CN103207997A - 一种基于核密度估计的车牌字符分割方法 - Google Patents

一种基于核密度估计的车牌字符分割方法 Download PDF

Info

Publication number
CN103207997A
CN103207997A CN201310131732XA CN201310131732A CN103207997A CN 103207997 A CN103207997 A CN 103207997A CN 201310131732X A CN201310131732X A CN 201310131732XA CN 201310131732 A CN201310131732 A CN 201310131732A CN 103207997 A CN103207997 A CN 103207997A
Authority
CN
China
Prior art keywords
character
license plate
breadth
binaryzation
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201310131732XA
Other languages
English (en)
Other versions
CN103207997B (zh
Inventor
尚凌辉
蒋宗杰
王弘玥
高勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZHEJIANG ICARE VISION TECHNOLOGY Co Ltd
Original Assignee
ZHEJIANG ICARE VISION TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZHEJIANG ICARE VISION TECHNOLOGY Co Ltd filed Critical ZHEJIANG ICARE VISION TECHNOLOGY Co Ltd
Priority to CN201310131732.XA priority Critical patent/CN103207997B/zh
Publication of CN103207997A publication Critical patent/CN103207997A/zh
Application granted granted Critical
Publication of CN103207997B publication Critical patent/CN103207997B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Character Input (AREA)

Abstract

本发明涉及一种基于核密度估计的车牌字符分割方法。目前方法在极端情况下存在较多无法二值化好的情况。本发明首先对车牌图像进行归一化、锐化边缘和去除噪声的预处理；其次确定车牌字符区域；然后找出当前核概率密度曲线中，出现概率最大的像素值和该点的核密度半宽并利用这两个参数将图像二值化。最后取出在宽度范围中间得分最高的分割结果作为最终的字符分割的结果。本发明能够准确的确定字符像素的分布，抗环境干扰能力较一般的迭代二值化方法性能大大增强。

