一種基于級聯(lián)形態(tài)學(xué)變換的車牌定位方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種基于級聯(lián)形態(tài)學(xué)變換的車牌定位方法及系統(tǒng)，包括：對原圖像進(jìn)行降采樣及灰度處理得到灰度圖像；對灰度圖像進(jìn)行級聯(lián)形態(tài)學(xué)變換并二值化，并對聯(lián)通區(qū)域進(jìn)行初步篩選得到若干個(gè)候選區(qū)域；計(jì)算各候選區(qū)域的顏色直方圖信息分別與標(biāo)準(zhǔn)車牌的顏色直方圖信息的相似度，并根據(jù)相似度判定車牌區(qū)域；通過降采樣的逆運(yùn)算將各車牌區(qū)域映射到原圖像中得到相應(yīng)的原車牌區(qū)域。通過對圖像進(jìn)行灰度處理、級聯(lián)形態(tài)學(xué)變換及二值化處理提高車牌的候選區(qū)域定位的魯棒性和車牌定位速度，同時(shí)抑制強(qiáng)光照的干擾，增強(qiáng)車牌區(qū)域文字的對比度，提高車牌區(qū)域的篩選準(zhǔn)確度，在不同光照環(huán)境下、場景復(fù)雜的環(huán)境下均適用，且能同時(shí)定位多個(gè)車牌。
【專利說明】一種基于級聯(lián)形態(tài)學(xué)變換的車牌定位方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，具體涉及一種基于級聯(lián)形態(tài)學(xué)變換的車牌定位方 法及系統(tǒng)。

【背景技術(shù)】
[0002] 智能交通廣泛用于智慧城市中車輛的管理。車牌識別是其中的核心技術(shù)之一，是 計(jì)算機(jī)圖像處理技術(shù)和模式識別技術(shù)在智能交通領(lǐng)域的應(yīng)用。車牌識別技術(shù)被廣泛的應(yīng)用 于高速路卡口抓拍系統(tǒng)、智能停車場系統(tǒng)以及社區(qū)車輛管理系統(tǒng)中。車牌識別過程基本分 為三個(gè)步驟：車牌定位、字符切割和字符識別，技術(shù)是車牌識別技術(shù)中至關(guān)重要的一步，作 為整個(gè)車牌識別過程的第一步，車牌的成功定位與否直接影響到后續(xù)的步驟，從而決定了 車牌識別的速度和識別率。
[0003] 現(xiàn)有的車牌定位方法主要是基于模板和先驗(yàn)知識的匹配方法。專利 CN102214290A (車牌定位方法及車牌定位模板訓(xùn)練方法），提出了用模板進(jìn)行車牌的判斷， 但該方法在模板發(fā)生變化時(shí)，則無法成功匹配，且當(dāng)模板過多時(shí)，其需要的匹配時(shí)間較長。 專利CN101183425 (粵港兩地車牌定位方法）是利用大陸車牌和香港車牌定位的先驗(yàn)知識 進(jìn)行區(qū)分。先驗(yàn)知識的匹配方法比較容易受光照、污染，環(huán)境的影響，準(zhǔn)確度較低。
[0004] 現(xiàn)有的車牌定位方法大多只適合用在收費(fèi)站、治安卡等背景變化不大的場景中， 而對于復(fù)雜的全景圖（例如，街景全景圖）中的各種自然環(huán)境場景，其背景千變?nèi)f化，特別 是對于那些含有大量樹木和條紋紋理物品的全景圖中，現(xiàn)有的車牌定位方法很難適用。而 且，現(xiàn)有的車牌定位方法對于采集的圖片的質(zhì)量有較高的要求，對于光照比較敏感，如果 車牌過亮或者過暗，現(xiàn)有的車牌定位方法都無法進(jìn)行很好的處理，其抗干擾性較差（即其 robust-魯棒性不高）。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足和缺陷，提供一種基于級聯(lián)形態(tài)學(xué)變換的車 牌定位方法及系統(tǒng)，提高車牌定位的魯棒性。
[0006] 本發(fā)明的目的通過以下技術(shù)方案來實(shí)現(xiàn)：一種基于級聯(lián)形態(tài)學(xué)變換的車牌定位方 法，包括以下步驟：
[0007] S1對原圖像進(jìn)行降采樣及灰度處理得到灰度圖像；
[0008] S2對灰度圖像進(jìn)行級聯(lián)形態(tài)學(xué)變換并二值化，并對聯(lián)通區(qū)域進(jìn)行初步篩選得到若 干個(gè)候選區(qū)域；
