[发明专利]一种CCD图像处理的方法

说明书

技术领域

本发明涉及一种CCD图像处理的方法。

背景技术

CCD图像传感器可直接将光学信号转换为模拟电流信号，电流信号经过放大和模数转换，实现图像的获取、存储、传输、处理和复现。

在图像测量过程中对投射到CCD上的激光光斑中心进行精确定位是保证测量精度的一个重要前提，随着对测量精度要求的提高，像素级精度已经不能满足实际测量的要求，需要更高精度的提取算法，即亚像素算法。使测量结果达到一微米乃至零点几微米，从而大大提高系统的测量精度。

激光光斑精确定位问题，现在最常用的中心定位亚像素算法有灰度重心法、插值法、相关法和矩方法等，其算法简单且定位精度较高，能达到0.2-0.5个像素，但这些方法只能处理目标面积区域适中的图像，并且受噪声干扰较大，当图像信噪比较小时，它的定位误差会变得很大。同时，高斯曲线拟合法也是图像处理中用的较多的一种数学方法，但是其定位精度与图像的具体分布有关，在实际处理中往往需要对每幅图像进行具体分析，语言描述复杂并且需要耗费大量的程序运行时间。

近几年来，我国高速公路发展迅速，已经形成了纵横交错的高速公路网，极大地促进了经济的发展。然而，如何对高速公路进行科学有效的管理，使其发挥最大的效益是我们面临的一个重要课题。在高速公路的管理和规划中，汽车速度和交通流量等交通流数据是最基本、最普遍、最丰富的数据源。

高速公路监控系统，以线阵CCD图像传感器作为前端检测装置。现有CCD图像传感器采集交通数据的方法只能处理目标面积区域适中的图像，并且受噪声干扰较大，当图像信噪比较小时，它的定位误差会变得很大。

发明内容

本发明设计了一种CCD图像处理的方法，其解决的技术问题是现有CCD图像传感器采集交通数据的方法只能处理目标面积区域适中的图像，并且受噪声干扰较大，当图像信噪比较小时，它的定位误差会变得很大。

为了解决上述存在的技术问题，本发明采用了以下方案： 

一种CCD图像处理的方法，其特征在于：包括以下步骤：步骤1、利用MATLAB软件对高速公路上的CCD传感器生成的光斑图像进行仿真，对光斑图像预处理，利用中值滤波对仿真生成的激光光斑进行去噪处理；步骤2、对第一步处理后的图像进行二值化处理：按照一个指定的阀值将图像上的像素点的灰度值设置为0和255CCD图像测量系统光斑中心定位的方法，经过二值化处理后的图像将呈现出明显的黑白效果，阀值的选取以仍然可以反映图像整体和局部特征为标准；步骤3、对步骤2处理后的图像采用高斯拉普拉斯算子进行边缘提取；步骤4、对步骤3处理后的图像利用灰度重心法进行初步定位；步骤5、对步骤4处理后的图像采用高斯曲线拟合算法进行精确定位：根据CCD方形孔径采样定理可知，CCD采集到的光斑近似符合高斯分布，高斯曲线表达式可用下式表示:

其中x为光斑位置，y为多对应光强，μ为光强分布中心，σ为光强分布误差，由于高斯曲线的积分表达式非常难求，因此不直接对上式进行拟合，对上式两端取对数：

可以看出该式是关于χ的二次曲线，只需要对目标进行抛物线拟合即可，而二次函数可以看成高斯曲线的一种高次逼近，对二次曲线进行拟合时，找出差分值的最大的点，即中心位置；

步骤6、根据步骤5中确定的中心位置，然后对图像中的有用数据点进行计算分析，该有用的数据点位于车辆牌照区域；

步骤7、将步骤6有用数据点计算分析结果通过网络发送至监控中心的服务器进行存储。

该CCD图像处理的方法与传统的CCD图像处理的方法相比，具有以下有益效果：

（1）本发明方法通过CCD传感器采集的图像进行光斑中心定位，定位后再对车辆牌照区域的进行分析计算，因而可以大大节省计算量，并且保证在最短时间获得有效数据。

（2）对图像中的数据点并不是采用传统的逐点搜索计算的方法，而是通过灰度重心法先对光斑进行初步定位，然后仅对图像中有用的数据点（如车牌照区域）进行计算分析，计算量小，使得软件实现简单并能大大节省系统的资源。

（3）本发明方法由于通过引入了图像预处理环节，能有效的滤除图像中的噪声，增强抗干扰性，提高画面质量。

附图说明

图1：本发明CCD图像处理的方法流程方框示意图。

具体实施方式

下面结合图1，对本发明做进一步说明：