專利名稱：一種在強光條件下車牌精確定位的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及ー種圖像處理技術(shù)，具體涉及ー種車牌自動識別的定位技木。
背景技術(shù)：
在復(fù)雜背景中由于天氣、光照、污損等因素的影響，采集到的車牌圖像其對比度特征往往不理想；尤其是夜間汽車前燈開放或白天強太陽光照射下引起的車牌反光，車牌信息丟失，車牌定位難度更大。因此對圖像預(yù)處理的好壞直接影響車牌定位的精確度。目前人們針對車牌定位的圖像預(yù)處理已經(jīng)提出了很多處理方法，雖然各種車牌定位預(yù)處理方法都具有一定的實用性和參考價值，特別是當(dāng)車輛位于強光的背景中，效果就不是很理想。 由此可見，如何提高在強光條下牌照定位的精確度是本領(lǐng)域亟需解決的問題。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有車牌定位方法在強光條下無法精確定位的問題，而提供一種在強光條件下車牌精確定位的方法。該方法能夠有效解決強光照射對車牌定位的干擾問題，提高定位精確度。為了達到上述目的，本發(fā)明采用如下的技術(shù)方案一種在強光條件下車牌精確定位的方法，該方法包括如下步驟(I)利用待處理車牌圖片進行自適應(yīng)中值濾波預(yù)處理；(2)利用微分算子來進行車牌邊緣檢測；(3)將邊緣檢測后的圖像轉(zhuǎn)換為ニ值邊緣圖；(4)將ニ值邊緣圖進行形態(tài)學(xué)去噪處理，形成若干連通區(qū)域；(5)進行連通域形態(tài)處理。(6)根據(jù)連通域結(jié)果定位車牌區(qū)域。在本發(fā)明的優(yōu)選實例中，所述步驟(I)中若待處理車牌圖片為彩色圖片，將其轉(zhuǎn)化為灰度圖像。進ー步的，所述步驟(I)中采用X字形窗ロ的自適應(yīng)中值濾波處理方法進行預(yù)處理，具體步驟如下(11)首先，采用3X3的X字形窗ロ進行計算待處理圖像的中值濾波值Zmed、最大值濾波值Zmax和最小值濾波值Zmin ；(12)并判斷噪聲敏感度，S卩如果Zmec，不在Zmax和Zmin之間就自動增加X字形窗ロ的大小，然后重復(fù)以上的過程；(13)對于Zmed在Zmax和Zmin之間的點先用原像素值與最大濾波值和最小濾波值進行判斷，如果在其間，原值不做修改，反之就用Zmed取代原值。進ー步的，所述步驟(2)中采用Sobel邊緣檢測器，進行邊緣檢測。進ー步的，所述步驟(2)中利用一階和ニ階導(dǎo)數(shù)進行亮度值的不連續(xù)性檢測。
進ー步的，所述步驟(3)中二值邊緣圖的轉(zhuǎn)換過程如下(31)統(tǒng)計灰度圖像直方圖，記錄圖像最大和最小灰度值；(32)計算最大和最小灰度值的中值，以此中值作為ニ值化的初始閾值；(33)按照以下迭代公式進行迭代計算
權(quán)利要求
1.一種在強光條件下車牌精確定位的方法，其特征在于，所述方法包括如下步驟 (1)利用待處理車牌圖片進行自適應(yīng)中值濾波預(yù)處理； (2)利用微分算子來進行車牌邊緣檢測； (3)將邊緣檢測后的圖像轉(zhuǎn)換為ニ值邊緣圖； (4)將ニ值邊緣圖進行形態(tài)學(xué)去噪處理，形成若干連通區(qū)域； (5)進行連通域形態(tài)處理。
(6)根據(jù)連通域結(jié)果定位車牌區(qū)域。
2.根據(jù)權(quán)利要求I所述的ー種在強光條件下車牌精確定位的方法，其特征在于，所述步驟(I)中若待處理車牌圖片為彩色圖片，將其轉(zhuǎn)化為灰度圖像。
3.根據(jù)權(quán)利要求I所述的ー種在強光條件下車牌精確定位的方法，其特征在于，所述步驟(I)中采用X字形窗ロ的自適應(yīng)中值濾波處理方法進行預(yù)處理，具體步驟如下 (11)首先，采用3X3的X字形窗ロ進行計算待處理圖像的中值濾波值Zmed、最大值濾波值Zmax和最小值濾波值Zmin ； (12)并判斷噪聲敏感度，即如果Zmec，不在Zmax和Zmin之間就自動增加X字形窗ロ的大小，然后重復(fù)以上的過程； (13)對于Zmed在Zmax和Zmin之間的點先用原像素值與最大濾波值和最小濾波值進行判斷，如果在其間，原值不做修改，反之就用Zmed取代原值。
4.根據(jù)權(quán)利要求I所述的ー種在強光條件下車牌精確定位的方法，其特征在于，所述步驟(2)中采用Sobel邊緣檢測器，進行邊緣檢測。
