一種基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法
【專利摘要】本發(fā)明公開了一種基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，包括下述步驟：(1)將輸入的車牌圖像由RGB模型轉(zhuǎn)換為HSV模型；(2)對(duì)V分量進(jìn)行一系列光照處理；(3)對(duì)增強(qiáng)后的車牌圖像進(jìn)行局部自適應(yīng)閾值處理得到車牌二值圖像；(4)評(píng)估車牌二值圖像中車牌字符情況；(5)判斷是否滿足停止反饋的條件；(6)判斷是否需要人眼觀察的選擇，若需要?jiǎng)t對(duì)車牌二值圖像骨架化，然后作為種子點(diǎn)在車牌增強(qiáng)圖像上進(jìn)行區(qū)域生長(zhǎng)法，并對(duì)生長(zhǎng)區(qū)域進(jìn)行像素值的提升；若不需要?jiǎng)t直接進(jìn)行車牌字符識(shí)別并輸出計(jì)算機(jī)識(shí)別結(jié)果。本發(fā)明有效地解決了車牌號(hào)碼在復(fù)雜光照環(huán)境下難以被人眼和計(jì)算機(jī)識(shí)別的問(wèn)題，從而提高了車牌號(hào)碼的識(shí)別率。
【專利說(shuō)明】一種基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及車牌識(shí)別的研究領(lǐng)域，特別涉及一種基于評(píng)估反饋系統(tǒng)的車牌圖像光 照處理方法。

【背景技術(shù)】
[0002] 車牌號(hào)碼識(shí)別作為智能交通系統(tǒng)不可或缺的重要組成部分，已逐漸發(fā)展成為車輛 身份識(shí)別的主要手段并廣泛地應(yīng)用在監(jiān)測(cè)報(bào)警、違章處罰、出入管理及高速公路收費(fèi)管理 等領(lǐng)域。在過(guò)去十年里，車牌識(shí)別技術(shù)雖然已經(jīng)取得很大進(jìn)展，但在一些實(shí)際的應(yīng)用中，光 照、角度、分辨率和車牌類型等眾多因素不同程度地影響則識(shí)別率，其中光照是較常見的一 種干擾因素。目前光照處理方法大體分為三類：基于學(xué)習(xí)的方法、基于特征的方法和基于歸 一化的方法?；趯W(xué)習(xí)的方法通過(guò)搜集不同光照情景下的樣本并直接用于訓(xùn)練出包含樣本 中不同光照情形的全局模型，如線性子空間和流型模型，然后再推廣到新圖片中的未知光 照情況；至于基于特征的方法通過(guò)提取圖像中光照不變特征，這些特征包括幾何特征和紋 理特征；最后是基于歸一化的方法，該方法通過(guò)"歸一化"處理去除圖像中光照成分，從而減 低光照對(duì)識(shí)別的影響，其中近年來(lái)，基于頻域的LTV模型光照處理方法引起較大關(guān)注。但該 方法在光照變化劇烈時(shí)容易出現(xiàn)光照不變量劃分不精確以及參數(shù)優(yōu)化過(guò)于隨機(jī)的問(wèn)題，同 時(shí)算法復(fù)雜度較高導(dǎo)致運(yùn)算耗時(shí)。綜上所述，現(xiàn)有光照處理方法的缺點(diǎn)主要體現(xiàn)為以下兩 點(diǎn)：1、光照變化劇烈情景下穩(wěn)定性差；2、參數(shù)或特征的選擇需要經(jīng)驗(yàn)，不夠智能。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種基于評(píng)估反饋系統(tǒng) 的車牌圖像光照處理方法，該方法有效地解決了車牌號(hào)碼在復(fù)雜光照環(huán)境下難以被人眼和 計(jì)算機(jī)識(shí)別的問(wèn)題，從而提高了車牌號(hào)碼的識(shí)別率。
[0004] 為了到達(dá)上述目的，本發(fā)明采用以下技術(shù)方案：
[0005] -種基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，包括下述步驟：
[0006] (1)將輸入的車牌圖像由RGB模型轉(zhuǎn)換為HSV模型；
