[发明专利]基于高帽变换和小波变换的车牌提取方法

摘要

本发明提供的是一种基于高帽变换和小波变换的车牌定位方法，采用水平定位和竖直定位相结合，首先采用高帽变换突出了车牌区域，实现了车牌的水平定位；然后通过小波变换对车牌区域进行特征提取，实现了车牌的竖直定位；最后根据得到的车牌水平位置和竖直位置信息，从原始图像中提取出车牌。采用本发明的车牌提取方法，不仅可以尽量多的提取车牌区域的高频信息，从而准确定位车牌，使方法的环境适应度大大提高；而且结合水平定位和竖直定位的方法也提高了方法的计算速度，满足了实时性的需要。

主权项

1、一种基于高帽变换和小波变换的车牌定位方法，其特征是它包含下列步骤：步骤1.通过安装于公路路口或者停车场的适当位置的摄像装置，对进入摄像范围内的车辆进行图像采集，得到含有车牌图像的原始图像；步骤2.采用灰度变换公式对原始图像进行灰度转换，得到一幅包含车牌的灰度图像；灰度转换公为f(i，j)＝0.114*I(i，j，1)+0.587*I(i，j，2)+0.299*I(i，j，3)，其中i表示图像的行位置，j表示图像的列位置，f(i，j)表示转换后的灰度图像中第i行第j列的象素的灰度值，*是乘法运算符号，I(i，j，1)、I(i，j，2)和I(i，j，3)分别表示彩色图像中第i行第j列的象素的R、G、B分量的值；步骤3.计算灰度图像的水平一阶差分，得到一个包含有车牌的车辆灰度图像的水平一阶差分图；具体方法为采用公式gV(i，j)＝|f(i，j+1)-f(i，j)|进行计算，其中i表示图像的行位置，j表示图像的列位置，f(i，j)表示第i行第j列的象素的灰度值，f(i，j+1)表示第i行第j+1列的象素的灰度值，gV(i，j)表示第i行第j列的水平一阶差分值；步骤4.对水平一阶差分图进行高帽变换，得到一个经过高帽变换后的水平一阶差分图；高帽变换的公式为HAT(A)＝A-(AоB)；其中A为水平一阶差分矩阵gV；B为结构元素，其值为各个元素都是1的3*3矩阵；开运算AоB＝(AΘB)B；HAT(A)表示经过高帽变换后的水平一阶差分值gV＇；步骤5.对高帽变换后的水平一阶差分图进行水平投影，得到一阶差分的水平投影曲线；一阶差分的水平投影的计算公式为$T_H\left(i\right)=\underset{j=1}{\overset{n}{\Sigma }}{g}_V^{\prime }(i,j),$ 其中gV＇(i，j)表示经过高帽变换后的第i行第j列的水平一阶差分值，TH(i)为第i行的水平投影值，j的变化范围是从1到n，n代表图像的长度；步骤6.对步骤5中的一阶差分水平投影曲线进行高斯滤波，得到一个平滑的一阶差分水平投影曲线；在实际的方法中，采用离散高斯平滑方法对投影值进行平滑处理，具体方法如下$T_H^{\prime }\left(i\right)=\frac{1}{k}\{T_H\left(i\right)+\underset{j=1}{\overset{w}{\Sigma }}[T_H(i-j)h(j,\sigma )+T_H(i+j)h(j,\sigma )\left]\right\};$ 其中TH＇(i)是滤波后的一阶差分水平投影值；i的变化范围是从1到n；n代表图像的长度；w表示平滑区域的宽度大小，此处取8；$h(j,\sigma )=\exp \left(\frac{-j^2}{{2\sigma }^2}\right)$ 是高斯函数；$k=2\underset{j=1}{\overset{w}{\Sigma }}h(j,\sigma )+1;$ σ表示灰度图像的均方差；TH(i)表示第i个一阶差分水平投影值；TH(i-j)表示第(i-j)个一阶差分水平投影值；TH(i+j)表示第(i+j)个一阶差分水平投影值；步骤7.计算二值化的阀值；二值化阀值的计算公式为：T＝t*aver；其中T为二值化的阀值；aver为经过高斯滤波后的一阶差分水平投影的均值；t为权值，取值范围在0.8～1.2之间，当t的值为1.1时二值化效果最佳；步骤8.利用步骤7计算得到的阀值对步骤6中经过高斯滤波后得到的一阶差分水平投影曲线进行二值化，得到一阶差分水平投影曲线的二值化图；二值化方法是：若一阶差分水平投影曲线上的值大于或等于阀值，就把该处的值设置为1，否则把该处的值设置为0；经过二值化，一阶差分水平投影曲线转化为由一系列0和1组成的序列；由连续的1组成的序列表示一阶差分水平投影值较大的区域；由连续的0组成的序列表示一阶差分水平投影值较小的区域；0到1或者1到0的跳变表示两种区域的边界，分别把0到1和1到0的跳变位置记录到堆栈stack1和stack2中；步骤9.