5.根據(jù)權(quán)利要求I所述的ー種在強光條件下車牌精確定位的方法，其特征在于，所述步驟(2)中利用一階和ニ階導(dǎo)數(shù)進行亮度值的不連續(xù)性檢測。
6.根據(jù)權(quán)利要求I所述的ー種在強光條件下車牌精確定位的方法，其特征在于，所述步驟(3)中二值邊緣圖的轉(zhuǎn)換過程如下 (31)統(tǒng)計灰度圖像直方圖，記錄圖像最大和最小灰度值； (32)計算最大和最小灰度值的中值，以此中值作為ニ值化的初始閾值； (33)按照以下迭代公式進行迭代計算
7.根據(jù)權(quán)利要求6所述的ー種在強光條件下車牌精確定位的方法，其特征在干，所述ニ值邊緣圖的轉(zhuǎn)換過程中，迭代停止的條件為Th(diff)〈=kl或Times>=k2,其中，Th(diff)為相鄰兩次迭代所得的Ti值的差值，Times為總的迭代次數(shù)；kl，k2為經(jīng)驗值，即Ti相鄰值的差值小于等于kl或者迭代次數(shù)超過了 k2次就停止迭代，得到最終的ニ值化閾值。
8.根據(jù)權(quán)利要求I所述的ー種在強光條件下車牌精確定位的方法，其特征在于，所述步驟(4)中圖進行形態(tài)學(xué)去噪處理過程如下 (41)對ニ值圖像進行top-hat變換； (42)用[11；11]結(jié)構(gòu)元對ニ值圖像進行腐蝕運算，去除圖像中的孤立噪聲點； (43)統(tǒng)計ニ值圖像中顆粒個數(shù)，若顆粒個數(shù)小于M個，其中M為圖像總行數(shù)，用[11:11]結(jié)構(gòu)元對其進行膨脹運算；膨脹運算后對圖像進行開運算，開運算結(jié)構(gòu)元為[11 ;11 ;11 ;11]; (44)若經(jīng)過步驟(41)后，圖像中顆粒個數(shù)大于2M個，對其進行二次腐蝕運算，而后用[11 ；11 ；11 ；11]結(jié)構(gòu)元對其進行膨脹運算。
9.根據(jù)權(quán)利要求I所述的ー種在強光條件下車牌精確定位的方法，其特征在于，所述步驟(5)中鏈表搜索標號法進行連通域形態(tài)處理，具體過程如下 (51)初始化鄰接表K，該表中每ー個子鏈表Li用來存儲同一連通區(qū)域的點坐標；在內(nèi)存中分配一與原圖大小相等的堆棧S和輔助區(qū)域A ； (52)從左到右，從上到下掃描圖像，遇到黒點B則以區(qū)域生長方式填充該區(qū)域?qū)ⅫcB作為鏈表壓入堆棧S中；從棧頂彈出ー個點，將該點在輔助區(qū)域A中對應(yīng)位置的點置為黑色，并將該點加入鄰接表K中相應(yīng)的子鏈表Li中；然后查看它的八個相鄰點，若某一點在輔助區(qū)域A中對應(yīng)位置的點為白，表示該點還未捜索，則將該點壓入堆棧，同時在輔助區(qū)域A中將該點置為黑色，防止該點重復(fù)入棧；重復(fù)執(zhí)行上述入棧、出棧的工作，直到堆棧S為空，表示該連通區(qū)域已經(jīng)搜索完畢。
(53)遍歷鄰接表K,其姆ー個子鏈表Li代表姆ー個連通區(qū)域；遍歷Li可求出該區(qū)域的面積、中心、外接矩形的角點和體態(tài)比；由輔助區(qū)域A可求區(qū)域邊界輪廓點形成的輪廓曲線，計算區(qū)域周長、密集度等，便于區(qū)域過濾。
10.根據(jù)權(quán)利要求I所述的ー種在強光條件下車牌精確定位的方法，其特征在于，根據(jù)區(qū)域過濾后的聯(lián)通域結(jié)果定位車牌區(qū)域。
全文摘要
本發(fā)明公開了一種在強光條件下車牌精確定位的方法，該方法包括如下步驟(1)利用待處理車牌圖片進行自適應(yīng)中值濾波預(yù)處理；(2)利用微分算子來進行車牌邊緣檢測；(3)將邊緣檢測后的圖像轉(zhuǎn)換為二值邊緣圖；(4)將二值邊緣圖進行形態(tài)學(xué)去噪處理，形成若干連通區(qū)域；(5)進行連通域形態(tài)處理。(6)根據(jù)連通域結(jié)果定位車牌區(qū)域。本發(fā)明能夠有效解決強光照射對車牌定位的干擾問題，提高定位精確度，適應(yīng)于如流動測速點或十字路口等處拍攝到的圖像中提取通行車輛車牌。
文檔編號G06K9/20GK102693423SQ20121015354
公開日2012年9月26日 申請日期2012年5月15日 優(yōu)先權(quán)日2012年5月15日
發(fā)明者李萬才, 李震宇, 楊明, 梅林 , 江洪, 湯志偉, 沈冬青, 齊力 申請人:公安部第三研究所