专利名称：基于色彩聚类的车牌定位方法
技术领域：
本发明涉及图像处理领域，特别涉及一种基于色彩聚类的车牌定位方法。
背景技术：
智能交通管理是世界交通管理领域最前沿的研究课题。近年来，其成果逐渐深入社会生活各个领域，为提高工作效率、便利生活和维护安全发挥着积极作用。智能交通管理普遍使用机器视觉与人工智能技术对交通领域的图像与视频进行目标采集、对象识别和行为理解。其中车辆牌照的识别是机器视觉在实际应用中的关键环节，其技术相对成熟，已经广泛在交通流量监测、违章监控、停车场收费、假牌套牌车辆识别等具体应用中发挥作用，取得了良好的社会经济效益。车牌定位是车牌识别的关键第一步，对于后续车牌识别的效率和准确率有至关重要的影响。现有技术中，在良好的光照条件和拍摄环境下，车牌定位与识别具有较高的准确率。但是在恶劣天气背景下，受天气变化、灰尘污溃、环境背景等干扰因素的影响，现有的识别算法的识别率仍然较低，无法适应对复杂环境条件下对车牌定位的准确率的要求。
发明内容
本发明针对现有技术受外界干扰因素的影响较大，在不同的光照和环境背景下车牌识别率不稳定的缺点，提供了一种能够适应各种复杂条件、具有较高识别率的新型基于色彩聚类的车牌定位方法。为实现上述目的，本发明可采取下述技术方案基于色彩聚类的车牌定位方法，包括以下具体步骤I)将包含车牌影 像的彩色源图像转换为灰度图，分别计算所述灰度图上各像素的垂直边缘响应Response ；2)将所述车牌影像所在区域均匀划分为长、宽分别为n个像素的方格集{Rt。)，r=1,2, , [height/10], c=l, 2, . . . , [width/n]},其中 height 和 width 分别为所述车牌影像的高和宽；3)分别计算Rt c)内部所有像素点的垂直边缘响应之和ReSponSe[Rfr,。)]，将所述Response [R(r,c)]超过阈值Th的R(,,。)选定为待选方格，所述待选方格的集合组成候选集；4)将所述彩色源图像转换为HSV色彩空间，分别计算所述候选集中R(r，。)的色彩模式列表 ModelList [Rfr, J = (Modeli),其中，色彩模式 Modeli=N(ii i； o t2，Weighti), i=0, I,
...，nModesUsed, N表示色彩模式符合高斯分布特征，U严(1^，Si, Vi)表示高斯分布的均值，
Ot2表不方差，Weighti表不色彩模式的权重，i表不色彩模式在色彩模式队列中的顺序，nModesUsed表示色彩模式的数目；5)根据Modeli对所述候选集中的方格进行聚类，得到车牌候选区域Recti的列表RectList[Recti]；6)从所述步骤5所生成的列表RectListIiRecti]中选择一个区域Recti为车牌区域；7)应用Canny算法对所述车牌区域进行边缘检测，应用霍夫变换获得所述边缘的精确位置。作为优选，所述计算所述灰度图上各像素的垂直边缘响应的步骤包括计算像
素的垂直边缘响应
权利要求
1.一种基于色彩聚类的车牌定位方法，其特征在于，包括以下具体步骤 1)将包含车牌影像的彩色源图像转换为灰度图，分别计算所述灰度图上各像素的垂直边缘响应Response ； 2)将所述车牌影像所在区域均匀划分为长、宽分别为n个像素的方格集{Rtc),r = I,2, . . . , [height/10], c=l, 2, . . . , [width/n]},其中 height 和 width 分别为所述车牌影像的高和宽； 3)分别计算1^,。)内部所有像素点的垂直边缘响应之和Response[Rfr,。)]，将所述Response [R(r,c)]超过阈值Th的R(,,。)选定为待选方格，所述待选方格的集合组成候选集； 4)将所述彩色源图像转换为HSV色彩空间，分别计算所述候选集中Rfcc0的色彩模式列表 ModelList [Rfr,。)] = {Model J ,其中，色彩模式 Modeli=NO ”。t2, Weighti), i=0, I,...，nModesUsed, N表示色彩模式符合高斯分布特征，U ^Oii, Si, Vi)表示高斯分布的均值，0t2表不方差，Weighti表不色彩模式的权重，i表不色彩模式在色彩模式队列中的顺序，nModesUsed表示色彩模式的数目； 5)根据Modeli对所述候选集中的方格进行聚类，得到车牌候选区域Recti的列表RectList[Recti]； 6)从所述步骤5所生成的列表RectListIiRecti]中选择一个区域Recti为车牌区域； 7)应用Canny算法对所述车牌区域进行边缘检测，应用霍夫变换获得所述边缘的精确位置。
2.根据权利要求1所述的基于色彩聚类的车牌定位方法，其特征在于，所述计 算所述灰度图上各像素的垂直边缘响应的步骤包括计算像素的垂直边缘响应