Description

一种基于核密度估计的车牌字符分割方法
技术领域
本发明属于智能交通技术领域，涉及一种基于核密度估计的字符分割方法。
背景技术
目前车牌字符分割的技术主要是基于车牌区域的字符二值化，并通过车牌字符排列的先验规则加以约束来得到有效的车牌字符区域，这种方法在受到环境或者车牌本身污损的干扰时有一定的抗干扰能力，但是在字符二值化效果较差的情况下仍无法正常工作。
为了解决车牌字符二值化效果不佳的问题，目前已有的方法包括对字符前景点进行聚类，对车牌字符的宽度和笔画估计和车牌边框检测等辅助手段。这些方法可以使二值化效果有所改善，但是在极端情况下仍然存在较多无法二值化好的情况。
发明内容
本发明提供了一种基于核密度估计的车牌字符分割方法，通过运用先验字符像素值的分布规则，对车牌进行多次迭代式分割，用高斯核分布推测车牌周围的非字符干扰，并在此结果中加入了车牌排列规则限制，有效消除了常见的粘连、断裂分割等结果，提高了分割的准确度。
一种基于核密度估计的车牌字符分割方法，包括：
步骤(1)对车牌图像进行归一化、锐化边缘和去除噪声的预处理。
步骤(2)利用水平方向梯度投影对预处理后的图像进行车牌上下边缘的分割；计算每个水平块                                               
Figure 201310131732X100002DEST_PATH_IMAGE002
上的梯度值
Figure 201310131732X100002DEST_PATH_IMAGE004
，高度值
Figure 201310131732X100002DEST_PATH_IMAGE006
及所有水平块梯度均值
Figure 201310131732X100002DEST_PATH_IMAGE008
、所有水平块的梯度方差
Figure 201310131732X100002DEST_PATH_IMAGE010
，如果水平块不满足以下两个条件，则判定该水平块不是车牌字符区域，予以删除：
条件1）
Figure 201310131732X100002DEST_PATH_IMAGE012
条件2）
Figure 201310131732X100002DEST_PATH_IMAGE014
其中
Figure 201310131732X100002DEST_PATH_IMAGE016
的取值范围为[0,1]。
步骤(3)利用核密度估计迭代计算水平块的核概率密度曲线G(x)，找出当前核概率密度曲线中，出现概率最大的像素值
Figure 201310131732X100002DEST_PATH_IMAGE018
和该点的核密度半宽
Figure 201310131732X100002DEST_PATH_IMAGE020
；若核密度半宽不满足
Figure 201310131732X100002DEST_PATH_IMAGE022
，则该核所表现的像素区域不是属于车牌字符的区域；重复本步骤，找出除
Figure 540646DEST_PATH_IMAGE018
外的最大像素值
Figure 201310131732X100002DEST_PATH_IMAGE024
和核密度半宽
Figure 201310131732X100002DEST_PATH_IMAGE026
，如果半宽满足
Figure 21568DEST_PATH_IMAGE022
，则执行步骤（4）。
步骤(4)将水平块根据概率最大的像素值和该像素值的核密度半宽
Figure 135520DEST_PATH_IMAGE020
做图像二值化，对二值化的图像结果进行垂直投影分割；如字符块不满足以下任何一条件，则将该像素值所表示的核予以剔除，并跳转至步骤（3）：
a) 字符宽度
Figure 201310131732X100002DEST_PATH_IMAGE028
；
b）分割得到的字符总数小于5个。
步骤(5)设字符宽度范围为
Figure 201310131732X100002DEST_PATH_IMAGE030
至
Figure 201310131732X100002DEST_PATH_IMAGE032
，利用该宽度所得到的标准车牌模板和二值化图像垂直投影后的结果进行匹配，取出在[
Figure 201310131732X100002DEST_PATH_IMAGE034
,
Figure 708715DEST_PATH_IMAGE032
]中间得分最高的分割结果作为最终的字符分割的结果。
本发明的有益效果：能够准确的确定字符像素的分布，抗环境干扰能力较一般的迭代二值化方法性能大大增强。并且在车牌字符模板约束条件下，能够有效的降低车牌污损、粘连和断裂等客观情况。运用于智能交通，为车牌识别提供有利的基础条件，有广泛的应用前景。
附图说明
图1为本发明方法流程图；
图2为本发明中步骤3的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
如图1所示，一种基于核密度估计的车牌字符分割方法，包括：
1)采用公知的双线性插值方法，将车牌图像的大小归一化为120×40，即水平方向120个像素，垂直方向40个像素；
2)采用公知的高斯高通滤波方法，对归一化后的车牌图像运进行锐化边缘处理；
