[发明专利]一种基于清晰度和亮度评估的车牌快速定位方法

说明书

技术领域

本发明属于图像处理领域，特别涉及一种基于清晰度和亮度评估的车牌快速定位方法。

背景技术

在智能交通系统中，基于数字图像的车牌号码识别技术已成为不可或缺的重要组成部分并广泛地应用在监测报警、违章处罚、出入管理及高速公路收费管理等领域。车牌定位，即定位出图像或视频中车牌的位置，是车牌号码识别的首要步骤，其准确性直接影响着车牌号码识别的效果，同时也是最耗时的一步。故车牌定位在智能交通系统中具有重要地位。

目前车牌定位方法分为三类：

1、基于边缘信息的方法。该方法应用最广泛，利用车牌垂直边缘较多的特征来进行定位。对于简单场景如出入管理和收费站等，具有良好的检测率和实时性，但对于复杂的场景如高速公路等，由于车牌较为模糊且光照不可控，导致车牌定位的准确率低。

2、基于颜色信息的方法。该方法是利用已知的车牌颜色信息辅助车牌的边缘信息进行定位，对于光照情况单一的场景能大幅提提高准确率，但在光照复杂情景如夜晚等会引起反作用，而且对于图像分辨率要求也较高，只适用于现实极少场景中的车牌识别系统。

3、基于机器学习的方法。该方法通过搜集不同场景下的车牌样本并用于训练出包含样本中不同情形的全局模型，然后再推广到新图像中的未知情况。对于新图像的清晰度或亮度接近训练样本时效果较为理想，但差别较大时则准确率低且难以保证实时性。

综上所述，基于边缘信息的车牌定位方法由于运算量小、处理速度快、所需存储空间小等优点被普遍应用与实时车牌自动识别系统中，但其缺点主要体现为以下两点：1、不能根据输入数据的具体情况作出调整；2、复杂场景下准确率低，实时性差。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于清晰度和亮度评估的车牌快速定位方法，该方法有效地解决了车牌在不同清晰度和复杂光照环境下难以被准确定位或不能定位问题，从而提高了车牌定位的准确率。

为了到达上述目的，本发明采用以下技术方案：

一种基于清晰度和亮度评估的车牌快速定位方法，包括下述步骤：

(1)对输入图像进行基于噪声和锐度的清晰度评估；

(2)对清晰度不足的图像进行梯度锐化处理，清晰度过高的图像进行高斯模糊处理；

(3)对步骤(2)处理后的图像由RGB图转换为灰度图；

(4)对灰度图进行亮度评估，即对灰度图像进行亮度过高或亮度不足两种情况进行评估；

(5)若亮度异常则进行光照归一处理；

(6)通过Scharr算子提取图像中垂直边缘；

(7)进行局部自适应阈值处理；

(8)通过形态学处理过滤噪声，以及使垂直边缘融合成连通区域；

(9)对连通区域进行区域标记，根据中国车牌的特征进行筛选并得到车牌区域。

优选的，步骤(1)中，清晰度评估由噪声评估和锐度评估组成，在得到图像的噪声评估值和锐度评估值后，通过一定的加权关系得到图像的清晰度评估值，计算清晰度评估值的公式如下：

Quality＝wNoise+(1-w)Sharpness

其中，w为权重值，取值范围在0和1之间；

所述噪声评估是通过先对图像进行OTSU阈值处理得到二值图，然后计算连通区域中面积小于给定阈值的占比，最后通过线性变换得到噪声评估值。计算噪声评估值的公式如下：

其中，Comp_i是第i个区域，Area_i是第i个区域的面积，T_area是判断面积是否过小的给定阈值，a和b是线性变换的参数；

所述锐度评估采用的是点锐度算法，对图像的每点取8邻域点与之相减，先求8个差值的加权和，在将所有点所得值相加除以像素总个数，计算锐度评估值的公式如下：

其中，a是第a个领域像素，m和n为图像的长和宽，df为灰度的变化幅值，dx为像素点间的距离增量。

优选的，步骤(2)具体为：

(2-1)给定两个阈值T_quality1和T_quality2，其中T_quality1是判断图像清晰度是否不足的阈值，T_quality2是判断图像清晰度是否过高的阈值；

(2-2)当Quality＜T_quality1时对图像进行梯度锐化处理，即通过Laplace算子求取图像梯度信息Grad，然后与原图相加得到梯度锐化结果，梯度锐化的公式如下：