正確性を維持し、頑健性を示した。
• 階層的所属値の統合により、バイナリゼーション出力におけるノイズ増幅および誤検出が顕著に低減された。
• ベンチマークデータセットを用いた検証により、多様な実世界の交通状況において、本手法は一貫したバイナリゼーション品質の向上を示した。