專利名稱：基于數字圖像處理的車牌號碼匹配算法的制作方法
技術領域：
本發明涉及一種圖像識別技術，特別涉及一種基于數字圖像處理的車牌號碼匹配算法。
背景技術：
目前，有關研究人員對圖像匹配技術進行了大量的研究，提出了很多匹配算法有基于面積的方法，有基于比值的方法，有相位相關算法等等，但是這些匹配算法有一個共同點圖像間的焦距要一致，不能有尺度縮放，旋轉不能太大，變形不能太明顯，還有光照變化、放射變換等等方面受到限制。隨著圖像技術和計算機技術的發展，出現了基于特征的圖像匹配技術。這種技術的優點是能處理具有不同特征的圖像和圖像間變形復雜的情況。缺點是特征的檢測困難，算法穩定性差。發明內容
本發明是針對特征匹配和檢測兩者都滿足困難的問題，提出了一種基于數字圖像處理的車牌號碼匹配算法，完成算法的特征點提取，并完成兩幅圖像的匹配。通過實驗具體驗證算法在尺度縮放，旋轉，亮度變化，仿射變換和噪聲影響情況下仍然能夠完成匹配并且保持較好的穩定性與魯棒性。
本發明的技術方案為一種基于數字圖像處理的車牌號碼匹配算法，包括如下步驟1)圖像信息采集拍攝設備對同一車牌進行兩次拍攝，得到兩幅圖像，一幅設定為待匹配圖像，另一幅作為參考圖像；2)待匹配和參考圖像特征提取A:首先進行尺度空間極值檢測(1)建立高斯金字塔為了得到在不同尺度空間下的穩定特征點，將圖像I(x，y)與不同尺度因子下的高斯核G(x，y, σ)進行卷積操作，構成高斯金字塔；(2)建立DOG金字塔D0G金 字塔通過高斯金字塔中相鄰尺度空間函數相減即可；(3)D0G空間的極值檢測在上面建立的DOG尺度空間金字塔中，為了檢測到DOG空間的最大值和最小值，DOG尺度空間中中間層(最底層和最頂層除外)的每個像素點需要跟同一層的相鄰8個像素點以及它上一層和下一層的9個相鄰像素點總共26個相鄰像素點進行比較；B:精確定位特征點位置對上面DOG尺度空間中檢測到局部極值點進行進一步的檢驗精確定位為特征點，然后通過附近區域的差分來近似估計，去除低對比度的特征點和不穩定的邊緣響應點；C:確定特征點主方向利用特征點鄰域像素的梯度方向分布特性為每個特征點指定方向參數，在實際計算過程中，在以特征點為中心的鄰域窗口內采樣，并用梯度方向直方圖統計鄰域像素的梯度方向，梯度直方圖的范圍是0° 360°，其中每10° —個柱，總共36個柱；梯度方向直方圖的峰值則代表了該特征點處鄰域梯度的主方向，即作為該特征點的方向；在梯度方向直方圖中，當存在另一個相當于主峰值80 能量的峰值時，則將這個方向認為是該特征點的輔方向；一個特征點可能會被指定具有多個方向Γ一個主方向，一個以上輔方向)；D:生成特征向量首先將坐標軸旋轉為特征點的方向，接下來以特征點為中心取8X8 的窗口(特征點所在的行和列不取)，中央黑點為當前特征點的位置，每個小格代表特征點鄰域所在尺度空間的一個像素，箭頭方向代表該像素的梯度方向，箭頭長度代表梯度模值， 圖中圈內代表高斯加權的范圍(越靠近特征點的像素，梯度方向信息貢獻越大)；然后在每 4X4的圖像小塊上計算8個方向的梯度方向直方圖，繪制每個梯度方向的累加值，形成一個種子點；一個特征點由2X2共4個種子點組成，每個種子點有8個方向向量信息，可產生2X2X8共32個數據，形成32維的特征向量即特征點描述器，所需的圖像數據塊為 8X8 ；3)兩幅圖像特征向量的匹配首先，進行相似性度量可采用距離函數作為特征的相似性度量；其次，消除錯配通過相似性度量得到潛在匹配對，根據幾何限制和附加約束消除錯誤匹配，得到匹配結果。
所述步驟2)待匹配和參考圖像特征提取中精確定位特征點位置，可通過對局部極值點進行三維二次函數擬和以精確確定特征點的位置和尺度。
所述步驟3)兩幅圖像特征向量的匹配中進行相似性度量采用優先k - d樹進行優先搜索來查找每個特征點的2近似最近鄰特征點，在這兩個特征點中，如果最近的距離除以次近的距離少于設定比例閾值，則接受這一對匹配點。
所述步驟3)兩幅圖像特征向量的匹配中消除錯配，附加約束可選RANSAC隨機抽樣一致性算法，幾何約束是極線約束關系。
本發明的有益效果在于本發明基于數字圖像處理的車牌號碼匹配算法，算法通過實驗具體驗證算法在尺度縮放，旋轉，亮度變化，仿射變換和噪聲影響情況下仍然能夠完成匹配并且保持較好的穩定性與魯棒性。適用于在海量特征數據庫中進行快速、準確的匹配。
圖1為本發明基于數字圖像處理的車牌號碼匹配算法流程圖；圖2為本發明特征向量的生成原理圖；圖3為本發明實施例待參考圖像的特征向量圖；圖4為本發明實施例待匹配圖像的特征向量圖；圖5為本發明實施例匹配結果圖；圖6為本發明實施例待匹配圖像旋轉30°的匹配結果圖；圖7為本發明實施例待匹配圖像旋轉45°的匹配結果圖。
具體實施方式
