一种基于Bayes的车牌颜色判断方法
【技术领域】
[0001] 本发明涉及车牌识别技术领域，具体是一种基于Bayes的车牌颜色判断方法。
【背景技术】
[0002] 车牌颜色是车牌的一项重要特征，在我们国家，车牌的颜色类型并不唯一，主要包 含了四种类型：蓝底白字、黄底黑字、黑底白字、白底黑字或红字。如果对车牌颜色判断错 误，会直接影响后续字符分割的正确性，进而影响最终的车牌识别率。因此，车牌颜色类型 判断是车牌字符分割必不可少的一部分，对整个识别结果的准确率有着重要的影响。
[0003] 目前，常用的车牌颜色判断方法主要有以下几类：
[0004] (1)基于彩色图像的车牌颜色判断方法，该类方法首先通过统计车牌区域内所有 像素的R、G、B颜色分量信息，根据各分量信息之间的差异程度，进而判断出车牌的颜色类 型。该类方法对于颜色清晰的车牌具有很好的判断效果，但当车牌出现污迹、褪色或者由于 不同光线造成的偏色，该类方法会出现严重的误判，而当出现灰度车牌时，该类方法则直接 失效。
[0005] (2)基于灰度图像的车牌颜色判断方法，该类方法把车牌颜色类型简化为两类： 暗底亮字和亮底暗字；首先获取车牌的二值化图像，然后统计前景目标点所占比例，结合垂 直投影等特征，综合判断车牌颜色。该类方法的优点是适用范围广，对于灰度均匀的车牌， 判断效果很好，但是对于包含污迹和褪色的车牌，由于受二值化图像质量的影响，该类方法 会出现误判。
[0006] Bayes分类器是通过某个对象的先验概率，利用Bayes公式计算出其后验概率，即 该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。在没有很多 样本数据的情况下，Bayes分类器往往会获得更好的识别效果，因为它使用了很少的模型假 设，不会出现过拟合现象。
【发明内容】
[0007] 本发明的目的在于提供一种鲁棒性更强、判断结果更加准确的基于Bayes的车牌 颜色判断方法。
[0008] 本发明的技术方案为：
[0009] -种基于Bayes的车牌颜色判断方法，该方法包括以下步骤：
[0010] (1)对待测车牌图像进行尺寸归一化；
[0011] (2)选取归一化后的待测车牌图像的有效字符区域；
[0012] (3)对待测车牌图像的有效字符区域进行对比度增强；
[0013] (4)获取待测车牌图像的全局统计特征，包括：
[0014] (41)获取有效字符区域在对比度增强后的灰度直方图；
[0015] (42)采用以下公式，获取待测车牌图像的灰度直方图统计特征；
【主权项】
1. 一种基于Bayes的车牌颜色判断方法，其特征在于，该方法包括以下步骤： (1) 对待测车牌图像进行尺寸归一化； (2) 选取归一化后的待测车牌图像的有效字符区域； (3) 对待测车牌图像的有效字符区域进行对比度增强； (4) 获取待测车牌图像的全局统计特征，包括： (41) 获取有效字符区域在对比度增强后的灰度直方图； (42) 采用以下公式，获取待测车牌图像的灰度直方图统计特征；
其中，F[j]表示待测车牌图像的灰度直方图统计特征，j表示序号，a [j]表示比例因 子，N表示待测车牌图像有效字符区域的像素总数，h[i]表示有效字符区域在对比度增强 后的灰度直方图，i表示灰度级，min函数的功能是选择满足条件2 i=(lh[i]多N*a [j]的最 小的i ; (43) 获取有效字符区域在对比度增强后的二值图像； (44) 采用以下公式，获取待测车牌二值图像的垂直投影特征：
其中，hv[x]表示待测车牌二值图像的垂直投影特征，即有效字符区域在对比度增强后 的二值图像中第X列所有前景目标个数，bin(x，j)表示有效字符区域在对比度增强后的二 值图像中像素（X，y)处的灰度值； (45) 串联待测车牌图像的灰度直方图统计特征和垂直投影特征，得到待测车牌图像的 全局统计特征； (5) 获取待测车牌图像的局部分布特征，包括： (51) 采用以下公式，将有效字符区域在对比度增强后划分成nh*nm个局部子区域：
其中，smallw、Smallh分别表示局部子区域的宽度和高度，Iw、Ih分别表示有效字符区 域的宽度和高度； (52) 将每个局部子区域作为一个像素，该像素的灰度值为整个局部子区域的灰度均 值，得到广义有效字符区域； (53) 采用以下公式，获取广义有效字符区域的LBP变换特征值：
其中，L(X。，y。）表示广义有效字符区域像素（X。，y。）的LBP变换特征值，g(x。，y。）表示 广义有效字符区域像素（Xc;，y。）处的灰度值，g(xn，yn)表示像素（xc，yc)的领域内像素（χη， yn)处的灰度值； (54)将广义有效字符区域所有像素的LBP变换特征值串联起来，得到待测车牌图像的 局部分布特征； (6) 顺序串联待测车牌图像的全局统计特征和局部分布特征，得到待测车牌图像的综 合特征向量； (7) 将待测车牌图像的综合特征向量输入Bayes分类器，计算待测车牌图像的综合特 征向量属于某一类的概率，选择最大概率值对应的类别作为待测车牌图像中的车牌颜色类 型。
2. 根据权利要求1所述的基于Bayes的车牌颜色判断方法，其特征在于，所述步骤（3) 中，采用以下公式，对待测车牌图像的有效字符区域进行对比度增强：
其中，g(x，y)表示有效字符区域在对比度增强后像素（X，y)处的灰度值，f(x，y)表 示有效字符区域在对比度增强前像素（X，y)处的灰度值，tmin表示有效字符区域在对比度 增强前像素灰度最小值加上10, tmax示有效字符区域在对比度增强前像素灰度最大值减去 10。
3. 根据权利要求1所述的基于Bayes的车牌颜色判断方法，其特征在于，所述步骤（7) 中，采用以下公式，计算待测车牌图像的综合特征向量属于某一类的概率：
其中，Pi (X)表示待测车牌图像的综合特征向量属于某一类的概率，X表示待测车牌图 像的综合特征向量，Pi表示某一类目标的训练样本个数占总训练样本个数的比例，u表示 某一类目标的特征向量的各维元素的对应均值，C表示某一类目标的特征向量的各维元素 的协方差矩阵。
【专利摘要】本发明提供一种基于Bayes的车牌颜色判断方法，包括：对待测车牌图像进行尺寸归一化；选取归一化后的待测车牌图像的有效字符区域；对待测车牌图像的有效字符区域进行对比度增强；获取待测车牌图像的全局统计特征；获取待测车牌图像的局部分布特征；获取待测车牌图像的综合特征向量；基于Bayes分类器，判断车牌颜色类型。本发明综合采用了车牌的全局统计特征和局部分布特征，特征更加强健，对于车牌偏色和污迹等干扰，具有更强的鲁棒性；基于Bayes分类器进行车牌颜色类型判断，判断结果更加准确。
【IPC分类】G06K9-62
【公开号】CN104834937
【申请号】CN201510212958
【发明人】张卡, 尼秀明, 何佳, 聂勇
【申请人】安徽清新互联信息科技有限公司
【公开日】2015年8月12日
【申请日】2015年4月28日