一种基于清晰度和亮度评估的车牌快速定位方法
【技术领域】
[0001] 本发明属于图像处理领域，特别涉及一种基于清晰度和亮度评估的车牌快速定位 方法。
【背景技术】
[0002] 在智能交通系统中，基于数字图像的车牌号码识别技术已成为不可或缺的重要组 成部分并广泛地应用在监测报警、违章处罚、出入管理及高速公路收费管理等领域。车牌定 位，即定位出图像或视频中车牌的位置，是车牌号码识别的首要步骤，其准确性直接影响着 车牌号码识别的效果，同时也是最耗时的一步。故车牌定位在智能交通系统中具有重要地 位。
[0003] 目前车牌定位方法分为三类：
[0004] 1、基于边缘信息的方法。该方法应用最广泛，利用车牌垂直边缘较多的特征来进 行定位。对于简单场景如出入管理和收费站等，具有良好的检测率和实时性，但对于复杂的 场景如高速公路等，由于车牌较为模糊且光照不可控，导致车牌定位的准确率低。
[0005] 2、基于颜色信息的方法。该方法是利用已知的车牌颜色信息辅助车牌的边缘信息 进行定位，对于光照情况单一的场景能大幅提提高准确率，但在光照复杂情景如夜晚等会 引起反作用，而且对于图像分辨率要求也较高，只适用于现实极少场景中的车牌识别系统。
[0006] 3、基于机器学习的方法。该方法通过搜集不同场景下的车牌样本并用于训练出包 含样本中不同情形的全局模型，然后再推广到新图像中的未知情况。对于新图像的清晰度 或亮度接近训练样本时效果较为理想，但差别较大时则准确率低且难以保证实时性。
[0007] 综上所述，基于边缘信息的车牌定位方法由于运算量小、处理速度快、所需存储空 间小等优点被普遍应用与实时车牌自动识别系统中，但其缺点主要体现为以下两点：1、不 能根据输入数据的具体情况作出调整；2、复杂场景下准确率低，实时性差。
【发明内容】
[0008] 本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于清晰度和亮度 评估的车牌快速定位方法，该方法有效地解决了车牌在不同清晰度和复杂光照环境下难以 被准确定位或不能定位问题，从而提高了车牌定位的准确率。
[0009] 为了到达上述目的，本发明采用以下技术方案：
[0010] 一种基于清晰度和亮度评估的车牌快速定位方法，包括下述步骤：
[0011] (1)对输入图像进行基于噪声和锐度的清晰度评估；
[0012] (2)对清晰度不足的图像进行梯度锐化处理，清晰度过高的图像进行高斯模糊处 理；
[0013] (3)对步骤⑵处理后的图像由RGB图转换为灰度图；
[0014] (4)对灰度图进行亮度评估，即对灰度图像进行亮度过高或亮度不足两种情况进 行评估；
[0015] (5)若亮度异常则进行光照归一处理；
[0016] (6)通过Scharr算子提取图像中垂直边缘；
[0017] (7)进行局部自适应阈值处理；
[0018] (8)通过形态学处理过滤噪声，以及使垂直边缘融合成连通区域；
[0019] (9)对连通区域进行区域标记，根据中国车牌的特征进行筛选并得到车牌区域。 [0020] 优选的，步骤（1)中，清晰度评估由噪声评估和锐度评估组成，在得到图像的噪声 评估值和锐度评估值后，通过一定的加权关系得到图像的清晰度评估值，计算清晰度评估 值的公式如下：
[0021] Quality = wNoise+(l~w)Sharpness
[0022] 其中，w为权重值，取值范围在0和I之间；
[0023] 所述噪声评估是通过先对图像进行OTSU阈值处理得到二值图，然后计算连通区 域中面积小于给定阈值的占比，最后通过线性变换得到噪声评估值。计算噪声评估值的公 式如下：
[0024]
【主权项】
1. 一种基于清晰度和亮度评估的车牌快速定位方法，其特征在于，包括下述步骤： (1) 对输入图像进行基于噪声和锐度的清晰度评估； (2) 对清晰度不足的图像进行梯度锐化处理，清晰度过高的图像进行高斯模糊处理； (3) 对步骤（2)处理后的图像由RGB图转换为灰度图； (4) 对灰度图进行亮度评估，即对灰度图像进行亮度过高或亮度不足两种情况进行评 估； (5) 若亮度异常则进行光照归一处理； (6) 通过Scharr算子提取图像中垂直边缘； (7) 进行局部自适应阈值处理； (8) 通过形态学处理过滤噪声，以及使垂直边缘融合成连通区域； (9) 对连通区域进行区域标记，根据中国车牌的特征进行筛选并得到车牌区域。
2. 根据权利要求1所述的基于清晰度和亮度评估的车牌快速定位方法，其特征在于， 步骤（1)中，清晰度评估由噪声评估和锐度评估组成，在得到图像的噪声评估值和锐度评 估值后，通过一定的加权关系得到图像的清晰度评估值，计算清晰度评估值的公式如下： Quality = wNoise+(l~w)Sharpness 其中，w为权重值，取值范围在0和I之间； 所述噪声评估是通过先对图像进行OTSU阈值处理得到二值图，然后计算连通区域中 面积小于给定阈值的占比，最后通过线性变换得到噪声评估值，计算噪声评估值的公式如 下：
其中，Compi是第i个区域，Area i是第i个区域的面积，T mea是判断面积是否过小的给 定阈值，a和b是线性变换的参数； 所述锐度评估采用的是点锐度算法，对图像的每点取8邻域点与之相减，先求8个差值 的加权和，在将所有点所得值相加除以像素总个数，计算锐度评估值的公式如下：
其中，a是第a个领域像素，m和η为图像的长和宽，df为灰度的变化幅值，dx为像素 点间的距离增量。
3. 根据权利要求1所述的基于清晰度和亮度评估的车牌快速定位方法，其特征在于， 步骤⑵具体为： (2-1)给定两个阈值Tqualityl和T quality2，其中Tqualityl是判断图像清晰度是否不足的阈 值，Tquality2是判断图像清晰度是否过高的阈值； (2-2)当Quality < Tqualityl时对图像进行梯度锐化处理，即通过Laplace算子求取图 像梯度信息Grad，然后与原图相加得到梯度锐化结果，梯度锐化的公式如下： f (x, y) = f (x, y) +Grad (x, y) 其中，f (X，y