專利名稱：：基于壓縮域的車牌定位方法
技術領域：
：本發(fā)明涉及圖像處理領域，具體涉及一種車牌定位方法。
背景技術：
：現(xiàn)有技術對車牌定位方法的研究主要分為基于顏色特征的車牌定位方法和基于紋理特征的車牌定位方法?；陬伾卣鞯能嚺贫ㄎ环椒ㄖ饕枷胧歉鶕?jù)車牌區(qū)域的底色和字符顏色有標準地匹配，車牌區(qū)域和非車牌區(qū)域的顏色區(qū)別很大，因此將車輛圖像從RGB彩色空間轉(zhuǎn)化到HSI(或HSV)彩色空間，然后對其進行分析提取，并結(jié)合形態(tài)學算法和車牌的自身特點進行定位，基于顏色特征的算法受光照條件和氣候的影響，如夜晚、大霧等情況下，此類方法檢測精度低?；诩y理特征的車牌定位方法通常都是在灰度圖像下進行處理，采用各種工具(如小波變換、各種邊緣檢測和頻域濾波等)提取車牌的紋理特征，然后進行相應的后續(xù)處理來進行車牌定位；基于紋理特征的算法在復雜背景的情況下效果不理想，且運算量較大，時效性較差。
發(fā)明內(nèi)容有鑒于此，為了解決上述問題，本發(fā)明公開了一種基于壓縮域的車牌定位方法，解決了車牌定位中運算復雜、實時性差、定位精度低的問題。本發(fā)明的目的是這樣實現(xiàn)的基于壓縮域的車牌定位方法，包括以下步驟1)將被檢測JPEG格式圖像經(jīng)哈夫曼編碼解碼、DCT逆量化獲得一組DCT變換系數(shù)矩陣；具體包括以下步驟11)對被檢測JPEG格式圖像的壓縮數(shù)據(jù)進行哈夫曼編碼解碼，得到游程編碼碼流；12)對游程編碼碼流進行DCT逆量化，得到一組大小為wXw的DCT變換系數(shù)矩陣，其中w為正整數(shù)，每一DCT變換系數(shù)矩陣對應于被檢測圖像中大小為wXw的一個分割塊，該系數(shù)矩陣的元素滿足Ch,k(i，j)；其中，i=1，...，η；j=1，...，m;n對應于被檢測JPEG格式的圖像進行DCT變換時縱向分割的塊數(shù)，m對應于被檢測JPEG格式的圖像進行DCT變換時橫向分割的塊數(shù)；nXm為DCT變換系數(shù)矩陣的個數(shù)；(i，j)表示該組DCT變換系數(shù)矩陣中的第i行與第j列標識的一個DCT變換系數(shù)矩陣，h，k分別表示第(i，j)個DCT變換系數(shù)矩陣中的第h行，k列的元素。2)選取各DCT變換系數(shù)矩陣中的橫向、縱向和對角線方向上的參數(shù)，構(gòu)建被檢測圖像的紋理垂直頻率矩陣和紋理水平頻率矩陣；具體包括以下步驟21)對各個DCT變換系數(shù)矩陣進行橫向參數(shù)和對角線參數(shù)提取，求得圖像的紋理垂直頻率矩陣D。，該矩陣元素滿足Dc(/,7)-ΣcOv(“J)\+\Cn(/,j)I+IC22(ζ,j)I；V=W1其中，W1,w'iG且Wl<w'1;22)對各個DCT變換系數(shù)矩陣進行縱向參數(shù)和對角參數(shù)提取，求得圖像的紋理水平頻率矩陣DC'，該矩陣元素滿足U'-,Dc(/,j)=YICll0(i,j)I+IC1,(ζ,j)I+IC22(ζ,j)|；其中，w2，w'2G且W2<W'2；3)對紋理垂直頻率矩陣Dc進行平滑處理獲得相同大小平滑后的紋理垂直頻率矩陣FDc；4)對平滑后的紋理垂直頻率矩陣利用平均值閾值法構(gòu)建車牌二值模板矩陣，取值為1的矩陣元素聚集區(qū)為車牌候選區(qū)，具體包括以下步驟41)求取平滑后的紋理垂直頻率矩陣FDe的平均值ηmmean=---；nxm42)求取車牌二值模板矩陣MD。，其元素滿足rπ.、1,lfFDc(iJ)>thr\MDc{i,j)=\c.；其中thrl=3*mean，將MDc中連續(xù)取值為1的元素聚集區(qū)劃分為車牌候選區(qū)。