基于小波变换和SVM的低照度的复杂背景车牌定位方法技术

本发明专利技术为一种基于小波变换和SVM的低照度的复杂背景车牌定位方法，其涉及计算机视觉领域。该方法利用小波变换进行图像的多级小波分解得到尺度系数和小波系数，采用MSR方法处理尺度系数来调整低照度图像的亮度，采用阈值增强方法处理各层的小波系数来增强图像，从而获得了细节信息丰富、高对比度的清晰图像，有利于准确地进行车牌定位；再利用垂直边缘检测Bernsen算子进行边缘检测，结合垂直投影方法快速地进行车牌的粗定位，得到车牌区域的宽度，过滤掉了大部分无关的背景区域；最后提取了图像的空域特征和离散余弦域特征，利用SVM算法进行分类训练定位出车牌区域，然后去除车牌区域之间的重合框得到最终的精确定位效果。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，特指一种基于小波变换和SVM的低照度的复杂背景车牌定位方法。
技术介绍
智能交通系统已经成为交通管理发展的主流方向，作为实现交通管理自动化的车辆车牌识别技术(LicensePlateRecognition，LPR)应运而生，LPR系统广泛应用于电子收费站、停车场车辆管理等场合。车牌识别系统主要由牌照图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个组成部分。其中，车牌定位的效果会对接下来的字符分割和字符识别产生直接的影响。常用的车牌定位方法有基于边缘特征的车牌定位方法、基于颜色特征的车牌定位方法和基于纹理特征的车牌定位等方法。基于边缘的定位方法通常比较快速简单，但是容易受到背景干扰，在背景复杂干扰边缘较多时往往定位效果不佳。基于颜色特征的车牌定位方法定位准确、精度高。但是车身颜色和背景颜色比较接近时车牌定位会失效，因此有较明显的局限性。基于纹理特征的定位方法可以克服边缘模糊和颜色失真等问题，但是计算量较大。由于车牌识别系统往往应用于室外环境，因此在实际的应用过程中车牌定位会受到很多因素的影响，比如车牌模糊、车牌的悬挂位置不统一、光照不均和不足、车牌大小不固定、复杂的背景等都会给车牌定位带来一定的困难。针对低照度下车牌信息的丢失以及复杂背景中过多的干扰信息而造成的车牌定位的困难性和不准确性，提出了基于小波变换和SVM的低照度的复杂背景车牌定位方法。该方法首先利用小波变换进行图像的多级小波分解得到尺度系数和小波系数，采用MSR方法处理尺度系数来调整低照度图像的亮度，采用阈值增强方法处理各层的小波系数来增强图像，从而获得了细节信息丰富、高对比度的清晰图像，有利于准确地进行车牌定位；再利用垂直边缘检测Bernsen算子进行边缘检测，结合垂直投影方法快速地进行车牌的粗定位，得到车牌区域的宽度，过滤掉了大部分无关的背景区域，有利于提高精确定位的速率；最后提取了图像的空域特征和离散余弦域特征，利用SVM算法进行分类训练，从而定位出车牌区域，然后去除车牌区域矩形框的重叠部分得到最终的精确定位效果。
技术实现思路
本专利技术要解决的技术问题在于：针对车牌定位这个特定问题，提出一种基于小波和SVM的低照度的复杂背景的车牌定位方法。为解决上述技术问题，本专利技术采取的技术方案是：一种基于小波变换和SVM的低照度的复杂背景的车牌定位方法，其特征是包括如下步骤：步骤1)利用小波变换对低照度图像进行图像增强，获得细节信息丰富、高对比度的增强图像，对于不同层次的小波系数采用不同阈值增强算法，使得增强图像细节特征的同时，也抑制了噪声，其包括：1.1、利用小波变换对图像进行多级小波分解，得到尺度系数φ(t)和小波系数ψ(t)；1.2、采用MSR方法处理尺度系数来调整图像的亮度；1.3、采用阈值增强的方法处理各层小波系数来增强图像的细节特征；步骤2)对增强后的图像进行二值化处理，利用垂直边缘检测Bernsen算子进行边缘检测，结合垂直投影方法快速地进行车牌的粗定位，得到车牌区域的宽度，从而过滤掉了大部分无关的背景区域，有利于快速实现SVM分类训练，提高了系统的速率；步骤3)提取步骤2)得到的车牌区域的空域特征和离散余弦域特征，利用SVM算法进行分类训练，从而定位出车牌区域，其包括：3.1、提取图像的空域特征和离散余弦特征，作为SVM训练的特征向量；3.2、利用SVM算法进行分类训练，定位出车牌区域；步骤4)进行车牌区域的重叠矩形框检测，精确定位出车牌区域。作为本专利技术的进一步改进，所述步骤1)中，所述采用MSR方法处理尺度系数来调整图像的亮度的方法如下：上式中，R(x,y)是MSR方法的输出；I(x,y)是图像数据；是卷积运算符；we为权值，满足∑we＝1，e表示顺序，即第几个权值，F(x,y)＝K*exp(-(x2+y2)/ce2)，K满足∫∫F(x,y)dxdy＝1；ce决定高斯曲面的形状；E为不同形状的高斯曲面的数目也就是尺度的数目，不同的e对应不同的ce。作为本专利技术的进一步改进，所述步骤1)中，所述采用阈值增强的方法处理各层小波系数来增强图像的细节特征包括：选择长度为5的3次B样条小波对图像进行四级小波分解，根据各层小波系数的不同特点，通过不同的阈值算法对不同尺度小波分量分别进行变换；在第一级小波系数内，采用双阈值增强图像细节特征：上式中，T1和T2是阈值门限，T1＜T2，G＝8，Win和Wout是变换前后的小波系数；在第二、三级小波系数内，采用自适应阈值增强算法：式中，T3和T4是阈值门限，T4＜T3，G＝10，Win和Wout是变换前后的小波系数；在第四级小波系数内，采用单阈值算法进行处理：式中，T5是阈值门限，G＝8，Win和Wout是变换前后的小波系数。作为本专利技术的进一步改进，所述步骤2)中，对车牌图像的下2/3部分进行垂直投影，采用自下往上的方式扫描车牌，结合垂直投影的方法粗定位出牌照位置的宽度步骤如下：(1)对处理后的二值化图像进行垂直投影，扫描垂直投影后的车牌图像，统计投影图像中各相邻两列黑色像素点数的绝对差值，同时记录下各个绝对差值所对应的前一列的坐标；(2)利用快速排序的方法排列所述绝对差值，对其相对应的坐标也进行排序，取绝对差值最大的18个坐标值，从小到大排序，利用最小二乘法，去除突兀的点，剩下的坐标值对应区域就是牌照在垂直方向的区域，即垂直条带区域，从而得到了车牌的宽度。作为本专利技术的进一步改进，所述步骤3)中，对于空域特征采用灰度共生矩阵来提取图像表面纹理特征参数，将图像f(i,j)的灰度值分级，其最高的灰度为Ng，记图像水平方向的宽度为Lx＝{1,2,...,Nx本文档来自技高网...

