[论文解读] 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 4

一句话总结

本文提出了一种基于分层直方图均衡化（HHE）的新型车辆牌照二值化方法，其中像素的隶属度值在多个图像分区中计算，并合并以确定最优阈值。该方法在复杂、低对比度的交通图像中实现了更优的二值化效果，在真实世界数据集上显著优于传统方法。

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.

研究动机与目标

• 解决在光照不良和交通拥堵等真实交通条件下可靠进行牌照二值化的挑战。
• 克服现有二值化技术在复杂背景和低对比度场景下失效的局限性。
• 开发一种分层方法，以自适应方式增强多个图像区域的对比度，从而改善阈值分割效果。
• 整合来自图像多级分区的像素隶属度值，以生成更准确、更鲁棒的二值化结果。

提出的方法

• 该方法不仅在全图上应用直方图均衡化，还在多个分层级别上对逐步细分的图像区域进行处理。
• 每个像素根据其在每个分层级别上经直方图均衡化后的强度变化被赋予一个隶属度值。
• 每个像素的净隶属度值通过其在所有层级上的隶属度值的加权和计算得出。
• 通过累积隶属度分布推导出动态阈值，以执行最终的二值化。
• 分层分割采用类似四叉树的递归分割方式，以自适应地聚焦于局部对比度变化。
• 最终通过判断每个像素的净隶属度是否超过学习或自适应阈值，分配二值化结果。

实验结果

研究问题

• RQ1 如何在多个空间层级上有效应用直方图均衡化，以提升复杂车辆图像的二值化效果？
• RQ2 如何最优地组合来自不同层级的隶属度值，以增强二值化精度？
• RQ3 多级直方图均衡化方案是否能在真实世界车辆牌照图像上超越标准全局或局部二值化技术？
• RQ4 该方法在交通监控中常见的不同光照和背景条件下表现如何？

主要发现

• 所提出的基于HHE的二值化方法在通用车辆图像和专用牌照数据集上均显著优于传统二值化技术。
• 该方法在低对比度和高杂波环境中表现出强鲁棒性，保持了高分割精度。
• 分层隶属度值的整合显著减少了二值化输出中的噪声放大和误报。
• 该技术在多样化的现实交通场景中持续提升了二值化质量，经基准数据集验证。