[发明专利]基于图像卡通‑纹理分解的车牌定位方法

说明书

技术领域

本发明属于图像处理领域，涉及车牌识别过程中的车牌定位。

技术背景

车牌定位是车牌识别的基础和车牌识别系统（VehicleLicense PlateRecognition,简称VLPR）的关键。基于图像或视频处理的方法是目前车牌定位和识别的主要方法。在不同环境和光照条件下获取的车牌图像，由于背景复杂、车辆种类繁多、颜色多样和光线强弱等原因，车牌定位的准确性受到严重影响。我国车牌有一些固有的特征，即普通车牌的规格为440mm×140mm，字符总长度409mm，单个字符宽45mm、高90mm，整个车牌的宽高比近似为3:1；车牌由7个字符组成，各个字符水平排列成一行（呈矩形），在矩形内部存在较丰富的垂直边缘和斜边缘;车牌的颜色组合有白底黑字或红字、蓝底白字、黑底白字和黄底黑字，蓝底白字是小型民用汽车牌照。针对国内车牌，目前较好的定位方法有：基于纹理特征分析的算法、基于数学形态学的算法、基于边缘检测的算法以及基于颜色特征的算法。纹理特征分析是根据车牌区域丰富的字符纹理特征来确定车牌区域，该方法对于光照偏强、偏弱和不均匀性，牌照倾斜和变形等情况具有很好的适应性，但是遇到与车牌纹理特征相似的区域时，正确率会大大降低；数学形态学方法是运用形态学的基本运算对二值化后的图像进行去噪，最终形成连通区域，再利用车牌的先验知识确定车牌区域，此类方法虽然简单高效，但要求背景简单；而边缘检测算法则是充分利用车牌区域丰富的边缘信息来确定车牌区域，通常与形态学方法结合使用,当背景复杂时，这类方法的准确率不高；基于颜色特征的算法计算量大，影响实时性。

近年来在图像处理中提出了一个新的图像表示方法：卡通-纹理分解，即将图像表示成卡通成分和纹理成分的叠加。其中卡通部分包含图像的主要结构和慢变成分，而纹理部分包含具有周期变化特性或震荡特性的小尺度细节以及随机噪声等成分。光学车牌图像背景复杂，比如路面，道路边的树木，房屋等，其中包含了大量边缘和小尺度细节，这些边缘和细节会形成与车牌特征相似的区域，严重影响车牌定位的准确性。

发明内容

本发明针对上述复杂背景下光学车牌定位准确率低的问题，提出一种基于图像卡通-纹理分解的车牌定位方法，本发明给出一种新的卡通纹理分解模型和边缘检测算子，将卡通-纹理分解应用到车牌图像以解决相应的问题，提高车牌定位的准确性和鲁棒性。

为实现上述目的，本发明包括以下步骤：

步骤1，对目标车牌的彩色图像做灰度化处理，得到所述目标车牌的灰度图像；

步骤2，用卡通-纹理分解求解模型对所述灰度图像进行卡通-纹理分解，将卡通部分和纹理部分分解开来；

步骤3，用所述卡通部分的梯度函数提取所述卡通部分的边缘；

步骤4，运用形态滤波处理所述边缘，得到闭合的车牌候选区域；

步骤5，将所述车牌候选区域对应到所述目标车牌的彩色图像，得出所述车牌候选区域的RGB彩色空间图像，并将所述RGB彩色空间图像转换成HIS空间图像；

步骤6，对所述HIS空间图像进行颜色和长宽比的判定，提取车牌区域。

本发明有益效果在于：

本发明提出的卡通-纹理分解模型能有效的进行图像的卡通纹理分解，与Vese和Osher提出的卡通-纹理分解模型相比，能更好的保护较强的边缘同时去除噪声、弱纹理和弱边缘；

本发明的边缘检测算子，与现有的Roberts等边缘检测算子相比，能更好的保护车牌区域的强边缘同时去除干扰边缘；

本发明的车牌定位算法能有效克服复杂背景的环境干扰、光照影响、背景噪声等复杂背景下的应用场景干扰，与现有的车牌定位技术相比，对于有复杂背景的光学车牌图像，车牌定位的准确率较高。

附图说明

图1为本发明基于图像卡通-纹理分解的车牌定位流程图；

图2为本发明在λ＝0.0005,μ＝1,ε＝5时车牌图像的卡通-纹理分解分解示意图，其中(a)为原图，(b)为卡通图，(c)为纹理图；

图3为本发明在T＝0.85时卡通图的边缘示意图；

图4为数学形态学处理结果示意图；

图5为本发明基于图像卡通纹理分解的车牌定位结果示意图；

具体实施方式