一种基于小波变换在复杂光照环境中车牌定位方法技术

本发明专利技术提供了一种基于小波变换在复杂光照环境中车牌定位方法。所述基于小波变换在复杂光照环境中车牌定位方法包括如下步骤：一、获取包含车牌的图像，并对所述图像进行灰度化处理，获得灰度图像；二、对所述灰度图像利用小波变换去噪处理，获得去噪后的图像；三、在所述去噪后的图像内搜索所述车牌所在的车牌区域；四、对所述车牌区域进行裁剪，保留所述车牌的车牌号信息。本发明专利技术的有益效果在于：所述基于小波变换在复杂光照环境中车牌定位方法可以很好的去除复杂光照对车牌图像的影响，并有效的提升系统定位的准确率。

【技术实现步骤摘要】

本专利技术涉及一种基于小波变换在复杂光照环境中车牌定位方法。
技术介绍
随着经济的发展，机动车辆日益普及，公路交通事业迅速发展，传统的人工管理方式已经不能满足实际工作的需要，车牌识别技术作为智能交通系统的一个重要方向逐渐受到人们的重视。车牌识别主要包括车牌的定位、车牌字符的分割和车牌字符的识别三个部分，其中车牌的定位是三个部分中的最重要环节，车牌定位的好坏决定着后续工作是否能正常的进行。目前已有的车牌定位的方法有：(1)基于灰度跳变的车牌定位方法(2)基于彩色空间的车牌定位方法(3)基于形态学的车牌定位方法等。但大都在复杂的光照下具有一定的局限性，特别是在高光或者弱光下的车牌定位。方法1是利用车牌区域的字符规律的跳变信息作为识别判断的特征，该方法在车牌图像理想的情况下实现简单、快速，但在复杂的光照下，车牌的边缘及字符的纹理信息已经相当的弱化，因此方法1定位效果不理想，达不到实时的交通应用系统所需的要求。方法2将图像的RGB颜色空间变换到HSV的彩色空间下，再对输入图像颜色的信息进行检测，根据先验知识车牌的背景有固定的颜色，因此可将车牌颜色作为已知条件将扫描到的满足指定颜色的像素聚类，从而得到车牌的区域。但这里考虑到在高光的情形的定位，基于颜色特征的方法可信度确不大。方法3提出一种基于数学形态学的车牌定位方法，用数学形态学的方法对图像进行顶帽操作，可以去除车牌高光部分，但是同时车牌的纹理往往被破坏的严重，不利于进行往下的工作。综上所及方法，没有充分考虑到图像在复杂光照下的车牌定位情况。在实时智能交通系统中，光照是影响车牌识别准确率的重要因素，特别是在高光照下的车牌定位，以上提及的算法都不能很好的解决。因此，为了减少光照对车牌的影响，有必要提出一种能够有效的去除光照对车牌的影响的基于小波变换在复杂光照环境中车牌定位方法。
技术实现思路
本专利技术的目的在于提供一种能够有效的去除光照对车牌的影响的基于小波变换在复杂光照环境中车牌定位方法。本专利技术的技术方案如下：一种基于小波变换在复杂光照环境中车牌定位方法，包括如下步骤：一、获取包含车牌的图像，并对所述图像进行灰度化处理，获得灰度图像；二、对所述灰度图像利用小波变换去噪处理，获得去噪后的图像；三、在所述去噪后的图像内搜索所述车牌所在的车牌区域；四、对所述车牌区域进行裁剪，保留所述车牌的车牌号信息。优选地，在步骤一中，在灰度化处理过程中，灰度化公式如下：Gray＝0.5×R+0.4×G+0.1×B，其中，R、G、B分别代表颜色图的三个分量。优选地，所述步骤二具体包括如下步骤：对输入的所述灰度图像进行二维小波变换操作，并将经所述二维小波变换操作后的灰度图像划分为LL、HL、LH和HH4个子区域；在已进行小波变换操作后的图像中，将LL、HL及HH区域做置零操作；对置零操作后的所述灰度图像做二维小波逆变换得到去噪后的图像。优选地，在进行二维小波变换的操作包括如下步骤：抽取所述灰度图像的每一行设为hi，1≤hi≤H，H为图像的高；对hi进行一维的小波变换，得到平均信号Lhi及细节信号Hhi；对Lhi组成的矩阵L,Hhi组成的矩阵H，分别抽取L的列vaj和H的列vdj，其中1≤j≤W，W为图像的宽；对vaj进行小波变换，得到平均信息为Laj和细节信息为Haj；对vdj进行小波变换，得到的平均信息为Ldj，细节信息为Hdj；把所有Laj、Haj、Ldj、Hdj组成矩阵，分别称为LL，HL，LH和HH。优选地，在进行二维小波变换逆变换操作具体包括如下步骤：抽取置零操作后的所述灰度图像的每一列设为Wi，1≤Wi≤W，W为图像的宽；对Wi进行一维的小波逆变换，还原列方向的平均信号和细节信号；对上述处理后的图像，抽取每一行设为ki，1≤ki≤H，H为图像的高；对ki进行一维的小波逆变换，还原行方向的平均信号和细节信号；将浮点型图像转化为8bit图像，算法完成。优选地，所述步骤三具体包括如下步骤：对于输入的去噪后的图像，利用双边滤波器的特点对其滤波处理，平滑图像的同时也保护了边缘信息不被破坏，然后计算梯度图记为ΔG；对ΔG做二值化处理得到二值边缘图T，对所述二值边缘图T进行去噪处理；定义一个结构元素elem作为形态学闭运算的核，并对T做闭运算操作，使得纹理丰富分布紧凑的区域融合成一个连通域，其中设定elem大小为16×1；对所述连通域进行筛选，找出所述二值边缘图T中所有的连通域，根据车牌宽高比例、面积及区域背景色的分析滤除掉不符合车牌的区域；根据旋转角度，校正所述车牌区域的图像。优选地，所述连通域的过滤条件如下：设定连通域面积为S，外接矩形的宽度和高度分别为A和B，外接旋转矩形为R及旋转角度为d，则：若S<1000，则滤除面积不满足的连通域；若A.>图像宽度×0.3，滤除宽度较长的连通域；若B<30，滤除区域高度较小的区域；若R的宽高比不满足3.14：1，滤除伪车牌区域；若|d|>15°，滤除倾斜度较大的区域。优选地，在步骤四中，对所述车牌区域进行裁剪操作包括如下步骤：利用小波变换去除所述车牌的上下边界和利用投影去除所述车牌的左右边界。本专利技术的有益效果在于：所述基于小波变换在复杂光照环境中车牌定位方法利用小波变换具有低熵性、多分辨率及去相关性等优点，能够同时对车牌图像进行时域、频域分析，可以很好的去除复杂光照对车牌图像的影响，并有效的提升系统定位的准确率。而且，依据小波变换后的结果图进行图像的预处理，再对预处理输出图像求取其梯度图像并提取边缘信息，结合形态学操作，将车牌区域的边缘纹理融合成一个矩形的连通域，经过合适的筛选规则获得车牌的大致位置，因此能够有效的去除光照对车牌的影响，抗干扰性较好。附图说明图1是本专利技术实施例提供的基于小波变换在复杂光照环境中车牌定位方法的流程示意图；图2是图1所示基于小波变换在复杂光照环境中车牌定位方法中小波变换分解过程示意图；图3是含有车牌的图像灰度化后利用小波变换去噪处理，获得去噪后的图像与原图的对比示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。除非上下文另有特定清楚的描述，本专利技术中的元件和组件，数量既可以单个的形式存在，也可以多个的形式存在，本专利技术并不对此进行限定。本专利技术中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。请参阅图1，是本专利技术实施例提供的基于小波变换在复杂光照环境中车牌定位方法的流程示意图。所述基于小波变换在复杂光照环境中车牌定位方法具体包括如下步骤：一、获取包含车牌的图像，并对所述图像进行灰度化处理，获得灰度图像。由于实际车牌系统中，经摄像头采集到的图像一般都是基于RGB的颜色图，但在车牌定位的流程中为了避免一些不必要的计算，通常需要将颜色图转化至单通道的灰度图。转换的公式如下:Gray＝α×R+β×G+γ×B其中，R、G、B分别代表颜色图的三个分量，α、β本文档来自技高网...