進一步，步驟3)中的平滑過程為FDc(i，j)=Dc(i，j)*Fb其中，F(xiàn)b為平滑因子，巧jj對紋理垂直頻率矩陣Dc采用平滑因子Fb卷積LJ,進行平滑處理；進一步，步驟4)之后，還包括如下步驟5)對各車牌候選區(qū)利用形態(tài)學算子去噪，對去噪后的各車牌候選區(qū)進行水平校正，具體包括以下步驟51)運用一個2X2方形算子對步驟4)確認的車牌候選區(qū)進行開運算；運用2X4矩形算子對開運算后的車牌候選區(qū)進行閉運算；采用一個長為4的線性算子對閉運算后的車牌候選區(qū)再次進行開運算；52)求取平滑后的紋理垂直頻率矩陣映射于步驟51)確認的各車牌候選區(qū)的水平投影頻率密度為YjFD^kJ)Horpro'(k)=」-；HorNum(k)其中，HorNumi(k)=Σ^Oc(k,1)，F(xiàn)Dc(k，1)eRbt，k彡Row彡n，1彡Col彡m,Rbt表示第t個車牌候選區(qū)，Row為該區(qū)域行數(shù)，Col為該區(qū)域列數(shù)；6Horprot代表第t個候選車牌區(qū)域的水平投影頻率密度；53)求取相鄰水平投影頻率密度的差為ΔHorprot(k)=Horprot(k)-Horprot(k_l)；其中，當差為正代表波峰，否則為波谷，將波谷對應的車牌二值模板矩陣MDc行置零，分割開各車牌區(qū)域；進一步，步驟5)之后，還包括以下步驟6)利用矩形框匹配車牌候選區(qū)，將匹配失敗的車牌候選區(qū)元素置零，具體包括以下步驟61)利用位置和大小變化的移動矩形框?qū)嚺坪蜻x區(qū)進行匹配，匹配公式如下rπ…2^Row^ColPerMDc=--JjTMDc(Kl);RowχColk=Υ—'I=I其中，MDc(k，1)eFbt,k^Row^η,1^Col彡m，F(xiàn)bt表示與車牌候選區(qū)對應的第t個矩形框，Row為該矩形框行數(shù)，Col為該矩形框列數(shù)，PerMD。表示車牌候選區(qū)域映射到該矩形框中的取值為1的元素的密度；62)當PerMDc大于預設定閾值thr2時，該移動矩形框所對應的車牌候選區(qū)為真；否則，該車牌候選區(qū)為假，將該車牌候選區(qū)元素置零；進一步，步驟6)之后，還包括以下步驟7)分別求取紋理水平頻率矩陣和紋理垂直頻率矩陣映射于步驟6)獲得的車牌候選區(qū)中的水平頻率密度值和垂直頻率密度值，通過判斷各頻率密度值是否在設定閾值范圍內(nèi)，再次確認車牌候選區(qū)，具體包括以下步驟；71)將紋理水平頻率矩陣和紋理垂直頻率矩陣分別映射于步驟6)確認的車牌候選區(qū)，映射公式如下1Col徹A(M);,1Roh>ColVerD.=-VYD(\k,l)；(rom>*coi^o二o(其中，Dc(k，1)，D'c(k,1)eRbt,k彡Row彡n，1彡Col彡m，Rbt為第t個車牌候選區(qū)，Row和col分別為該車牌候選區(qū)的行數(shù)和列數(shù)，為De映射于該車牌候選區(qū)的水平頻率密度，Rr極為D'c映射于該車牌候選區(qū)的垂直頻率密度；72)當/fo^D(和ΓαΖ^·均落入預設定的閾值范圍thr3時，判斷該車牌候選區(qū)為真，否則為假，將為假的車牌候選區(qū)域的元素置零；進一步，預備設定的閾值范圍thr3為；進一步，步驟7)之后，還包括以下步驟8)根據(jù)紋理垂直頻率矩陣映射到步驟7)確認的車牌候選區(qū)中的垂直投影頻率密度的分布情況，再次確認車牌候選區(qū)具體包括以下步驟81)求取紋理垂直頻率矩陣映射到步驟7)確認的車牌候選區(qū)中的垂直投影頻率密度權利要求基于壓縮域的車牌定位方法，其特征在于包括以下步驟1)將被檢測JPEG格式圖像經(jīng)哈夫曼編碼解碼、DCT逆量化獲得一組DCT變換系數(shù)矩陣；具體包括以下步驟11)對被檢測JPEG格式圖像的壓縮數(shù)據(jù)進行哈夫曼編碼解碼，得到游程編碼碼流；12)對游程編碼碼流進行DCT逆量化，得到一組大小為w×w的DCT變換系數(shù)矩陣，其中w為正整數(shù)，每一DCT變換系數(shù)矩陣對應于被檢測圖像中大小為w×w的一個分割塊，該系數(shù)矩陣的元素滿足Ch，k(i，j)；其中，i＝1，...，n；j＝1，...