[0007] (2)對(duì)V分量進(jìn)行一系列光照處理，首先用Gamma校正增強(qiáng)圖像亮度，再進(jìn)行高斯 差分濾波去除光照中的高頻分量，然后根據(jù)掩膜函數(shù)提取需要進(jìn)一步處理的區(qū)域，最后采 用對(duì)比度均衡化增強(qiáng)圖像光照的對(duì)比度，從而達(dá)到去除光照中不均勻同時(shí)最大程度保留圖 像有用細(xì)節(jié)并增強(qiáng)圖像對(duì)比度；
[0008] (3)對(duì)增強(qiáng)后的車牌圖像進(jìn)行局部自適應(yīng)閾值處理得到車牌二值圖像；
[0009] (4)評(píng)估車牌二值圖像中車牌字符情況，即進(jìn)行基于八鄰域的連通域標(biāo)記并計(jì)算 每個(gè)連通域的面積、位置、長(zhǎng)寬比和域間間距參數(shù)；
[0010] (5)判斷是否停止反饋，即首先判斷是否滿足車牌字符標(biāo)準(zhǔn)，即將連通域參數(shù)與經(jīng) 驗(yàn)閾值相比較，若滿足則輸出該二值圖像并退出評(píng)估反饋系統(tǒng)，若不滿足則對(duì)比歷史情況 并緩存最好結(jié)果及對(duì)應(yīng)二值圖像；然后判斷是否達(dá)到設(shè)定的循環(huán)上限的次數(shù)，若達(dá)到則輸 出緩存中二值圖像并退出評(píng)估反饋系統(tǒng)，若未達(dá)到則輸出調(diào)整后的新光照處理參數(shù)并重新 進(jìn)行光照處理；
[0011] (6)判斷是否需要人眼觀察的選擇，若需要?jiǎng)t將步驟（4)中車牌二值圖像與車牌 增強(qiáng)圖像進(jìn)行圖像融合輸出視覺(jué)增強(qiáng)結(jié)果，即對(duì)車牌二值圖像骨架化，然后作為種子點(diǎn)在 車牌增強(qiáng)圖像上進(jìn)行區(qū)域生長(zhǎng)法，并對(duì)生長(zhǎng)區(qū)域進(jìn)行像素值的提升；若不需要?jiǎng)t直接進(jìn)行 車牌字符識(shí)別并輸出計(jì)算機(jī)識(shí)別結(jié)果。
[0012] 優(yōu)選的，步驟（2)中，Gamma校正的計(jì)算公式為：
[0013] g(x, y) = c[f (x, y)] Y
[0014] 式中f (x, y)是輸入圖像，g(x, y)是輸出圖像，c為任意值用于調(diào)整圖像對(duì)比度， Y在0?1之間，用于調(diào)整圖像亮度。
[0015] 優(yōu)選的，步驟（2)中，高斯差分濾波的計(jì)算公式為： ρ ， (Jfcy)-At)2 (Λχ,ν)-β)2 _6] g{x,y)^e- e
[0017] 式中f(x，y)是輸入圖像，g(x，y)是輸出圖像，μ為均值，ση(η = 1，2)為方差。
[0018] 優(yōu)選的，步驟（2)中,掩膜的計(jì)算公式為：
[0019]
[0020] 式中f (X，y)是輸入圖像，g(x, y)是輸出圖像，mask(x, y)是掩膜圖像。
[0021] 優(yōu)選的，步驟（2)中，對(duì)比度均衡化的計(jì)算公式為： ,、 .,(Xy)
[0022] 3l(x>y) = -T (mean(|/(x,,y,)|a))a O1 (x, v)
[0023] -Γ (mean(min (τ, \βι(χ',y')\)a))a
[0024] g3(x, y) - tanh J))
[0025] 式中f (x, y)是輸入圖像，gn(x, y) (n = I, 2, 3)是輸出圖像，α是壓縮性指數(shù)用于 降低大像素值的影響，τ用于第一步歸一化后截除圖像中大像素值。
[0026] 優(yōu)選的，步驟（3)具體為：
[0027] (3-1)將圖像分成m*n個(gè)等大的小區(qū)域，其中n>m>0 ;
[0028] (3-2)每個(gè)小區(qū)域內(nèi)進(jìn)行OTSU處理，將所有閾值組成的二維矩陣記作Mat_TQ ;
[0029] (3-3)對(duì)所有Matjci進(jìn)行3*3的高斯濾波輸出Matj1，然后根據(jù)Matj 1進(jìn)行每個(gè) 區(qū)域的圖像二值化。
[0030] 優(yōu)選的，步驟（3-2)中，進(jìn)行OTSU處理的具體方法為：