【技术保护点】
一种基于小波变换和SVM的低照度的复杂背景的车牌定位方法，其特征是，包括如下步骤：步骤1)利用小波变换对低照度图像进行图像增强，获得高对比度图像，其包括：1.1、利用小波变换对图像进行多级小波分解，得到尺度系数φ(t)和小波系数ψ(t)；1.2、采用MSR方法处理尺度系数来调整图像的亮度；1.3、采用阈值增强的方法处理各层小波系数来增强图像的细节特征；步骤2)对增强后的图像进行二值化处理，对二值化处理后的图像结合垂直投影方法快速地进行车牌的粗定位，得到车牌区域的宽度；步骤3)提取步骤2)得到的车牌区域的空域特征和离散余弦域特征，利用SVM算法进行分类训练，从而定位出车牌区域，其包括：3.1、提取图像的空域特征和离散余弦特征，作为SVM训练的特征向量；3.2、利用SVM算法进行分类训练，定位出车牌区域；步骤4)进行车牌区域的重叠矩形框检测，精确定位出车牌区域。

【技术特征摘要】
1.一种基于小波变换和SVM的低照度的复杂背景的车牌定位方法，其特征是，包括如下步骤：步骤1)利用小波变换对低照度图像进行图像增强，获得高对比度图像，其包括：1.1、利用小波变换对图像进行多级小波分解，得到尺度系数φ(t)和小波系数ψ(t)；1.2、采用MSR方法处理尺度系数来调整图像的亮度；1.3、采用阈值增强的方法处理各层小波系数来增强图像的细节特征；步骤2)对增强后的图像进行二值化处理，对二值化处理后的图像结合垂直投影方法快速地进行车牌的粗定位，得到车牌区域的宽度；步骤3)提取步骤2)得到的车牌区域的空域特征和离散余弦域特征...

【专利技术属性】
技术研发人员：陈蓉，姜德财，
申请(专利权)人：湖南源信光电科技有限公司，
类型：发明
国别省市：湖南;43