如圖1所示基于數字圖像處理的車牌號碼匹配算法流程圖，包括圖像信息采集、 待匹配和參考圖像特征提取、圖像特征匹配、實驗驗證結果。圖像信息采集即將拍攝設備拍攝的圖像作為實驗對象，這里就同一車牌進行兩次拍攝，得到兩幅圖像，一幅設定為待匹配圖像，另一幅作為參考圖像；特征提取對兩幅實驗圖像進行分析，提取特征信息；圖像特征匹配即對提取出的兩幅圖像的特征進行相似性匹配；最后從不同的閾值，不同的維數，以及從不同的旋轉角度情況的方面進行研究，通過具體的實驗結果驗證了算法的優良特性。
一、特征提取方法包括如下步驟1、尺度空間極值檢測尺度空間理論是利用高斯核對原始圖像進行尺度變換，獲得圖像多尺度下的尺度空間表示序列，對這些序列進行尺度空間特征提取。二維高斯核的定義如公式所示，其中σ代表了高斯正態分布的方差
權利要求
1.一種基于數字圖像處理的車牌號碼匹配算法，其特征在于，包括如下步驟1)圖像信息采集拍攝設備對同一車牌進行兩次拍攝，得到兩幅圖像，一幅設定為待匹配圖像，另一幅作為參考圖像；2)待匹配和參考圖像特征提取A:首先進行尺度空間極值檢測(1)建立高斯金字塔為了得到在不同尺度空間下的穩定特征點，將圖像I(x，y)與不同尺度因子下的高斯核G(x，y, σ)進行卷積操作，構成高斯金字塔；(2)建立DOG金字塔D0G金字塔通過高斯金字塔中相鄰尺度空間函數相減即可；(3)D0G空間的極值檢測在上面建立的DOG尺度空間金字塔中，為了檢測到DOG空間的最大值和最小值，DOG尺度空間中中間層(最底層和最頂層除外)的每個像素點需要跟同一層的相鄰8個像素點以及它上一層和下一層的9個相鄰像素點總共26個相鄰像素點進行比較；B:精確定位特征點位置對上面DOG尺度空間中檢測到局部極值點進行進一步的檢驗精確定位為特征點，然后通過附近區域的差分來近似估計，去除低對比度的特征點和不穩定的邊緣響應點；C:確定特征點主方向利用特征點鄰域像素的梯度方向分布特性為每個特征點指定方向參數，在實際計算過程中，在以特征點為中心的鄰域窗口內采樣，并用梯度方向直方圖統計鄰域像素的梯度方向，梯度直方圖的范圍是0° 360°，其中每10° —個柱，總共36 個柱；梯度方向直方圖的峰值則代表了該特征點處鄰域梯度的主方向，即作為該特征點的方向；在梯度方向直方圖中，當存在另一個相當于主峰值80 能量的峰值時，則將這個方向認為是該特征點的輔方向；一個特征點可能會被指定具有多個方向Γ一個主方向，一個以上輔方向)；D:生成特征向量首先將坐標軸旋轉為特征點的方向，接下來以特征點為中心取8X8 的窗口(特征點所在的行和列不取)，中央黑點為當前特征點的位置，每個小格代表特征點鄰域所在尺度空間的一個像素，箭頭方向代表該像素的梯度方向，箭頭長度代表梯度模值， 圖中圈內代表高斯加權的范圍(越靠近特征點的像素，梯度方向信息貢獻越大)；然后在每 4X4的圖像小塊上計算8個方向的梯度方向直方圖，繪制每個梯度方向的累加值，形成一個種子點；一個特征點由2 X 2共4個種子點組成，每個種子點有8個方向向量信息，可產生2X2X8共32個數據，形成32維的特征向量即特征點描述器，所需的圖像數據塊為 8X8 ；3)兩幅圖像特征向量的匹配首先，對進行相似性度量可采用距離函數作為特征的相似性度量；其次，消除錯配通過相似性度量得到潛在匹配對，根據幾何限制和附加約束消除錯誤匹配，得到匹配結果。
2.根據權利要求1所述基于數字圖像處理的車牌號碼匹配算法，其特征在于，所述步驟2)待匹配和參考圖像特征提取中精確定位特征點位置，可通過對局部極值點進行三維二次函數擬和以精確確定特征點的位置和尺度。
3.根據權利要求1所述基于數字圖像處理的車牌號碼匹配算法，其特征在于，所述步驟3)兩幅圖像特征向量的匹配中進行相似性度量采用優先k - d樹進行優先搜索來查找每個特征點的2近似最近鄰特征點，在這兩個特征點中，如果最近的距離除以次近的距離少于設定比例閾值，則接受這一對匹配點。
4.根據權利要求1所述基于數字圖像處理的車牌號碼匹配算法，其特征在于，所述步驟3)兩幅圖像特征向量的匹配中消除錯配，附加約束可選RANSAC隨機抽樣一致性算法，幾何約束是極線約束關系。
全文摘要
本發明涉及一種基于數字圖像處理的車牌號碼匹配算法，拍攝設備對同一車牌進行兩次拍攝，得到兩幅圖像，對兩幅圖像進行尺度空間極值檢測、精確定位特征點位置、確定特征點主方向、生成特征向量得到圖像特征，然后對兩幅圖像特征向量進行匹配，此算法通過實驗具體驗證算法在尺度縮放，旋轉，亮度變化，仿射變換和噪聲影響情況下仍然能夠完成匹配并且保持較好的穩定性與魯棒性。適用于在海量特征數據庫中進行快速、準確的匹配。
文檔編號G06K9/00GK103065135SQ20131002740
公開日2013年4月24日 申請日期2013年1月25日 優先權日2013年1月25日
發明者叢媛, 陳曉榮, 劉曉東, 秦興盛 申請人:上海理工大學