专利名称：一种自适应目标定位方法
技术领域：
本发明涉及图像处理和模式识别领域中的目标自动定位。
背景技术：
在图像处理和模式识别领域的目标自动识别技术中，目标定位是一个至关重要 的环节，其定位的速度和准确程度直接影响到目标识别系统的性能。当前目标定 位的方法主要有模板匹配、利用颜色信息、基于小波和形态学相结合、二值化投 影等方法。这些方法主要存在的缺陷是-1、 系统参数的调节受环境因素(如天气、摄像角度、捕获图片的质量等)的 影响较大，即当这些环境因素发生改变时由于参数选择不当往往会造成目标的误 定位和漏定位；2、 计算复杂度较高，因此目标定位速度往往较慢，从而影响目标识别系统整体的实时性能。而在实时目标识别系统中，对于目标定位速度和系统的鲁棒性(Robust)要求都 很高，因此快速、高准确率的自适应目标定位方法成为图像处理和模式识别领域 中的研究热点。
发明内容
本发明要解决的技术问题是，提出一种自适应目标定位方法，能够快速准确 地定位待识别的目标，且参数调节受环境因素的影响小。本发明的技术方案包括以下步骤-步骤l:计算原始图像的能量值；步骤2:基于自适应能量滤波进行目标粗定位，得到目标侯选区； 步骤3:对目标候选区域进行检验；若该候选区域为真正的侯选区，则进行 后续步骤，否则，重新进行目标粗定位。步骤4:对检验通过的目标区域进行修正； 步骤5:最后输出定位的目标精确位置。 步骤1中的计算原始图像的能量值，是将原图像平均划分为大小为wx"的小 方块，然后分别计算各个小方块内的能量值，最后计算这些能量值的统计值。步骤中的进行目标粗定位，是先通过高通能量滤波将图像中能量低的区域滤 除掉，然后在剩余能量高的区域根据目标形状的先验知识粗分割出目标的候选区 域。包括以下步骤步骤2-l根据计算出来能量数组的统计值确定一个初始阈值；步骤2-2由选取的阈值滤除能量低的区域，即能量小于该阈值的小方块区域被滤除掉；步骤2-3将剩下的能量高且相邻的小方块区域连通在一起；步骤2-4根据目标形状的先验知识检査高能量的连通区域有无可能目标，若有则输出该目标作为候选区域，执行后面步骤3，否则执行步骤2-5;步骤2-5将本次阈值减去一步长值从而确定一个新的阈值，然后重新执行步骤2-2。步骤3对目标候选区域进行检验，是指利用目标较为细致的纹理特征进一步去除掉那些干扰区域并将真正的目标区域分割出来，可以包括以下步骤 3-1 二值化候选区域，提取一些行作为检验行； 3-2对各检验行的跳变次数进行计数； 3-3计算跳变次数均值和各行跳变次数方差；3-4由均值和方差校验该侯选区是否为真正的侯选区。本发明根据目标在某一方向上能量高并且集中的特点，先通过一种自适应的高 通能量滤波快速地粗分割出目标的候选区域，再用较为细致的纹理特征对候选区 域进行校验和修正，最后得到目标的精确位置。该方法定位速度快、准确率高、 鲁棒性强，特别适用于实时目标自动识别系统中的目标定位。因此具有很强的实 时性和鲁棒性，尤其适用于车牌识别、人脸识别等实时识别系统。
图l是本发明提出的目标定位方法的总体流程图。图2是本发明通过自适应能量滤波法快速粗定位目标的流程图。 图3是对目标粗定位的结果进行校验的流程图。
具体实施方式
-本发明流程如图1所示，其步骤描述如下-步骤l:计算原始图像的能量值。在图像处理中，能量是一种描述目标整体特 征的统计参数。这里图像能量值的计算过程是将原图像平均划分为大小为WXW的 小方块，然后分别计算各个小方块内的能量值，最后计算这些能量值的统计值(如 均值等)。划分小方块的优点一是将对原始图像所有像素的处理转化为对縮小了 "x"倍的二维数组处理，这样可极大加快了后面目标分割速度，二是可去除掉该 方向上特征值跳变剧烈但分布稀疏的区域，从而最大限度地减少噪声的影响。步骤2:基于自适应能量滤波进行目标粗定位。在原始图像中，目标区域往往 是在某一方向上特征值跳变剧烈且集中的区域。所以基于自适应能量滤波进行目 标粗定位的主要思想是先通过一种高通能量滤波快速地将图像中绝大部分平滑区 域(即能量低的区域)滤除掉，然后在剩余能量高的区域根据目标形状的先验知 识粗分割出目标的候选区域。这里所谓的自适应是指用于能量滤波的阈值是根据 原始图像本身的能量分布和目标分割的结果自动调节。阈值的取值至关重要，因为阈值若过大，真正的目标区域有可能部分或全部被滤除掉，从而出现漏定位；若阈值过小，会出现大量的干扰区域，不仅会大幅度增加后面检验时间，还会导致错定位。