3)采用公知的高斯低通滤波方法，对锐化边缘后的车牌图像的进行去除噪声处理。
（2）利用水平方向梯度，在水平方向投影对预处理后的图像进行车牌上下边缘的分割，并计算每个水平块
Figure 975749DEST_PATH_IMAGE002
上的梯度值
Figure 236966DEST_PATH_IMAGE004
,所有水平块梯度均值
Figure 905844DEST_PATH_IMAGE008
，所有水平梯度方差
Figure 462990DEST_PATH_IMAGE010
，剔除不合法的字符块，获得初步筛选后车牌字符垂直方向边界，具体包括以下步骤：
1）采用公知的方法计算车牌图像的水平梯度投影
Figure 201310131732X100002DEST_PATH_IMAGE036
，其中y为像素垂直坐标，得到水平投影累计值得均值
Figure 279636DEST_PATH_IMAGE008
和水平投影的方差；
2）在水平投影
Figure 602350DEST_PATH_IMAGE036
中，依次选取
Figure 201310131732X100002DEST_PATH_IMAGE038
个最小投影坐标[
Figure 201310131732X100002DEST_PATH_IMAGE040
],其中
Figure 670012DEST_PATH_IMAGE038
个投影坐标y满足以下条件：
a) 
Figure 201310131732X100002DEST_PATH_IMAGE042
b) 
（3）计算水平块
Figure 973954DEST_PATH_IMAGE002
中概率密度分布，估计核密度半宽
Figure 311395DEST_PATH_IMAGE020
，如图2所示。计算核密度半宽时假设两个高斯核函数
Figure 201310131732X100002DEST_PATH_IMAGE046
，分别为正态分布N(0,1)，N(0,4)。在车牌上像素足够多（车牌像素点在3000个以上时）的情况下，两个核函数计算得到的概率密度最小时，取到的窗口半宽
Figure 352349DEST_PATH_IMAGE020
为当前真实的车牌字符像素分布半宽。即计算下式的最小值：
Figure 201310131732X100002DEST_PATH_IMAGE048
，
n表示水平块
Figure 707369DEST_PATH_IMAGE002
中的像素总数，L表示可能核密度半宽，
Figure 201310131732X100002DEST_PATH_IMAGE050
，
Figure 201310131732X100002DEST_PATH_IMAGE052
表示水平块内的像素值。计算得到是该式最小的核密度半宽，代入计算核密度函数：
Figure 201310131732X100002DEST_PATH_IMAGE054
，其中
Figure 201310131732X100002DEST_PATH_IMAGE056
是核密度半宽的高斯核。
（4）选择核密度估计得到的第j个波峰代表的像素值。用
Figure 819496DEST_PATH_IMAGE018
和核密度半宽
Figure 702001DEST_PATH_IMAGE020
对
Figure 116802DEST_PATH_IMAGE002
区域图像做二值化；利用如下先验知识，判定各个二值化字符块
Figure 201310131732X100002DEST_PATH_IMAGE058
是否合法： 
1.字符宽度
Figure 201310131732X100002DEST_PATH_IMAGE060
；
2.字符高度
Figure 201310131732X100002DEST_PATH_IMAGE062
；
3.字符块的
Figure 201310131732X100002DEST_PATH_IMAGE064
；
4.符合条件的
Figure DEST_PATH_IMAGE066
；
如不满足以上条件，则像素值不代表车牌字符像素值，返回步骤（4）选择第j+1个波峰继续上述条件的判断。
（5）对步骤（4）得到的二值化图像区域做垂直投影，利用二值化字符得到的宽度[
Figure 185700DEST_PATH_IMAGE034
,
Figure 668634DEST_PATH_IMAGE032
]和标准车牌模板的比例换算到当前模板车牌的宽度[,
Figure DEST_PATH_IMAGE070
]。用换算的车牌模板计算可能的分割位置[
Figure DEST_PATH_IMAGE072
]。根据如下公式计算每个可能分割位置的得分：
Figure DEST_PATH_IMAGE074
；
其中
Figure DEST_PATH_IMAGE076
表示第i个二值化字符面积和标准车牌第i个字符面积相交大小。
Figure DEST_PATH_IMAGE078
表示第i和字符的面积。
Figure DEST_PATH_IMAGE080
表示模板第i和i+1个二值化字符之间的面积，
Figure DEST_PATH_IMAGE082
表示模板第i和i+1个二值化字符之间的面积。表示第p个可能分割位置的分数。选择所有可能分割位置中分数的最大值作为最优化的车牌分割位置。

