基于车牌跟踪与帧累积优化的低照度车牌图像恢复算法
【技术领域】
[0001] 本发明属于图像信息处理领域，涉及一种低照度车牌图像恢复算法。
【背景技术】
[0002] 车牌图像信息在安防监控、智能交通和社会治安领域具有重要意义，在车辆超速 监管、汽车防盗、公路与停车场收费、交通肇事监控等方面发挥着非常重要的作用。但低照 度条件下采集到的车牌图像往往具有信噪比低、噪声大、噪声成分复杂的特点，对车牌信息 提取和分析造成了很大影响，造成车牌识别与跟踪准确率下降。因此对低照度环境下含噪 声车牌图像进行有效去噪，提高车牌图像质量，具有重要的现实意义和实际应用价值。
[0003] 目前国内外对低照度环境下车牌图像去噪研宄仍较少。低照度拍摄条件下，车牌 图像信噪比低，噪声强度大且成分复杂。目前应用于低照度车牌图像去噪的算法，虽然能够 在一定程度上改善低照度图像的信噪比和视觉效果，但面对低照度图像低信噪比、噪声的 随机性和多样性，难以取得令人满意的效果。
[0004] 帧累积技术能够通过对多幅低对比度、大噪声的视频帧图像进行累加和平均，在 低照度图像与视频处理领域发挥着重要作用。但常规的帧累积技术只适用于静态图像的去 噪和恢复处理，无法满足运动序列图像增强的要求。本发明提出一种基于车牌跟踪与帧累 积优化的低照度车牌图像恢复算法，首先通过车牌跟踪，对低照度视频中运动车辆的车牌 图像进行分离，然后采用帧累积算法进行去噪和恢复，并在此基础上对多幅车牌图像的参 数进行优化，进一步提升低照度车牌图像恢复效果。与传统方法相比，本方法能够有效抑制 低照度噪声，避免了运动车牌图像直接帧累积出现的模糊问题，最终达到更好的低照度车 牌图像恢复效果。
【发明内容】
[0005] 本发明为解决低照度车牌图像恢复问题，提供一种基于车牌跟踪与帧累积优化的 低照度车牌图像恢复算法。本发明提供了如下技术方案：
[0006] 一种基于车牌跟踪与帧累积优化的低照度车牌图像恢复算法，包括如下步骤：
[0007] (SI)采用车牌跟踪算法，对低照度视频中运动车辆的车牌图像进行分离，得到车 牌图像序列；
[0008] (S2)设置帧累积优化变量，设定优化目标；
[0009] (S3)对于步骤（SI)中获得的车牌图像序列，采用遗传算法对优化变量组合进行 寻优，获得车牌图像序列的帧累积恢复最优解，即车牌恢复图像。
[0010] 进一步地，所述步骤（Si)中的车牌跟踪算法为基于稀疏表示的跟踪算法。
[0011] 进一步地，所述步骤（S2)的具体过程为：
[0012] 将调整前后车牌图像宽度变化量Awlp和高度变化量AhlpS置为优化变量，设定 优化目标为恢复图像的锐度slp。
[0013] 进一步地，所述步骤（S3)的具体过程为：
[0014] 优化变量组合V表示为：
[0015] V= {V⑴，V(2)，…，V(L)} = [Awlp(1)，Ahlp(1)，Awlp(2)，Ah1/2)，…，AWlp(L)，Ahlp(L)]
[0016] 其中，Vw= [Awlp(t),Ahlp(t)]，t= 1,2,...，L;L表示视频序列中帧总数；Awlp(t)、 Ahlp(t)分别表示第t帧车牌图像调整前后的宽度变化量和高度变化量；
[0017] 根据遗传算法，将遗传算法中的优化变量的适应度设置为恢复图像的锐度Slp，对 优化变量组合V进行寻优，获得车牌图像序列的帧累积恢复最优解。
[0018] 综上所述，本发明所述方法首先采用车牌跟踪算法，对低照度视频中运动车辆的 车牌图像进行分离。然后采用帧累积算法进行恢复，并在此基础上对多幅车牌图像的参数 进行优化，进一步提升低照度车牌图像恢复效果。与传统的低照度车牌图像恢复方法相比， 能够有效抑制低照度噪声，避免了运动车牌图像直接帧累积出现的模糊问题，最终达到更 好的低照度车牌图像恢复效果，为车牌信息提取与分析提供更高质量的车牌源图像。