本步骤的具体处理流程如图2所示，其主要过程如下 步骤2-1:根据计算出来能量数组的统计值确定一个初始阈值； 步骤2-2:由选取的闺值滤除能量低的区域，即能量小于该阈值的小方块区域被滤除掉；步骤2-3:将剩下的能量高且相邻的小方块区域连通在一起；步骤2-4:根据目标形状的先验知识检査高能量的连通区域有无可能目标(即候选目标)，若有则输出该目标候选区域(即目标粗定位结果)执行后续步骤3，否则执行步骤2-5;步骤2-S:将本次阈值减去一步长值从而确定一个新的阈值，然后重新执行步 骤2-2;通过以上步骤，少量包含目标的候选区域便被快速地分割出来。 步骤3:对目标候选区域进行检验。基于能量滤波进行目标粗定位主要利用 了目标较为粗略的纹理特征快速地分割出目标候选区域。而目标定位检验则利用 目标较为细致的纹理特征进一步去除掉那些干扰区域并将真正的目标区域分割出 来。相对于能量计算，通常细致的纹理特征计算复杂度要高得多。但是由于进行 了上一步的粗定位，目标的校验仅在较小的候选区域进行，因此并不影响系统的 整体实时性。通过对目标候选区域进行检验，若该候选区域为非真目标区域则重 新进行粗定位，可以执行步骤2-5,否则执行后续步骤4。步骤4:对检验通过的目标区域进行修正。由于在以上步骤中，为了加快定 位速度和降低噪声的影响，各个步骤均釆用基于小方块为单位进行处理。因此目 标的定位结果不可避免地引入了方块效应，即真实目标的位置和实际定位结果可 能存在一定范围的偏差，所以必须恢复到以像素为单位来对定位的目标区域进行 修正处理。修正时可在较小的范围内使用模板匹配或提取更精细的纹理特征等方 法来进行最后的目标精确定位。步骤5:最后输出定位的目标精确位置，用于以后的识别工作中。下面以本发明在车牌自动识别系统中车牌定位的应用为例来进一步地详细说明。本发明方法根据车牌在图像中的水平方向上能量高而集中的特点，首先用上 述自适应能量滤波法快速地分割出车牌候选区域，再用车牌较为细致的纹理特征 对候选区域进行检验去除掉伪车牌区域而得到车牌的大致区域，最后对车牌的大 致区域进行修正得到车牌的精确位置，从而达到快速和精确定位车牌的目的。其 具体过程如下-1设原始输入图像大小为MxW，先将该图像(MxAO平均划分为大小为8x8 的小方块；2计算各个小方块内的能量值。在数字图像处理中，能量的计算表达式如下义 少式中，p(xj)为图像坐标(x，力的特征值。考虑到在实际捕获的汽车图片中，车牌 区域往往是在水平方向上灰度值跳变剧烈且集中的区域，所以选取p(;c,力为水平 方向上的灰度差分值，艮P-p"力H 2/(x，力—— 1，力_ /(x +1,力J (2)贝U，第(/,力小方块的能量值计算如下五(!'"')= Z Z/)(x,力2 (K'、M'0^7〈W'M' = JW78 iV' = W/8 (3)3然后将各个小方块内的能量值量化到(0，255)区间；4选取初始的阈值7t7，且77^S77^77j,，其中阈值上限77i^和阈值下限 W,计算如下-<formula>formula see original document page 8</formula>5 接着通过选取的阈值粗分割出车牌候选区域，即:<formula>formula see original document page 8</formula>式中，r/3为选取的阈值，B(!',力-l表示0'J)在原图中对应的大小为8x8的区域为车牌候选区域，反之为其它区域而被滤除掉。6然后将5(/，y)^i且相邻的区域连接成连通体c(it) u = i,...);7根据车牌区域在水平方向上能量集中的特点和车牌形状的先验知识，并得 到包围C("的最小矩形框i (W 。再由i ("的水平宽度可进一步去掉部分非车牌区域，即若<formula>formula see original document page 8</formula>(6)则<formula>formula see original document page 8</formula>为非车牌区域，被滤除掉。式(6)中奶'^/7表示区域的水平宽度，/是与 车牌实际宽度成正比的常系数。检查有无满足式(6)的及(A)，若有执行后面第9 步；若无则执行下面第8步；8若<formula>formula see original document page 8</formula>，则<formula>formula see original document page 8</formula>重新执行第5步；若7%-10<77^，则判断无车牌退出；9检验i (^是否有真车牌区域，若有真车牌则输出车牌的粗分割位置进行第 IO步修正，若无真车牌区域则执行第8步。