[0031] (3-2-1)設(shè)定一個(gè)初始閾值T，其中T的計(jì)算公式如下所示：
[0032] T = Wpf(Ii)P2
[0033] 式中，P1和P2為圖像中任意像素值;w為權(quán)重值；
[0034] (3-2-2)利用T分割圖像，產(chǎn)生兩組相像素：亮度值大于等于T的所有像素組成G1, 亮度值小于T的所有像素組成G2 ;
[0035] (3_2_3)計(jì)算G1和G2范圍內(nèi)的像素的平均殼度值μ i和μ 2 ;
[0036] (3-2-4)計(jì)算新的Τ，如下式所示：
[0037] T = WU !+ (1-w) μ 2
[0038] (3-2-5)重復(fù)步驟（3-2-2)至（3-2-4)，直到T的變化小于一個(gè)預(yù)定值Ttl為止。
[0039] 優(yōu)選的，步驟（5)中，若輸出效果和輸入?yún)?shù)構(gòu)成單峰函，則采用下述處理方法：
[0040] 先將該算法的五個(gè)參數(shù)進(jìn)行分析，略去次要參數(shù)，留下DOG濾波的兩個(gè)參數(shù)--高 斯濾波的均方差O1Z^2，再固定。/O2，對(duì)。Vo2進(jìn)行基于黃金分割法的優(yōu)選，然后固定 〇 / σ 2反過(guò)來(lái)做〇 ^ 〇 2的優(yōu)選，如此循環(huán)直到〇 ^ σ 2變化小于一定范圍為止。
[0041] 優(yōu)選的，步驟（5)中，若輸出效果和輸入?yún)?shù)構(gòu)成非單峰函，則采用下述處理方 法：
[0042] 先將該算法的兩個(gè)參數(shù)--每行網(wǎng)格數(shù)和每列網(wǎng)格數(shù)IVr2的取值范圍限制在 [3,9]之間，再將取值范圍粗糙化為{3,6,9}且根據(jù)車牌寬高比規(guī)定 ri/r2>ri/r2，然后計(jì)算 此時(shí)的最優(yōu)解r ln/r2n，然后在rln/r2n± 2范圍內(nèi)計(jì)算最優(yōu)解。
[0043] 優(yōu)選的，步驟（5)中，循環(huán)上限的次數(shù)為10次。
[0044] 本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)和有益效果：
[0045] 1、本發(fā)明提出的光照處理方法采用了一系列簡(jiǎn)單的光照預(yù)處理方法，如Gamma校 正、高斯濾波差分運(yùn)算和對(duì)比度均衡化等，去除車牌圖像中反射光成分，從而保留入射光成 分得到增強(qiáng)圖像，比起基于頻域的LTV模型光照處理方法效果基本相當(dāng)，但效率上提高不 少。
[0046] 2、本發(fā)明利用局部閾值法代替全局閾值法，提高了光照不均情況下字符提取的有 效性。
[0047] 3、本發(fā)明最后創(chuàng)新性地加入了評(píng)估反饋系統(tǒng)，根據(jù)評(píng)估局部閾值處理后的二值圖 像的字符提取情況調(diào)節(jié)光照處理算法的參數(shù)，使光照處理發(fā)揮更加智能和穩(wěn)定。
[0048] 4、本發(fā)明提供了計(jì)算機(jī)字符識(shí)別和人眼視覺(jué)增強(qiáng)兩種輸出結(jié)果，以拓展該方法的 實(shí)際使用范圍。

【專利附圖】

【附圖說(shuō)明】
[0049] 圖1是本發(fā)明基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法的總流程圖；
[0050] 圖2是本發(fā)明評(píng)估反饋系統(tǒng)的流程圖。

【具體實(shí)施方式】
[0051] 下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限 于此。
[0052] 實(shí)施例
[0053] 如圖1、圖2所示，基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，具體包括下述步 驟：
[0054] (1)將輸入車牌圖像由RGB模型轉(zhuǎn)為HSV模型；