，m；n對應于被檢測JPEG格式的圖像進行DCT變換時縱向分割的塊數(shù)，m對應于被檢測JPEG格式的圖像進行DCT變換時橫向分割的塊數(shù)；n×m為DCT變換系數(shù)矩陣的個數(shù)；(i，j)表示該組DCT變換系數(shù)矩陣中的第i行與第j列標識的一個DCT變換系數(shù)矩陣，h，k分別表示第(i，j)個DCT變換系數(shù)矩陣中的第h行，k列的元素；2)選取各DCT變換系數(shù)矩陣中的橫向、縱向和對角線方向上的參數(shù)，構(gòu)建被檢測圖像的紋理垂直頻率矩陣和紋理水平頻率矩陣；具體包括以下步驟21)對各個DCT變換系數(shù)矩陣進行橫向參數(shù)和對角線參數(shù)提取，求得圖像的紋理垂直頻率矩陣DC，該矩陣元素滿足<mrow><msub><mi>D</mi><mi>C</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>v</mi><mo>=</mo><msub><mi>w</mi><mn>1</mn></msub></mrow><msubsup><mi>w</mi><mn>1</mn><mo>&prime;</mo></msubsup></munderover><mo>|</mo><msub><mi>C</mi><mrow><mn>0</mn><mi>v</mi></mrow></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo>+</mo><mo>|</mo><msub><mi>C</mi><mn>11</mn></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo>+</mo><mo>|</mo><msub><mi>C</mi><mn>22</mn></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo>;</mo></mrow>其中，w1，w′1∈且w1＜w′1；22)對各個DCT變換系數(shù)矩陣進行縱向參數(shù)和對角參數(shù)提取，求得圖像的紋理水平頻率矩陣DC′，該矩陣元素滿足<mrow><msubsup><mi>D</mi><mi>C</mi><mo>&prime;</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>u</mi><mo>=</mo><msub><mi>w</mi><mn>2</mn></msub></mrow><msubsup><mi>w</mi><mn>2</mn><mo>&prime;</mo></msubsup></munderover><mo>|</mo><msub><mi>C</mi><mrow><mi>u</mi><mn>0</mn></mrow></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo>+</mo><mo>|</mo><msub><mi>C</mi><mn>11</mn></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo>+</mo><mo>|</mo><msub><mi>C</mi><mn>22</mn></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo>;</mo></mrow>其中，w2，w′2∈且w2＜w′2；3)對紋理垂直頻率矩陣DC進行平滑處理獲得相同大小平滑后的紋理垂直頻率矩陣FDC；4)對平滑后的紋理垂直頻率矩陣利用平均值閾值法構(gòu)建車牌二值模板矩陣，取值為1的矩陣元素聚集區(qū)為車牌候選區(qū)，具體包括以下步驟41)求取平滑后的紋理垂直頻率矩陣FDC的平均值<mrow><mi>mean</mi><mo>=</mo><mfrac><mrow><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><munderover><mi>&Sigma;</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msub><mi>FD</mi><mi>c</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></mrow><mrow><mi>n</mi><mo>&times;</mo><mi>m</mi></mrow></mfrac><mo>;</mo></mrow>42)求取車牌二值模板矩陣MDC，其元素滿足<mrow><msub><mi>MD</mi><mi>C</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