图3是在步骤中对车牌粗定位的结果进行校验的流程。能量滤波主要利用了 车牌较为粗略的纹理特征快速地分割出车牌的候选区域，而车牌的检验则利用车 牌较为细致的纹理特征进一步去除掉那些干扰区域并将真正的车牌区域分割出 来。根据我国车牌的特点， 一般有7至10个字符，将车牌区域二值化并进行水平 扫描后， 一般可得18至30次的跳变次数，且在垂直方向上各行的跳变次数相差 较小。因此可选取候选区域在水平方向的跳变次数均值和各行跳变次数方差作为 校验车牌的特征，具体步骤如下9-1 二值化候选区域，提取中间行上下各3行(包括中间行)共7行作为检 验行；9-2水平扫描各检验行，对各检验行的跳变次数进行计数得到cZi(O = 1"."7);9-3计算跳变次数均值Mea"和各行跳变次数方差Dev，艮卩1 A胸"=—》柳 (7)Dev =铭(,)-M,)2 ( 8 )9-4由均值和方差判断，即若18《Mecw S 30且Z)ev S 40 (9)则该候选区域是车牌区域，否则为非车牌区域。步骤9-l中取候选区域中间部分作 为检验行是为了避免因车牌上下边定位不准和车牌歪斜带来的负面影响。10车牌定位修正。经过车牌检验，干扰区域基本上被滤除掉，剩下的车牌区 域因方块效应可能存在左右和上下边的错位，所以还需进一步进行修正以便车牌 识别时字符的分割和识别。车牌的修正也是根据车牌在水平方向上灰度值跳变剧 烈且集中的特点，先用水平Sober算子提取灰度图中车牌字符的水平边缘并二值 化，再用形态学的膨胀算子处理，使车牌上所有字符连通在一起，最后由水平和 垂直投影可在图像的像素级别上确定车牌的上下和左右边，从而实现车牌的精确 定位。
权利要求
1、一种自适应目标定位方法，包括以下步骤步骤1计算原始图像的能量值；步骤2基于自适应能量滤波进行目标粗定位，得到目标候选区；步骤3对目标候选区域进行检验；若该候选区域为真正的侯选区，则进行后续步骤，否则，重新进行目标粗定位；步骤4对检验通过的目标区域进行修正；步骤5最后输出定位的目标精确位置。
2、 权利要求l所述的自适应目标定位方法，其特征在于，所述步骤l中的计 算原始图像的能量值，是将原图像平均划分为大小为"x"的小方块，然后分别计 算各个小方块内的能量值，最后计算这些能量值的统计值。
3、 权利要求l所述的自适应目标定位方法，其特征在于，所述步骤2中的进 行目标粗定位，是先通过高通能量滤波将图像中能量低的区域滤除掉，然后在剩 余能量高的区域根据目标形状的先验知识粗分割出目标的候选区域。
4、 权利要求3所述的自适应目标定位方法，其特征在于，进行目标粗定位包 括以下步骤-步骤2-1根据计算出来能量数组的统计值确定一个初始阈值； 步骤2-2由选取的阈值滤除能量低的区域，即能量小于该阈值的小方块区域 被滤除掉；步骤2-3将剩下的能量高且相邻的小方块区域连通在一起；步骤2-4根据目标形状的先验知识检査高能量的连通区域有无可能目标，若 有则输出该目标作为候选区域，执行后面步骤3，否则执行步骤2-5;步骤2-5将本次阈值减去一步长值从而确定一个新的阈值，然后重新执行步 骤2-2。
5、 权利要求l所述的自适应目标定位方法，其特征在于，所述步骤3对目标 候选区域进行检验，是指利用目标较为细致的纹理特征进一步去除掉那些干扰区 域并将真正的目标区域分割出来。
6、权利要求5所述的自适应目标定位方法，其特征在于，对目标候选区域进行检验，包括以下步骤-3-1 二值化候选区域，提取一些行作为检验行；3- 2对各检验行的跳变次数进行计数；4- 3计算跳变次数均值和各行跳变次数方差；4-4由均值和方差校验该侯选区是否为真正的侯选区。
全文摘要
一种自适应目标定位方法，计算原始图像的能量值；基于自适应能量滤波进行目标粗定位，得到目标侯选区；对目标候选区域进行检验；若该候选区域为真正的候选区，则进行后续步骤，否则，重新进行目标粗定位；对检验通过的目标区域进行修正；最后输出定位的目标精确位置。本发明先通过一种自适应的高通能量滤波快速地粗分割出目标的候选区域，再用较为细致的纹理特征对候选区域进行校验和修正，最后得到目标的精确位置，定位速度快、准确率高、鲁棒性强，特别适用于实时目标自动识别系统中的目标定位。
文档编号G06K9/32GK101131733SQ20061006232
公开日2008年2月27日 申请日期2006年8月22日 优先权日2006年8月22日
发明者张本全, 刚 曹, 王泽民 申请人:中兴通讯股份有限公司