一种基于自适应边缘特征的车牌粗定位方法
技术领域
本发明涉及车牌识别技术领域,具体是一种基于自适应边缘特征的车牌粗定位方法。
背景技术
车牌识别是智能交通的核心技术,包含了三个部分:车牌定位、字符分割、字符识别。其中,车牌定位是整个技术最重要的一部分,车牌定位的好坏,直接影响后续的步骤,进而影响整体的识别速度和准确率。
车牌定位是指在一幅图像中,快速找出车牌所在的大致区域。一般通过粗定位和精定位相结合的方法来实现。具体方法是:粗定位在整幅图中快速排除大部分非车牌区域,留下候选车牌区域。然后精定位在候选车牌区域内进行第二次判断,找出真正的车牌区域。因此,车牌粗定位保留下来的候选区域的数量和质量,是衡量车牌定位算法优劣的最重要依据。
目前,车牌粗定位主要有以下几类技术:
(1)基于颜色检测的方法,如中国专利申请CN103400121A公开了一种基于彩色二值化图像的车牌定位方法。该类技术在理想光线和图像清晰的情况下,可以达到不错的效果。但是现实环境和光线的复杂多变,不同设备获取图像的清晰度也不一样,因此,该类技术在很多情况下存在误检和漏检的问题。
(2)基于机器学习的方法,如中国专利申请CN103870803A公开了一种基于粗定位与精定位融合的车牌识别方法和系统。该类技术对于复杂的光线和环境具有一定的鲁棒性,但是算法的检测速度很慢,而且会存在较多的误检和部分漏检。
(3)基于边缘特征的方法,如中国专利申请CN103985135A公开了一种基于差分边缘图像的车牌定位方法,中国专利申请CN102693423A公开了一种在强光条件下车牌精确定位的方法。该类技术先获取图像的垂直边缘特征,然后通过形态学运算或者行扫描连线获得连通区域,最后通过连通区域分析获取最终的候选区域。该类技术的优点是算法简单,速度很快,漏检少,对复杂环境抵抗能力强。但同样存在一系列缺点:由于形态学结构元素和行相邻点连接的距离阈值多采用固定值,对于不同尺寸的车牌适应能力较差,进而导致较多误检。有些算法采用尺度变换后多次检测的方法,虽然达到了适应不同尺寸车牌图像的效果,但循环重复的运行过程大大降低了算法速度,严重影响最终性能。
发明内容
本发明的目的在于提供一种基于自适应边缘特征的车牌粗定位方法,采用自适应边缘特征获取垂直边缘连通区域,使获得的连通区域更加精准,排除更多非车牌区域,同时在一幅图上即可完成不同尺寸车牌的粗定位。
本发明的技术方案为:
一种基于自适应边缘特征的车牌粗定位方法,包括以下顺序的步骤:
(1)将包含车牌的待处理彩色图像变换成灰度图像;
(2)利用均值滤波器对得到的灰度图像进行模糊处理;
(3)利用垂直边缘检测算子,获取经过模糊处理的灰度图像的二值垂直边缘图;
(4)基于垂直边缘的密度信息,利用自适应边缘特征,动态获取二值垂直边缘图每行相邻前景目标点之间的距离阈值,将每行彼此之间距离小于该阈值的两个相邻前景目标点连起来,形成连通区域;
(5)将形成的各个连通区域进行形态学运算处理;
(6)对经过形态学运算处理后的各个连通区域进行分析,利用各个连通区域的特征信息,包括高度、宽度、宽高比和面积,去除非车牌连通区域,得到车牌候选连通区域;
(7)对车牌候选连通区域依据其周围边缘信息进行相应扩展,形成车牌候选矩形区域,得到车牌粗定位结果。
所述的基于自适应边缘特征的车牌粗定位方法,步骤(1)中,所述将包含车牌的待处理彩色图像变换成灰度图像,具体采用以下公式实现:
f=0.299R+0.587G+0.114B
其中,f表示灰度图像值,R、G、B分别表示对应像素的红、绿、蓝三通道的值。
所述的基于自适应边缘特征的车牌粗定位方法,步骤(2)中,所述均值滤波器采用的矩形卷积核为:
其中,K表示矩形卷积核,w表示矩形卷积核的宽度,h表示矩形卷积核的高度,w=3*h。
所述的基于自适应边缘特征的车牌粗定位方法,步骤(3)中,所述利用垂直边缘检测算子,获取经过模糊处理的灰度图像的二值垂直边缘图,具体包括以下顺序的步骤:
(31)利用sobel边缘检测算子,获取经过模糊处理的灰度图像的垂直边缘特征图,所述sobel边缘检测算子采用以下公式:
其中,Kernel表示sobel边缘检测算子;
(32)利用局部二值化算法,获取二值垂直边缘图,所述局部二值化算法采用经典niblack算法。
所述的基于自适应边缘特征的车牌粗定位方法,步骤(4)中,所述基于垂直边缘的密度信息,利用自适应边缘特征,动态获取二值垂直边缘图每行相邻前景目标点之间的距离阈值,将每行彼此之间距离小于该阈值的两个相邻前景目标点连起来,形成连通区域,具体包括以下顺序的步骤:
(41)进入二值垂直边缘图的待处理当前行;
(42)自左向右寻找连续跳变点;
(43)对找到的连续跳变点的数目进行统计,判断连续跳变点的数目是否小于预设阈值,若是,则返回步骤(42),继续寻找连续跳变点,若否,则执行步骤(44);
(44)采用以下公式获取连续跳变点区域内的加权平均边缘高度:
其中,T表示连续跳变点区域内的加权平均边缘高度,x表示连续跳变点区域内的前景目标点坐标,N表示连续跳变点的数目,f(hx)表示每个坐标位置的加权边缘高度,hx表示每个坐标位置的原始边缘高度,H表示连续跳变点区域内的平均高度;
(45)若当前行的相邻前景目标点之间的距离小于T,则将这两个相邻前景目标点用直线连起来;
(46)判断当前跳变点是否处于当前行的行尾,若是,则执行步骤(47),若否,则以当前跳变点作为起点,返回步骤(42);
(47)判断当前行是否为二值垂直边缘图的最后一行,若是,输出连通区域图像,若否,执行步骤(48);
(48)将当前行的下一行作为待处理当前行,返回步骤(41)。
所述的基于自适应边缘特征的车牌粗定位方法,步骤(5)中,所述将形成的各个连通区域进行形态学运算处理,具体包括以下步骤:
(51)基于形态学腐蚀运算,对各个连通区域进行修剪;
(52)基于形态学膨胀运算,对各个连通区域进行孔洞填充。
本发明采用自适应边缘特征,根据图像每一行相邻点之间的关系,动态调整行相邻点之间的连线距离阈值,相比其它粗定位方法,本发明能够获得更加精准的连通区域,排除更多的非车牌区域,同时对于含有不同尺寸车牌的图像,整个处理过程不需要进行尺度变换,就能完成相应的定位检测,算法更加高效,对于复杂环境的多车牌图像,也能有很好的表现。
附图说明
图1是本发明的方法流程图;
图2是本发明的基于自适应边缘特征获取连通区域的流程图;
图3是灰度变换后的待处理车牌图像;
图4是经模糊滤波后的车牌图像;
图5是车牌粗定位的中间过程图像,其中,(a)是垂直边缘特征图,(b)是基于自适应边缘特征的连通区域图,(c)是修剪和填充孔洞后的连通区域图,(d)是经连通区域分析和扩展后的车牌候选矩形区域图;
图6是车牌粗定位的结果显示图。
具体实施方式
下面结合附图和具体实施例进一步说明本发明。
如图1所示,一种基于自适应边缘特征的车牌粗定位方法,包括以下顺序的步骤:
S1、按照公式(1),将彩色图像变换为灰度图像,效果如图3所示:
f=0.299R+0.587G+0.114B (1)
其中,f表示灰度图像值,R、G、B分别表示对应像素的红、绿、蓝三通道的值。
S2、使用均值滤波器对灰度图像进行模糊处理,去除部分干扰细节。
因为车牌区域具有特定的尺寸特征,本发明使用矩形卷积核如公式(2)所示,完成图像的均值滤波。虽然模糊处理会破坏图像的细节,但是车牌的字符具有较高强度的边缘特征,因此,适当的模糊处理对于去除干扰区域是很有必要的,同时也不会过多破坏车牌区域,效果如图4所示。
其中,w表示矩形卷积核的宽度,h表示矩形卷积核的高度,w=3*h。
S3、使用垂直边缘检测算子,获取灰度图像的二值垂直边缘图,如图5(a)所示,具体步骤如下:
S31、基于sobel边缘检测算子,如公式(3)所示,获取垂直边缘特征图:
S32、基于局部二值化算法,获取二值垂直边缘图。因为图像不同区域的边缘强度不一样,使用全局二值化算法会造成车牌边缘的缺失,本发明使用的是经典的niblack算法。
S4、如图2所示,基于垂直边缘的密度信息,使用自适应边缘特征,动态获取行相邻点之间的距离阈值,把小于该阈值的相邻点连起来,形成连通区域,如图5(b)所示,具体步骤如下:
S41、进入当前待处理行。
S42、自左向右寻找连续跳变点;
S43、如果连续跳变点的数目小于规定的阈值,继续寻找跳变点,否则进入下一步。
S44、基于公式(4)和公式(5),获取连续跳变点区域内的加权平均边缘高度。
其中,T表示连续跳变点区域内的加权平均边缘高度,x表示连续跳变点区域内的前景目标点坐标,N表示连续跳变点的数目,f(hx)表示每个坐标位置的加权边缘高度,hx表示每个坐标位置的原始边缘高度,H表示连续跳变点区域内的平均高度。
S45、如果行相邻前景目标点之间的距离小于T,则把这两个目标点用直线连起来。
S46、如果当前的跳变点位置到达行尾,进入下一步,否则以当前的跳变点作为起点,继续执行步骤S42。
S47、如果当前行是图像最后一行,输出连通区域图像,否则进入下一步。
S48、进入下一行,重新回到步骤S41,分析下一行。
S5、基于形态学腐蚀运算,修剪连通区域,基于形态学膨胀运算,填充孔洞,如图5(c)所示。
S6、基于连通区域的高度、宽度、宽高比、面积等特征,对当前的连通区域进行分析。
S7、如果是车牌候选连通区域,进入步骤S8,否则是非车牌连通区域,直接进入步骤S9。
S8、依据留下的连通区域的周围边缘信息,进行相应扩展,形成车牌候选矩形区域,如图5(d)所示,并保存在相应列表中。
S9、如果存在连通区域未被分析,则返回步骤S6,继续分析下一个连通区域;如果所有连通区域均已处理,则输出粗定位结果,如图6所示,处理过程结束。
以上所述实施方式仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。