[0055] (2)對(duì)V分量進(jìn)行一系列光照預(yù)處理方法來(lái)應(yīng)付復(fù)雜的光照環(huán)境，以下簡(jiǎn)稱TT 方法。該方法首先用Gamma校正增強(qiáng)圖像亮度，再進(jìn)行高斯差分濾波（DOG, DifTernce of Gaussian)去除光照中高頻分量，即不均勻部分，然后根據(jù)掩膜函數(shù)提取需要進(jìn)一步處理的 區(qū)域，最后采用對(duì)比度均衡化增強(qiáng)圖像光照的對(duì)比度，從而達(dá)到去除光照中不均勻同時(shí)最 大程度保留圖像有用細(xì)節(jié)并增強(qiáng)圖像對(duì)比度；
[0056] ① Gamma校正公式：
[0057] g(x,y) = c[f(x,y)]Y (I)
[0058] 式中f (x, y)是輸入圖像，g(x, y)是輸出圖像，c為任意值用于調(diào)整圖像對(duì)比度， Y在0?1之間用于調(diào)整圖像亮度；
[0059] ② Dog 濾波：

【權(quán)利要求】
1. 一種基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，其特征在于，包括下述步驟： (1)將輸入的車牌圖像由RGB模型轉(zhuǎn)換為HSV模型； ⑵對(duì)V分量進(jìn)行一系列光照處理，首先用Ga_a校正增強(qiáng)圖像亮度，再進(jìn)行高斯差分 濾波去除光照中的高頻分量，然后根據(jù)掩膜函數(shù)提取需要進(jìn)一步處理的區(qū)域，最后采用對(duì) 比度均衡化增強(qiáng)圖像光照的對(duì)比度，從而達(dá)到去除光照中不均勻同時(shí)最大程度保留圖像有 用細(xì)節(jié)并增強(qiáng)圖像對(duì)比度； (3) 對(duì)增強(qiáng)后的車牌圖像進(jìn)行局部自適應(yīng)閾值處理得到車牌二值圖像； (4) 評(píng)估車牌二值圖像中車牌字符情況，即進(jìn)行基于八鄰域的連通域標(biāo)記并計(jì)算每個(gè) 連通域的面積、位置、長(zhǎng)寬比和域間間距參數(shù)； (5) 判斷是否停止反饋，即首先判斷是否滿足車牌字符標(biāo)準(zhǔn)，即將連通域參數(shù)與經(jīng)驗(yàn)閾 值相比較，若滿足則輸出該二值圖像并退出評(píng)估反饋系統(tǒng)，若不滿足則對(duì)比歷史情況并緩 存最好結(jié)果及對(duì)應(yīng)二值圖像；然后判斷是否達(dá)到設(shè)定的循環(huán)上限的次數(shù)，若達(dá)到則輸出緩 存中二值圖像并退出評(píng)估反饋系統(tǒng)，若未達(dá)到則輸出調(diào)整后的新光照處理參數(shù)并重新進(jìn)行 光照處理； (6) 判斷是否需要人眼觀察的選擇，若需要?jiǎng)t將步驟（4)中車牌二值圖像與車牌增強(qiáng) 圖像進(jìn)行圖像融合輸出視覺(jué)增強(qiáng)結(jié)果，即對(duì)車牌二值圖像骨架化，然后作為種子點(diǎn)在車牌 增強(qiáng)圖像上進(jìn)行區(qū)域生長(zhǎng)法，并對(duì)生長(zhǎng)區(qū)域進(jìn)行像素值的提升；若不需要?jiǎng)t直接進(jìn)行車牌 字符識(shí)別并輸出計(jì)算機(jī)識(shí)別結(jié)果。
2. 根據(jù)權(quán)利要求1所述的基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，其特征在于， 步驟⑵中，Gamma校正的計(jì)算公式為： g(x,y) =c[f(x,y)]γ 式中f(x，y)是輸入圖像，g(x，y)是輸出圖像，c為任意值用于調(diào)整圖像對(duì)比度，γ在O?1之間，用于調(diào)整圖像亮度。
3. 根據(jù)權(quán)利要求1所述的基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，其特征在于， 步驟（2)中，高斯差分濾波的計(jì)算公式為：
式中f(x，y)是輸入圖像，g(x，y)是輸出圖像，μ為均值，ση(η= 1，2)為方差。