3.根据权利要求1所述的基于色彩聚类的车牌定位方法，其特征在于，所述步骤3中阈值Th为R(r,。)的阈值Th(r,。)，所述Th(r，。)的计算步骤如下3-1)令 TIk=0，TNk=O ； 3-2)计算Rfr,。)中所有像素的Response的平均值Avg(^lj)]=，
4.根据权利要求1所述的基于色彩聚类的车牌定位方法，其特征在于，所述步骤4中计算所述候选集中Rfr,。)的ModelList [Rfr,。)]的步骤为 4-1)设定参数初始方差Varlnit，最小方差VarMin，最大方差VarMax，带宽系数Tb，并生成一个包含O个色彩模式的色彩模式队列； 4-2)读取所述方格中一个像素的(h，s，v)值，将所述(h，s，v)值与色彩模式队列中已有的色彩模式进行逐个比较计算所述(h，s,v)值与所述已有的色彩模式的距离distfQ1-hi)2+(S-Si)2+(V-Vi)2,如果 dist^Tb* o t2,则所述(h, s, v)值属于上述色彩模式，执行步骤4-4 ;否则执行步骤4-3 ； 4-3)为所述(h, S，V)值生成新的色彩模式 Modelnew=N ( U new, o new2, weight廳)，U new= (h, S, v), O nJ为初始方差Varlnit, Weightnew为I,置于所述色彩模式队列的尾端，nModesUsed 加 1，执行步骤 4_5 ； 4-4)用所述(h，s，v)值更新所属的色彩模式为Nb/，ot2’，weight/ )，其中，k=l/Weighti, u / = (hj+k* Q1-1ii), Sj+k* (S-Si), Vj+k* (V-Vi)), o t2，= o t2+k* ((Iist1- o t2), o t2，=MIN (VarMax, MAX( o t2’，VarMin)) ,WeightJ=Weighti+]^ 更新后，按照权重 Weighti 从大到小的顺序对所述色彩模式队列中已有的色彩模式进行排序； 4-5)重复执行步骤4-2至步骤4-4直至Rt。)的像素全部读取完毕，所得色彩模式队列即为 ModelList [Rfr,c)]。
5.根据权利要求1所述的基于色彩聚类的车牌定位方法，其特征在于，所述步骤5中对所述候选集中的方格进行聚类的步骤为 5-1)生成一个包含O个类的类列表ClusterList，并设定一个带宽系数Tb； 5-2)计算所述候选集中相邻两个方格Raj)与Rau)的距离Dist〈R(i,j), R(k；1)>=l-ffeight/TotalPixel, k=i+l, l=j+l ；其中，令 Modelm G ModelList [R(i,」)],Modeln G ModelList [R(k, d],所述 Modelm 与 Modeln 的色彩模式距离 Distmn= (hm_hn)2+(sm_sn)2+(vm-vn)2，令阈值 Th=Tb*MIN( O m2，o n2)，所述 TotalPixel 为 R(i,」)与 Rau)中所有像素的TotalModel个数，所述
6.根据权利要求5所述的基于色彩聚类的车牌定位方法，其特征在于，所述步骤5-3中，所述相邻方格为距离Dist〈R(i,j)，R(k；1)>小于0. 2的相邻方格。根据权利要求1所述的基于色彩聚类的车牌定位方法，其特征在于，所述步骤6选择车牌区域的步骤为对于RectListIiRecti]中的所有区域Recti,计算色彩权值p1、比例权值P2、相对位置权值p3，其中，pi为Recti中Modeli的均值与车牌底色的相似程度，p2为Recti的外包围框的宽 高比与车牌的宽高比的相似程度，P3为Recti中心坐标与车牌中心坐标的相似程度；所述Recti的权值p为p1、p2、p3的加权和,所述权值p最大的区域即为车牌区域。
全文摘要
本发明涉及图像处理领域，公开了一种基于色彩聚类的车牌定位方法1)将包含车牌影像的彩色源图像转换为灰度图；2)将所述车牌影像所在区域均匀划分为方格；3)分别计算方格内部所有像素点的垂直边缘响应之和，将垂直边缘响应之和超过阈值的方格选定为待选方格；4)将所述彩色源图像转换为HSV色彩空间，分别计算所述候选集中方格的色彩模式列表；5)对所述候选集中的方格进行聚类，得到车牌候选区域列表；6)选择一个区域为车牌区域；7)应用Canny算法对所述车牌区域进行边缘检测，应用霍夫变换获得所述边缘的精确位置。本发明的优点在于，具有较强的图像识别能力，能够在道路光照条件复杂的情况下，对图像中的车牌区域进行快速准确的定位。
文档编号G06K9/54GK103065141SQ20131003139
公开日2013年4月24日 申请日期2013年1月24日 优先权日2013年1月24日
发明者彭浩宇, 王勋 申请人:浙江工商大学