一種基于模糊退化模型的車牌二值化方法
【技術領域】
[0001] 本發明涉及圖像處理領域，特別涉及一種基于模糊退化模型的車牌二值化方法。
【背景技術】
[0002] 車牌識別是圖像處理與模式識別技術在現代智能交通中的一個很成功應用。通過 攝像頭采集到的圖像或視頻，應用圖像處理與分析技術將車牌區域從圖像中定位出來，再 將車牌圖像分割為一個個單獨的車牌字符圖像，最后應用模式識別技術識別每個單獨的字 符圖像，從而拼合在一起得到最終的車牌結果。
[0003] 二值化是車牌識別系統中圖像預處理步驟里的關鍵一步，二值化的效果直接影響 到車牌字符分割的精確性和字符識別的識別率。但是由于車牌圖像拍攝環境的多變，我們 實際采集到的車牌圖像在清晰度、亮度和對比度等方面都存在著差異。這就給傳統的采用 固定閾值二值化來進行車牌圖像預處理的方法帶來了困難。
[0004] 現有的車牌二值化算法大多都是基于閾值的方法來對車牌進行二值化，針對于閾 值的計算，有的采用局部閾值，有的采用全局閾值，對應產生了局部二值化算法和全局二值 化算法，但是由于車牌圖像的特殊性，一些光照不均，曝光過度，污損車牌在應用上面兩種 方法時，效果都不理想。
[0005] 在實際應用中還有一個棘手的難題就是字符之間的粘連問題，在低像素攝像頭采 集到的圖像樣本中，圖像分辨率低，導致圖像中很多細節都是靠像素之間的插值來模擬生 成，這樣的情況表現在車牌圖像上就會讓車牌字符之間形成連結，無法進一步將字符與字 符很好的分離，對后面的字符識別造成困難。
【發明內容】
[0006] 本發明的目的在于提供一種基于模糊退化模型的車牌二值化方法，能夠有效的將 車牌字符進行分離，便于后續車牌字符識別。
[0007]為實現上述目的，本發明采用以下技術方案：
[0008] -種基于模糊退化模型的車牌二值化方法，包括以下步驟：
[0009] S1、初步二值化，對原車牌圖像進行初步二值化，獲得二值車牌圖像；
[0010] S2、骨架細化，對步驟S1中得到的二值車牌圖像進行連通區域細化，獲得車牌骨 架圖像；
[0011] S3、字符中心骨架提取，對步驟S2中得到的車牌骨架圖像上的每個骨架點，判斷 其是否屬于車牌字符上的點，若是，則予以保留，若否，則予以刪除，從而獲得車牌字符骨架 圖像；
[0012] S4、字符中心顏色提取，根據步驟S3中得到的車牌字符骨架圖像上的每個骨架 點，在原車牌圖像上提取對應點的顏色值，從而獲得字符中心顏色值；
[0013] S5、獲取車牌圖像二值化閾值，根據步驟S4得到的字符中心顏色值，建立模糊退 化模型，計算得到車牌圖像二值化閾值；
[0014] S6、最終二值化，基于步驟S5得到的車牌圖像二值化閾值，對原車牌圖像進行二 值化。
[0015] 優選地，在步驟S1中，所述初步二值化采用Ostu二值化算法。
[0016] 優選地，所述步驟S2包括以下分步驟：
[0017] S21、對于單個像素點，定義其上、下、左、右4個像素點的集合為該像素點的4-鄰 域，定義其上、下、左、右4個像素點及其對角線方向上的4個像素點的集合為該像素點的 8_鄰域，對于前景中的每一個像素點p，定義交叉點數為點p的4-鄰域中灰度值滿足下面 條件的像素點的總個數，
[0018] g (Pk)-g (P^) = 1,
[0019] 其中，Pk代表第k個像素點，g(Pk)為第k個像素點的灰度值，0彡k彡7,且運算 時像素點P的下標模8 ;
[0020] S22、對二值車牌圖像上的每個像素點，根據4-鄰域的灰度值、8-鄰域的灰度值以 及交叉點數，對其進行保留或刪除，最終獲得車牌骨架圖像。
[0021]優選地，所述步驟S3通過以下分步驟實現：
[0022] S31、對于步驟S2中得到的車牌骨架圖像上的每個骨架點，判斷其8-鄰域內灰度 值為1的像素點數量，若等于1或大于等于3,則對其予以保留，否則執行步驟S32-S34;
[0023] S32、根據該像素點與周圍像素點的位置關系，判斷該像素點所在線條的線條類 型，所述線條類型包括堅直線、水平線及傾斜線；
[0024] S33、在從該像素點出發，在二值車牌圖像上，沿著線條類型的垂直方向向兩側進 行搜索，直到遇到黑色像素點為止，兩側搜索的步長之和作為該像素點處原字符的筆畫寬 度；
[0025] S34、若該像素點處原字符的筆畫寬度在車牌字符的正常筆畫寬度范圍內，則判定 該像素點屬于車牌字符上的點并予以保留，否則予以刪除；
[0026] S35、遍歷車牌骨架圖像上的所有骨架點，最終獲得車牌字符骨架圖像。
[0027] 優選地，所述步驟S4還包括將獲得的字符中心顏色值保存在數組C中。
[0028] 優選地，所述步驟S5包括以下分步驟：
[0029] S51、將數組C中的顏色值作為隨機變量X，X的觀測值表示為：