Claims (4)

1. 一种基于核密度估计的车牌字符分割方法，其特征在于该方法的具体步骤如下：
步骤(1)对车牌图像进行归一化、锐化边缘和去除噪声的预处理；
步骤(2)利用水平方向梯度投影对预处理后的图像进行车牌上下边缘的分割；计算每个水平块                                               
Figure 201310131732X100001DEST_PATH_IMAGE002
上的梯度值，高度值
Figure 201310131732X100001DEST_PATH_IMAGE006
及所有水平块梯度均值
Figure 201310131732X100001DEST_PATH_IMAGE008
、所有水平块的梯度方差
Figure 201310131732X100001DEST_PATH_IMAGE010
，如果水平块不满足以下两个条件，则判定该水平块不是车牌字符区域，予以删除：
条件1）
Figure DEST_PATH_IMAGE012
条件2）
Figure DEST_PATH_IMAGE014
其中
Figure DEST_PATH_IMAGE016
的取值范围为[0,1]；
步骤(3)利用核密度估计迭代计算水平块的核概率密度曲线G(x)，找出当前核概率密度曲线中，出现概率最大的像素值和该点的核密度半宽
Figure DEST_PATH_IMAGE020
；若核密度半宽不满足
Figure DEST_PATH_IMAGE022
，则该核所表现的像素区域不是属于车牌字符的区域；重复本步骤，找出除
Figure 953826DEST_PATH_IMAGE018
外的最大像素值
Figure DEST_PATH_IMAGE024
和核密度半宽
Figure DEST_PATH_IMAGE026
，如果半宽满足
Figure 129592DEST_PATH_IMAGE022
，则执行步骤（4）；
步骤(4)将水平块根据概率最大的像素值和该像素值的核密度半宽
Figure 966726DEST_PATH_IMAGE020
做图像二值化，对二值化的图像结果进行垂直投影分割；如字符块不满足以下任何一条件，则将该像素值所表示的核予以剔除，并跳转至步骤（3）：
a) 字符宽度
Figure DEST_PATH_IMAGE028
；
b）分割得到的字符总数小于5个；
步骤(5)设字符宽度范围为
Figure DEST_PATH_IMAGE030
至
Figure DEST_PATH_IMAGE032
，利用该宽度所得到的标准车牌模板和二值化图像垂直投影后的结果进行匹配，取出在[
Figure DEST_PATH_IMAGE034
,
Figure 375711DEST_PATH_IMAGE032
]中间得分最高的分割结果作为最终的字符分割的结果。
2.根据权利要求1所述的车牌字符分割方法，其特征在于：所述的对车牌图像进行归一化、锐化边缘和去除噪声的预处理，具体包括以下步骤：
1)采用双线性插值方法，将车牌图像的大小归一化为120×40，即水平方向120个像素，垂直方向40个像素；
2)采用高斯高通滤波方法，对归一化后的车牌图像运进行锐化边缘处；
3)采用高斯低通滤波方法，对锐化边缘后的车牌图像的进行去除噪声处理。
3.根据权利要求1所述的车牌字符分割方法，其特征在于：步骤（3）在计算核密度半宽时，设两个高斯核函数
Figure DEST_PATH_IMAGE036
，分别为正态分布N(0,1)，N(0,4)；在车牌上像素在3000个以上时，两个核函数
Figure 850555DEST_PATH_IMAGE036
计算得到的概率密度最小时，取到的半宽
Figure 442335DEST_PATH_IMAGE020
为当前真实的车牌字符像素分布半宽；即计算下式的最小值：
其中n表示水平块
Figure 686235DEST_PATH_IMAGE002
中的像素总数，L表示可能核密度半宽，
Figure DEST_PATH_IMAGE040
，表示水平块内的像素值；计算得到是该式最小的核密度半宽
Figure 626640DEST_PATH_IMAGE020
，代入计算核密度函数：
Figure DEST_PATH_IMAGE044
，其中
Figure DEST_PATH_IMAGE046
是核密度半宽
Figure 588780DEST_PATH_IMAGE020
的高斯核。
4.根据权利要求1所述的车牌字符分割方法，其特征在于：步骤（5）是对步骤（4）得到的二值化图像区域做垂直投影，利用二值化字符得到的宽度[
Figure 154891DEST_PATH_IMAGE034
,
Figure 518876DEST_PATH_IMAGE032
]和标准车牌模板的比例换算到当前模板车牌的宽度[
Figure DEST_PATH_IMAGE048
,]；用换算的车牌模板计算可能的分割位置[]；根据如下公式计算每个可能分割位置的得分：
；
其中
Figure DEST_PATH_IMAGE056
表示第i个二值化字符面积和标准车牌第i个字符面积相交大小，
Figure DEST_PATH_IMAGE058
表示第i和字符的面积，
Figure DEST_PATH_IMAGE060
表示模板第i和i+1个二值化字符之间的面积，
Figure DEST_PATH_IMAGE062
表示模板第i和i+1个二值化字符之间的面积，
Figure DEST_PATH_IMAGE064
表示第p个可能分割位置的分数；选择所有可能分割位置中分数的最大值作为最优化的车牌分割位置。
CN201310131732.XA 2013-04-15 2013-04-15 一种基于核密度估计的车牌字符分割方法 Expired - Fee Related CN103207997B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310131732.XA CN103207997B (zh) 2013-04-15 2013-04-15 一种基于核密度估计的车牌字符分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310131732.XA CN103207997B (zh) 2013-04-15 2013-04-15 一种基于核密度估计的车牌字符分割方法

Publications (2)

Publication Number Publication Date
CN103207997A true CN103207997A (zh) 2013-07-17
CN103207997B CN103207997B (zh) 2017-02-08

Family

ID=48755214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310131732.XA Expired - Fee Related CN103207997B (zh) 2013-04-15 2013-04-15 一种基于核密度估计的车牌字符分割方法

Country Status (1)

Country Link
CN (1) CN103207997B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104298985A (zh) * 2014-08-11 2015-01-21 东莞中山大学研究院 一种基于迭代的图像文本区域检测方法
CN106650732A (zh) * 2016-12-27 2017-05-10 深圳市捷顺科技实业股份有限公司 一种车牌识别方法及装置
CN108734170A (zh) * 2018-05-25 2018-11-02 电子科技大学 基于机器学习和模板的车牌字符分割方法
CN110245157A (zh) * 2019-05-31 2019-09-17 华中科技大学 一种基于概率密度估计的数据差异分析方法及系统
WO2019232850A1 (zh) * 2018-06-04 2019-12-12 平安科技（深圳）有限公司 手写汉字图像识别方法、装置、计算机设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833117A (zh) * 2010-05-24 2010-09-15 长沙博通电子科技有限公司 智能车辆安全视觉检测装置及运动目标跟踪方法
US20110103648A1 (en) * 2003-07-18 2011-05-05 Lockheed Martin Corporation Method and apparatus for automatic object identification