[0009] S3計(jì)算各候選區(qū)域的顏色直方圖信息分別與標(biāo)準(zhǔn)車牌的顏色直方圖信息的相似 度，并根據(jù)相似度判定車牌區(qū)域；
[0010] S4通過降采樣的逆運(yùn)算將各車牌區(qū)域映射到原圖像中得到相應(yīng)的原車牌區(qū)域。
[0011] 優(yōu)選地，所述對灰度圖像進(jìn)行級聯(lián)形態(tài)學(xué)變換并二值化的過程具體采用公式（1)、 (2)、（3)、（4)、（5)進(jìn)行計(jì)算：
[0012] MPT (I) = Dilate(OtsuuffTH(I)+BTH(I))) (1)
[0013] WTH(I) = 1-(1 ? E) (2)
[0014] BTH(I) = (I · E)_I (3)

【權(quán)利要求】
1. 一種基于級聯(lián)形態(tài)學(xué)變換的車牌定位方法，包括以下步驟： S1對原圖像進(jìn)行降采樣及灰度處理得到灰度圖像； S2對灰度圖像進(jìn)行級聯(lián)形態(tài)學(xué)變換并二值化，并對聯(lián)通區(qū)域進(jìn)行初步篩選得到若干個(gè) 候選區(qū)域； S3計(jì)算各候選區(qū)域的顏色直方圖信息分別與標(biāo)準(zhǔn)車牌的顏色直方圖信息的相似度，并 根據(jù)相似度判定車牌區(qū)域； S4通過降采樣的逆運(yùn)算將各車牌區(qū)域映射到原圖像中得到相應(yīng)的原車牌區(qū)域。
2. 根據(jù)權(quán)利要求1所述的車牌定位方法，其特征在于，所述對灰度圖像進(jìn)行級聯(lián)形態(tài) 學(xué)變換并二值化的過程具體采用公式（1)、（2)、（3)、（4)、（5)進(jìn)行計(jì)算： MPT(I) = Dilate (OtsuuWTH(I)+BTH(I))) (1) WTH(I) = 1-(1 ? E) (2) BTH(I) = (I · E)-I (3)
(4) (5) 其中，Dilate為膨脹變換，Otsu為最大類間算法，對圖像進(jìn)行二值化，WTH為冒頂變換， BTH為帽底變換，Θ和?分別為腐蝕操作和膨脹操作，I為經(jīng)過步驟S1得到的灰度圖像，E 為形態(tài)學(xué)的結(jié)構(gòu)元素。
3. 根據(jù)權(quán)利要求1所述的車牌定位方法，其特征在于，所述步驟S1之前還包括預(yù)先獲 取T種標(biāo)準(zhǔn)車牌的顏色直方圖信息的步驟； 所述步驟S3包括以下步驟： S31計(jì)算候選區(qū)域的顏色直方圖信息； S32計(jì)算候選區(qū)域的顏色直方圖信息分別與T種標(biāo)準(zhǔn)車牌的顏色直方圖信息的相似 度； S33根據(jù)相似度及預(yù)設(shè)的相似度閾值THRESH_PLATE判定候選區(qū)域是否為車牌區(qū)域； 所述步驟S32具體采用公式（6)依次計(jì)算候選區(qū)域的顏色直方圖信息與標(biāo)準(zhǔn)車牌的顏 色直方圖信息的相似度：
(6) 其中，HX(i)為候選區(qū)域的顏色直方圖信息；HSt(i)為標(biāo)準(zhǔn)車牌的顏色直方圖信息；dO 為顏色直方圖的維度；Rt為候選區(qū)域的顏色直方圖信息與第t種標(biāo)準(zhǔn)車牌的顏色直方圖信 息的相似度。
4. 根據(jù)權(quán)利要求3所述的車牌定位方法，其特征在于，所述步驟S33中判定候選區(qū)域是 否為車牌區(qū)域的具體過程如下： S331判斷該候選區(qū)域的顏色直方圖信息與T種標(biāo)準(zhǔn)車牌的顏色直方圖信息的最大 相似度Rmax是否大于預(yù)設(shè)的相似度閾值THRESH_PLATE，若是則執(zhí)行步驟S332,否則執(zhí)行 S334 ； S332判定該候選區(qū)域?yàn)檐嚺茀^(qū)域； S333判定該候選區(qū)域?qū)?yīng)的車牌顏色為最大相似度R"x對應(yīng)的標(biāo)準(zhǔn)車牌的顏色； S334判定該候選區(qū)域?yàn)榉擒嚺茀^(qū)域。