[0030] X= {Xi，X2，…，Xt}，其中，X# C;
[0031] S52、建立隨機變量X的混合高斯分布模型：
[0032]
【主權項】
1. 一種基于模糊退化模型的車牌二值化方法，其特征在于，包括以下步驟： 51、 初步二值化，對原車牌圖像進行初步二值化，獲得二值車牌圖像； 52、 骨架細化，對步驟S1中得到的二值車牌圖像進行連通區域細化，獲得車牌骨架圖 像； 53、 字符中心骨架提取，對步驟S2中得到的車牌骨架圖像上的每個骨架點，判斷其是 否屬于車牌字符上的點，若是，則予以保留，若否，則予以刪除，從而獲得車牌字符骨架圖 像； 54、 字符中心顏色提取，根據步驟S3中得到的車牌字符骨架圖像上的每個骨架點，在 原車牌圖像上提取對應點的顏色值，從而獲得字符中心顏色值； 55、 獲取車牌圖像二值化閾值，根據步驟S4得到的字符中心顏色值，建立模糊退化模 型，計算得到車牌圖像二值化閾值； 56、 最終二值化，基于步驟S5得到的車牌圖像二值化閾值，對原車牌圖像進行二值化。
2. 如權利要求1所述的一種基于模糊退化模型的車牌二值化方法，其特征在于，在步 驟S1中，所述初步二值化采用Ostu二值化算法。
3. 如權利要求1或2所述的一種基于模糊退化模型的車牌二值化方法，其特征在于，所 述步驟S2包括以下分步驟： 521、 對于單個像素點，定義其上、下、左、右4個像素點的集合為該像素點的4-鄰域， 定義其上、下、左、右4個像素點及其對角線方向上的4個像素點的集合為該像素點的8-鄰 域，對于前景中的每一個像素點P，定義交叉點數為點P的4-鄰域中灰度值滿足下面條件的 像素點的總個數， g(Pk)-g(Pk-i) =L 其中，Pk代表第k個像素點，g(Pk)為第k個像素點的灰度值，0彡k彡7,且運算時像 素點P的下標模8 ; 522、 對二值車牌圖像上的每個像素點，根據4-鄰域的灰度值、8-鄰域的灰度值以及交 叉點數，對其進行保留或刪除，最終獲得車牌骨架圖像。
4. 如權利要求3所述的一種基于模糊退化模型的車牌二值化方法，其特征在于，所述 步驟S3通過以下分步驟實現： 531、 對于步驟S2中得到的車牌骨架圖像上的每個骨架點，判斷其8-鄰域內灰度值為 1的像素點數量，若等于1或大于等于3,則對其予以保留，否則執行步驟S32-S34 ; 532、 根據該像素點與周圍像素點的位置關系，判斷該像素點所在線條的線條類型，所 述線條類型包括堅直線、水平線及傾斜線； 533、 在從該像素點出發，在二值車牌圖像上，沿著線條類型的垂直方向向兩側進行搜 索，直到遇到黑色像素點為止，兩側搜索的步長之和作為該像素點處原字符的筆畫寬度； 534、 若該像素點處原字符的筆畫寬度在車牌字符的正常筆畫寬度范圍內，則判定該像 素點屬于車牌字符上的點并予以保留，否則予以刪除； 535、 遍歷車牌骨架圖像上的所有骨架點，最終獲得車牌字符骨架圖像。
5. 如權利要求4所述的一種基于模糊退化模型的車牌二值化方法，其特征在于，所述 步驟S4還包括將獲得的字符中心顏色值保存在數組C中。
6. 如權利要求5所述的一種基于模糊退化模型的車牌二值化方法，其特征在于，所述 步驟S5包括以下分步驟： 551、 將數組C中的顏色值作為隨機變量X，X的觀測值表示為： X= {Xi，X2，…，Xt}，其中，X#C; 552、 建立隨機變量X的混合高斯分布模型：
其中，g(X,yi, 〇 )為高斯分布函數，％為權重； 553、 初始化y0、y2= 0、〇i= 0、〇 2= 0,根據隨機變量X的實際取值對y^ ^ %進行更新； 554、 獲取權重最大的_斯|吳型，并求取該_斯|吳型的參數y、〇 ; 555、 建立字符中心顏色值的高斯分布模型：
對任意點（x，y)，若其顏色值為g，則其滿足車牌字符上的點的條件是： Ig-yI= 3 〇。
7.如權利要求6所述的一種基于模糊退化模型的車牌二值化方法，其特征在于，在步 驟S6中，所述對原車牌圖像進行二值化為通過以下公式對原車牌圖像進行二值化：
其中，b(x，y)為最終的車牌二值圖像，f(x，y)為原車牌的灰度圖像。
【專利摘要】本發明公開了一種基于模糊退化模型的車牌二值化方法，其包括以下步驟：初步二值化；骨架細化；字符中心骨架提取；字符中心顏色提取；獲取車牌圖像二值化閾值；最終二值化。本發明能夠有效的將車牌字符進行分離，便于后續車牌字符識別；同時采用模糊退化模型來估計出車牌字符中心像素與邊緣像素的退化關系，從而計算出正確的閾值來區分車牌字符與車牌背景，有效的避免了不同情況下閾值無法自適應的問題。
【IPC分類】G06K9-46
【公開號】CN104573692
【申請號】CN201410794680
【發明人】鄭海舟, 楊延生
【申請人】廈門翼歌軟件科技有限公司
【公開日】2015年4月29日
【申請日】2014年12月18日