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110103648A1 (en) * 2003-07-18 2011-05-05 Lockheed Martin Corporation Method and apparatus for automatic object identification
CN101833117A (zh) * 2010-05-24 2010-09-15 长沙博通电子科技有限公司 智能车辆安全视觉检测装置及运动目标跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李波: "基于图像分析的车辆识别与跟踪若干关键技术研究", 《万方数据库-学位-空间信息科学与技术》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104298985A (zh) * 2014-08-11 2015-01-21 东莞中山大学研究院 一种基于迭代的图像文本区域检测方法
CN106650732A (zh) * 2016-12-27 2017-05-10 深圳市捷顺科技实业股份有限公司 一种车牌识别方法及装置
CN106650732B (zh) * 2016-12-27 2020-04-28 深圳市捷顺科技实业股份有限公司 一种车牌识别方法及装置
CN108734170A (zh) * 2018-05-25 2018-11-02 电子科技大学 基于机器学习和模板的车牌字符分割方法
CN108734170B (zh) * 2018-05-25 2022-05-03 电子科技大学 基于机器学习和模板的车牌字符分割方法
WO2019232850A1 (zh) * 2018-06-04 2019-12-12 平安科技（深圳）有限公司 手写汉字图像识别方法、装置、计算机设备及存储介质
CN110245157A (zh) * 2019-05-31 2019-09-17 华中科技大学 一种基于概率密度估计的数据差异分析方法及系统

Also Published As

Publication number Publication date
CN103207997B (zh) 2017-02-08

Similar Documents

Publication Publication Date Title
CN105261017B (zh) 基于路面约束的图像分割法提取行人感兴趣区域的方法
EP2811423B1 (en) Method and apparatus for detecting target
CN100474337C (zh) 一种基于径向基神经网络的有噪运动模糊图像复原方法
CN103279931B (zh) 基于透射率的去雾图像去噪方法
CN102314599A (zh) 一种车道识别偏离检测方法
CN103207997A (zh) 一种基于核密度估计的车牌字符分割方法
CN108765325A (zh) 一种小型无人机模糊图像复原方法
CN112528868B (zh) 一种基于改进Canny边缘检测算法的违章压线判别方法
CN103942758A (zh) 基于多尺度融合的暗通道先验图像去雾方法
CN103985091A (zh) 基于亮度暗先验与双边滤波的单幅图像去雾方法
CN103049906A (zh) 一种图像深度提取方法
CN104504652A (zh) 一种快速有效保留边缘及方向特征的图像去噪方法
Zhao et al. Single image fog removal based on local extrema
CN112200171B (zh) 一种基于扫描线的道路点云的提取方法
CN104537342B (zh) 一种结合山脊边界检测及霍夫变换的快速车道线检测方法
CN102982545A (zh) 一种图像深度估计方法
CN105719275A (zh) 一种并行组合的图像缺陷分割方法
CN103020959B (zh) 一种基于引力模型的海洋锋信息提取方法
CN113917487A (zh) 基于激光雷达的封闭道路路沿和可行驶区域检测方法
CN103020953A (zh) 一种指纹图像的分割方法
CN108229247A (zh) 一种移动车辆检测方法
Chen et al. A novel lane departure warning system for improving road safety
CN102567964A (zh) 一种用于立体视觉视差图的滤波方法
CN105913391A (zh) 一种基于形状可变形态学重构的去雾方法
CN102314687B (zh) 一种红外序列图像中的小目标检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: Hangzhou City, Zhejiang province Yuhang District 311121 West Street Wuchang No. 998 building 7 East

Applicant after: Zhejiang iCare Vision Technology Co., Ltd.

Address before: 310013, Zhejiang, Xihu District, Hangzhou, Tian Shan Road, No. 398, Kun building, four floor, South Block

Applicant before: Zhejiang iCare Vision Technology Co., Ltd.

C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: Hangzhou City, Zhejiang province Yuhang District 311121 West Street Wuchang No. 998 building 7 East

Applicant after: ZHEJIANG ICARE VISION TECHNOLOGY CO., LTD.

Address before: Hangzhou City, Zhejiang province Yuhang District 311121 West Street Wuchang No. 998 building 7 East

Applicant before: Zhejiang iCare Vision Technology Co., Ltd.

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: HANGZHOU ICARE VISION TECHNOLOGY CO., LTD. TO: ZHEJIANG ICARE VISION TECHNOLOGY CO., LTD.

C14 Grant of patent or utility model
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Kernel density estimation-based license plate character segmentation method

Effective date of registration: 20190821

Granted publication date: 20170208

Pledgee: Hangzhou Yuhang Small and Medium-sized Enterprise Transfer Service Co., Ltd.

Pledgor: ZHEJIANG ICARE VISION TECHNOLOGY CO., LTD.

Registration number: Y2019330000020

PE01 Entry into force of the registration of the contract for pledge of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170208

Termination date: 20210415

CF01 Termination of patent right due to non-payment of annual fee