5. 根據(jù)權(quán)利要求1所述的車牌定位方法，其特征在于，所述步驟S4中將車牌區(qū)域映射 到原圖像中得到相應(yīng)的原車牌區(qū)域的步驟具體采用公式（7)、（8)、（9)、（10)進(jìn)行逆映射： 原車牌區(qū)域開始橫坐標(biāo)X = M*x0 (7) 原車牌區(qū)域開始縱坐標(biāo)Y = N*y0 (8) 原車牌區(qū)域的寬度W = M*w0 (9) 原車牌區(qū)域的高度H = N*hO (10) 其中，X0，y0，w0，h0分別為車牌區(qū)域?qū)?yīng)的開始橫坐標(biāo)、開始縱坐標(biāo)、寬度、高度。
6. 根據(jù)權(quán)利要求1至5任一項(xiàng)所述的車牌定位方法，其特征在于，所述步驟S1的具體 過程如下： S11對原圖像進(jìn)行降采樣處理： dffidth = ((width/M)/BITWIDE)*BITWIDE (11) dHeight = height/N (12) 其中，width和height分別為原圖像的寬度和高度，dWidth和dHeight分別為降采樣 后的圖像的寬度和高度，BITWIDE為原圖像中的位寬； S12對降采樣后的彩色圖像灰度化； S13對灰度化后的灰度圖像進(jìn)行增強(qiáng)變換：
(13) 其中，a，b為圖像增強(qiáng)前的灰度值，c，d為圖像增強(qiáng)后分別對應(yīng)的灰度值，L為圖像增強(qiáng) 前的像素值，L'為圖像增強(qiáng)后的像素值。
7. -種基于級聯(lián)形態(tài)學(xué)變換的車牌定位系統(tǒng)，其特征在于，包括： 圖像預(yù)處理單元，對原圖像進(jìn)行降采樣及灰度處理得到灰度圖像； 候選區(qū)域定位單元，對灰度圖像進(jìn)行級聯(lián)形態(tài)學(xué)變換并二值化，并對聯(lián)通區(qū)域進(jìn)行初 步篩選得到若干個(gè)候選區(qū)域； 車牌判決單元，計(jì)算各候選區(qū)域的顏色直方圖信息分別與標(biāo)準(zhǔn)車牌的顏色直方圖信息 的相似度，并根據(jù)相似度判定車牌區(qū)域； 車牌定位結(jié)果映射單元，通過降采樣的逆運(yùn)算將各車牌區(qū)域映射到原圖像中得到相應(yīng) 的原車牌區(qū)域。
8. 根據(jù)權(quán)利要求7所述的車牌定位系統(tǒng)，其特征在于，所述候選區(qū)域定位單元具體采 用公式（1)、（2)、（3)、（4)、（5)對灰度圖像進(jìn)行級聯(lián)形態(tài)學(xué)變換并二值化： MPT(I) = Dilate (OtsuuWTH(I)+BTH(I))) (1) WTH(I) = 1-(1 ? E) (2) BTH(I) = (I · E)-I (3)
(4) (5) 其中，Dilate為膨脹變換，Otsu為最大類間算法，對圖像進(jìn)行二值化，WTH為冒頂變換， BTH為帽底變換，0和?分別為腐蝕操作和膨脹操作，I為降采樣之后的灰度圖像，E為形態(tài) 學(xué)的結(jié)構(gòu)元素。
9. 根據(jù)權(quán)利要求8所述的車牌定位系統(tǒng)，其特征在于，還包括用于預(yù)先獲取T種標(biāo)準(zhǔn)車 牌的顏色直方圖信息的標(biāo)準(zhǔn)車牌信息獲取單元； 所述車牌判決單元包括： 顏色直方圖計(jì)算模塊，分別計(jì)算各候選區(qū)域的顏色直方圖信息； 相似度計(jì)算模塊，計(jì)算各候選區(qū)域的顏色直方圖信息分別與T種標(biāo)準(zhǔn)車牌的顏色直方 圖信息的相似度； 車牌區(qū)域判斷模塊，根據(jù)相似度及預(yù)設(shè)的相似度閾值THRESH_PLATE依次判定各候選 區(qū)域是否為車牌區(qū)域。
10. 根據(jù)權(quán)利要求9所述的基于級聯(lián)形態(tài)學(xué)變換的車牌定位系統(tǒng)，其特征在于，所述相 似度計(jì)算模塊具體采用公式（6)計(jì)算候選區(qū)域的顏色直方圖信息與標(biāo)準(zhǔn)車牌的顏色直方 圖信息的相似度：
(6) 其中，HX(i)為候選區(qū)域的顏色直方圖信息；HSt(i)為標(biāo)準(zhǔn)車牌的顏色直方圖信息；d0 為顏色直方圖的維度；Rt為候選區(qū)域的顏色直方圖信息與第t種標(biāo)準(zhǔn)車牌的顏色直方圖信 息的相似度。
【文檔編號】G06K9/54GK104123553SQ201410267706
【公開日】2014年10月29日 申請日期:2014年6月16日 優(yōu)先權(quán)日:2014年6月16日
【發(fā)明者】孫曉航 申請人:孫曉航