mn>1</mn><mo>,</mo></mtd><mtd><mi>if</mi><msub><mi>FD</mi><mi>C</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>></mo><mi>thr</mi><mn>1</mn></mtd></mtr><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mi>otherwise</mi></mtd></mtr></mtable></mfenced><mo>;</mo></mrow>其中thr1＝3*mean，將MDC中連續(xù)取值為1的元素聚集區(qū)劃分為車牌候選區(qū)。2.如權利要求1所述的基于壓縮域的車牌定位方法，其特征在于步驟3)中的平滑過3.如權利要求1或2所述的基于壓縮域的車牌定位方法，其特征在于步驟4)之后，還包括如下步驟5)對各車牌候選區(qū)利用形態(tài)學算子去噪，對去噪后的各車牌候選區(qū)進行水平校正，具體包括以下步驟51)運用一個2X2方形算子對步驟4)確認的車牌候選區(qū)進行開運算；運用2X4矩形算子對開運算后的車牌候選區(qū)進行閉運算；采用一個長為4的線性算子對閉運算后的車牌候選區(qū)再次進行開運算；52)求取平滑后的紋理垂直頻率矩陣映射于步驟51)確認的各車牌候選區(qū)的水平投影頻率密度為4.如權利要求3所述的基于壓縮域的車牌定位方法，其特征在于步驟5)之后，還包括以下步驟6)利用矩形框匹配車牌候選區(qū)，將匹配失敗的車牌候選區(qū)元素置零，具體包括以下步驟61)利用位置和大小變化的移動矩形框?qū)嚺坪蜻x區(qū)進行匹配，匹配公式如下5.如權利要求4所述的基于壓縮域的車牌定位方法，其特征在于步驟6)之后，還包括以下步驟7)分別求取紋理水平頻率矩陣和紋理垂直頻率矩陣映射于步驟6)獲得的車牌候選區(qū)中的水平頻率密度值和垂直頻率密度值，通過判斷各頻率密度值是否在設定閾值范圍內(nèi)，再次確認車牌候選區(qū)，具體包括以下步驟；71)將紋理水平頻率矩陣和紋理垂直頻率矩陣分別映射于步驟6)確認的車牌候選區(qū)，映射公式如下6.如權利要求5所述的基于壓縮域的車牌定位方法，其特征在于預備設定的閾值范圍thr3為。7.如權利要求5或6所述的基于壓縮域的車牌定位方法，其特征在于步驟7)之后，還包括以下步驟8)根據(jù)紋理垂直頻率矩陣映射到步驟7)確認的車牌候選區(qū)中的垂直投影頻率密度的分布情況，再次確認車牌候選區(qū)具體包括以下步驟81)求取紋理垂直頻率矩陣映射到步驟7)確認的車牌候選區(qū)中的垂直投影頻率密度YuDWKl)Verpro1(/)=—-；VerNum(I)其中，VerNum(I)=ΣkMDc(k,1),MDc(k,l),D1c(kJ)&Rb',k彡Row彡η，1彡Col彡m,Rbt為第t個車牌候選區(qū)，Row為該區(qū)域行數(shù)，Col為該區(qū)域列數(shù)，Verprot(1)為垂直投影頻率密度；82)求取相鄰垂直投影頻率密度的差為全文摘要本發(fā)明公開了一種車牌定位方法，通過部分解壓提取被檢測圖像壓縮域DCT變換系數(shù)矩陣參數(shù)構(gòu)建紋理垂直頻率矩陣和紋理水平頻率矩陣，通過閾值法將紋理垂直頻率矩陣轉(zhuǎn)換成車牌二值模板矩陣，再通過形態(tài)學計算，紋理垂直、水平頻率矩陣的頻率密度值判斷法以及波峰波谷閾值法對車牌二值模板矩陣進行校正，進而確認其對應的被檢測圖像上的車牌區(qū)域；本發(fā)明簡化了DCT變換矩陣的特征量，提高了運算速度；通過構(gòu)建車牌二值模板矩陣來判斷車牌區(qū)域，簡化了車牌檢測判斷方法的復雜度；利用形態(tài)學計算實現(xiàn)了多車牌區(qū)域的檢測，通過紋理垂直、水平頻率矩陣的頻率密度值判斷法以及波峰波谷閾值法引入車牌二值模板校正機制，提高了檢測精度。文檔編號G06K9/54GK101976340SQ20101050487公開日2011年2月16日申請日期2010年10月13日優(yōu)先權日2010年10月13日發(fā)明者唐遠炎,尚趙偉,張?zhí)?胡勝雄,葛垚,袁博申請人:重慶大學