【附图说明】
[0019] 图1是本发明所述方法的流程图；
[0020] 图2是低照度噪声车牌图像；
[0021 ] 图3是直接采用帧累积方法获得的车牌恢复图像；
[0022] 图4是采用本方法获得的车牌恢复图像。
【具体实施方式】
[0023] 下面结合附图和具体实施例对本发明作进一步说明。
[0024] 本发明提供了一种基于车牌跟踪与帧累积优化的低照度车牌图像恢复算法，方法 流程如图1所示，包括如下步骤：
[0025] 步骤一：采用车牌跟踪算法，对低照度视频中运动车辆的车牌图像进行分离。
[0026] 在具体实施过程中，首先获取低照度视频，对视频中的运动车辆的车牌图像，采用 基于稀疏表示的跟踪方法，分离出每一帧中的车牌图像。监控视频中采集到的车牌图像观 测向量y为：
[0027]y=Ua+e=B1U^a2U2+* ??+anun+e
[0028] 其中，U= [UdU2,…，!^]为用来表示车牌图像的一组基，a=I^a2,…七]1为目 标表示系数，T表示转置运算。e表示y中无法由U表示的那部分残差向量。
[0029] 由于U中的基向量两两之间正交不相关，导致目标表示系数a本身就是弱稀疏的， 针对a的这一特性，利用求解L2范数最小化来获取目标表示系数a:
【主权项】
1. 一种基于车牌跟踪与帧累积优化的低照度车牌图像恢复算法，其特征在于包括如下 步骤： (51) 采用车牌跟踪算法，对低照度视频中运动车辆的车牌图像进行分离，得到车牌图 像序列； (52) 设置帧累积优化变量，设定优化目标； (53) 对于步骤（SI)中获得的车牌图像序列，采用遗传算法对优化变量组合进行寻优， 获得车牌图像序列的帧累积恢复最优解，即车牌恢复图像。
2. 如权利要求1所述的一种基于车牌跟踪与帧累积优化的低照度车牌图像恢复算法， 其特征在于，所述步骤（SI)中的车牌跟踪算法为基于稀疏表示的跟踪算法。
3. 如权利要求1所述的一种基于车牌跟踪与帧累积优化的低照度车牌图像恢复算法， 其特征在于，所述步骤（S2)的具体过程为： 将调整前后车牌图像宽度变化量Awlp和高度变化量AhlpS置为优化变量，设定优化 目标为恢复图像的锐度Slp。
4. 如权利要求1所述的一种基于车牌跟踪与帧累积优化的低照度车牌图像恢复算法， 其特征在于，所述步骤（S3)的具体过程为： 优化变量组合V表示为： V= {V(1)，V⑵，…，V(L)} = [Awip(i)，Ahip(i)，Awip⑵，Ahip(2)，…，Awip(L),Ahip(L)] 其中，V(t)= [Awlp(t),Ahlp(t)]，t= 1,2,…，L;L表示视频序列中帧总数；Awlp(t)、Ahlp(t)分别表示第t帧车牌图像调整前后的宽度变化量和高度变化量； 根据遗传算法，将遗传算法中的优化变量的适应度设置为恢复图像的锐度Slp，对优化 变量组合V进行寻优，获得车牌图像序列的帧累积恢复最优解。
【专利摘要】本发明涉及图像信息处理领域，具体公开了一种基于车牌跟踪与帧累积优化的低照度车牌图像恢复算法，首先采用目标跟踪算法，对低照度视频中车牌进行跟踪，并将车牌图像从视频帧图像中分离出来，获得车牌图像序列；然后对车牌图像进行帧累积操作，并利用遗传算法优化车牌图像的参数，进一步提高帧累积图像的恢复效果。与传统的低照度车牌图像恢复算法相比，本方法能够有效抑制低照度车牌图像的噪声，提高车牌图像信噪比，获得更加准确的车牌数字边缘，为车牌信息提取与智能分析提供更高质量的车牌源图像。
【IPC分类】G06T5-00
【公开号】CN104794698
【申请号】CN201510226222
【发明人】徐玮, 尹晓晴, 张政, 刘煜, 王炜
【申请人】中国人民解放军国防科学技术大学
【公开日】2015年7月22日
【申请日】2015年5月6日