4. 根據(jù)權(quán)利要求1所述的基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，其特征在于， 步驟（2)中，掩膜的計(jì)算公式為：
式中f(X，y)是輸入圖像，g(x,y)是輸出圖像，mask(x,y)是掩膜圖像。
5. 根據(jù)權(quán)利要求1所述的基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，其特征在于， 步驟（2)中，對(duì)比度均衡化的計(jì)算公式為：

式中f(x，y)是輸入圖像，gn(x，y)(η= 1，2,3)是輸出圖像，α是壓縮性指數(shù)用于降低 大像素值的影響，τ用于第一步歸一化后截除圖像中大像素值。
6. 根據(jù)權(quán)利要求1所述的基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，其特征在于， 步驟⑶具體為： (3-1)將圖像分成m*n個(gè)等大的小區(qū)域，其中n>m>0 ; (3-2)每個(gè)小區(qū)域內(nèi)進(jìn)行OTSU處理，將所有閾值組成的二維矩陣記作Mat_TQ ; (3-3)對(duì)所有Matjci進(jìn)行3*3的高斯濾波輸出Matj1，然后根據(jù)Matj1進(jìn)行每個(gè)區(qū)域 的圖像二值化。
7. 根據(jù)權(quán)利要求6所述的基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，其特征在于， 步驟（3-2)中，進(jìn)行OTSU處理的具體方法為： (3-2-1)設(shè)定一個(gè)初始閾值T，其中T的計(jì)算公式如下所示： T=WpJ(I-W)P2 式中，P1和P2為圖像中任意像素值;w為權(quán)重值； (3-2-2)利用T分割圖像，產(chǎn)生兩組相像素：亮度值大于等于T的所有像素組成G1，亮 度值小于T的所有像素組成G2 ; (3_2_3)計(jì)算G1和G2范圍內(nèi)的像素的平均殼度值μi和μ2 ; (3-2-4)計(jì)算新的Τ，如下式所示： T=WU!+ (Ι-w)μ2 (3-2-5)重復(fù)步驟（3-2-2)至（3-2-4)，直到T的變化小于一個(gè)預(yù)定值Ttl為止。
8. 根據(jù)權(quán)利要求1所述的基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，其特征在于， 步驟（5)中，若輸出效果和輸入?yún)?shù)構(gòu)成單峰函，則采用下述處理方法： 先將該算法的五個(gè)參數(shù)進(jìn)行分析，略去次要參數(shù)，留下DOG濾波的兩個(gè)參數(shù)--高斯濾 波的均方差O1/〇2，再固定〇Vo2，對(duì)〇 進(jìn)行基于黃金分割法的優(yōu)選，然后固定 〇1/ σ2反過(guò)來(lái)做〇 ^ 〇 2的優(yōu)選，如此循環(huán)直到σι/σ 2變化小于一定范圍為止。
9. 根據(jù)權(quán)利要求1所述的基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，其特征在于， 步驟（5)中，若輸出效果和輸入?yún)?shù)構(gòu)成非單峰函，則采用下述處理方法： 先將該算法的兩個(gè)參數(shù)--每行網(wǎng)格數(shù)和每列網(wǎng)格數(shù)IVr2的取值范圍限制在[3, 9] 之間，再將取值范圍粗糙化為{3,6,9}且根據(jù)車牌寬高比規(guī)定ri/r2>ri/r2，然后計(jì)算此時(shí)的 最優(yōu)解rln/r2n，然后在rln/r2n± 2范圍內(nèi)計(jì)算最優(yōu)解。
10. 根據(jù)權(quán)利要求1所述的基于評(píng)估反饋系統(tǒng)的車牌圖像光照處理方法，其特征在于， 步驟（5)中，循環(huán)上限的次數(shù)為10次。
【文檔編號(hào)】G06K9/36GK104463130SQ201410788228
【公開日】2015年3月25日 申請(qǐng)日期:2014年12月16日 優(yōu)先權(quán)日:2014年12月16日
【發(fā)明者】許躍生, 張永東, 譚利 申請(qǐng)人:中山大學(xué)