利用二值化图进行车牌水平定位，确定车牌水平位置候选区域；在二值化图中连续的1组成的序列是车牌水平位置候选区域；stack1中的值为车牌水平位置候选区域的左边界，即车牌的上边界top；stack2中的值为车牌水平位置候选区域的右边界，即车牌的下边界bottom；length＝stack2-stack1的值为车牌水平位置候选区域的宽度；剔除length的值大于100和小于6的伪车牌水平位置候选区域，剩下的区域为最终的车牌水平位置候选区域；步骤10.利用Mallat快速小波分解方法对车牌水平位置候选区域进行小波分解，得到车牌水平位置候选区域的四个子图像B、H、V和D；Mallat快速小波分解流程图见附图1；步骤11.利用步骤3提供的方法，计算H、V和D三个子图像的水平一阶差分，得到三个水平一阶差分图像；步骤12.把H、V和D三个子图像的水平一阶差分对应项分别相加，得到车牌的小波图像水平一阶差分总和；具体方法为采用公式Dif_I(i，j)＝|H(i，j+1)-H(i，j)|+|V(i，j+1)-V(i，j)|+|D(i，j+1)-D(i，j)|进行水平一阶差分对应相加运算，其中H(i，j)表示H子图的第i行第j列的水平一阶差分值，H(i，j+1)表示H子图的第i行第j+1列的水平一阶差分值，V(i，j)表示V子图的第i行第j列的水平一阶差分值，V(i，j+1)表示V子图的第i行第j+1列的水平一阶差分值，D(i，j)表示D子图的第i行第j列的水平一阶差分值，D(i，j+1)表示D子图的第i行第j+1列的水平一阶差分值，Dif_I(i，j)表示第i行第j列的车牌的小波子图一阶差分总和；步骤13.计算小波子图一阶差分总和的整体密度和列密度；整体密度是指矩阵Dif_I中非零值的个数，其计算方法是：设置计数器counter，从上到下、从左到右扫描矩阵Dif_I，当遇到非零值时，把counter的值加1，扫描完毕时得到的counter中的值就是整体密度的值；列密度是指矩阵Dif_I中每一列的非零个数；矩阵Dif_I共有n列，n是图像的高度；列密度的计算方法是：设置n个计数器counter_1、counter_2、...、counter_n，counter_1用来计数矩阵Dif_I第一列的非零值个数，counter_2用来计数矩阵Dif_I第二列的非零值个数，依此类推，counter_n用来计数矩阵Dif_I第n列的非零值个数，从上到下扫描矩阵Dif_I中的每一列，当遇到非零值时，把相应列的计数器的值加1，扫描完毕时得到的各个计数器中的值就是各列的列密度；最后，设置一个1*n维的列密度矩阵pos来保存列密度的值；步骤14.确定列密度二值化的阀值，并二值化列密度；以0.2倍的整体密度为阀值对列密度矩阵pos进行二值化，二值化的方法为：列密度矩阵pos中大于或等于阀值的值被二值化为1，小于阀值的值被二值化为0；由此，列密度矩阵pos被二值化为由一系列0和1组成的序列；由连续的1组成的序列表示列密度较大的区域；由连续的0组成的序列表示列密度较小的区域；0到1或者1到0的跳变表示两种区域的边界，分别把0到1和1到0的跳变位置记录到堆栈stack3和stack4中；步骤15.进行车牌竖直定位，确定车牌的左边界和右边界；通过步骤14的二值化，列密度矩阵pos中连续的1序列所对应的位置为车牌区域在整幅图像中列位置，stack3中的值为车牌区域的左边界left，stack4中的值为车牌区域的右边界right；步骤16.根据车牌的特性，确定真正的车牌区域；具体的方法是：剔除车牌宽度小于30和车牌宽度小于车牌高度的伪车牌区域，从而得到真正的车牌区域；步骤17.利用步骤9和步骤15得到的车牌区域的四个边界值，提取车牌区域；具体的车牌提取步骤如下：首先根据步骤9中得到的车牌上边界top和下边界bottom的值，计算出车牌的宽度plate_width＝bottom-top；再根据步骤15得到的车牌左边界left和右边界right的值，计算车牌的长度plate_length＝right-left；然后，定义一个大小为plate_width*plate_length的矩阵car_plate用来存储分割以后的车牌；最后，把原始图像中top行到bottom行、left列到right列的数值赋值给car_plate，此时，矩阵car_plate即为汽车车牌。