【技术保护点】
一种基于小波变换在复杂光照环境中车牌定位方法，其特征在于：包括如下步骤：一、获取包含车牌的图像，并对所述图像进行灰度化处理，获得灰度图像；二、对所述灰度图像利用小波变换去噪处理，获得去噪后的图像；三、在所述去噪后的图像内搜索所述车牌所在的车牌区域；四、对所述车牌区域进行裁剪，保留所述车牌的车牌号信息。

【技术特征摘要】
1.一种基于小波变换在复杂光照环境中车牌定位方法，其特征在于：包括如下步骤：一、获取包含车牌的图像，并对所述图像进行灰度化处理，获得灰度图像；二、对所述灰度图像利用小波变换去噪处理，获得去噪后的图像；三、在所述去噪后的图像内搜索所述车牌所在的车牌区域；四、对所述车牌区域进行裁剪，保留所述车牌的车牌号信息。2.根据权利要求1所述的基于小波变换在复杂光照环境中车牌定位方法，其特征在于：在步骤一中，在灰度化处理过程中，灰度化公式如下：Gray＝0.5×R+0.4×G+0.1×B,其中，R、G、B分别代表颜色图的三个分量。3.根据权利要求1所述的基于小波变换在复杂光照环境中车牌定位方法，其特征在于：所述步骤二具体包括如下步骤：对输入的所述灰度图像进行二维小波变换操作，并将经所述二维小波变换操作后的灰度图像划分为LL、HL、LH和HH4个子区域；在已进行小波变换操作后的图像中，将LL、HL及HH区域做置零操作；对置零操作后的所述灰度图像做二维小波逆变换得到去噪后的图像。4.根据权利要求3所述的基于小波变换在复杂光照环境中车牌定位方法，其特征在于：在进行二维小波变换的操作包括如下步骤：抽取所述灰度图像的每一行设为hi，1≤hi≤H，H为图像的高；对hi进行一维的小波变换，得到平均信号Lhi及细节信号Hhi；对Lhi组成的矩阵L,Hhi组成的矩阵H，分别抽取L的列vaj和H的列vdj，其中1≤j≤W，W为图像的宽；对vaj进行小波变换，得到平均信息为Laj和细节信息为Haj；对vdj进行小波变换，得到的平均信息为Ldj，细节信息为Hdj；把所有Laj、Haj、Ldj、Hdj组成矩阵，分别称为LL，HL，LH和HH。5.根据权利要求3所述的基于小波变换在复杂光照环境中车牌定位方法，其特征在于：在进行二维小波变换逆变...

【专利技术属性】
技术研发人员：韦树艺，许焱，刘伟，娄刚，
申请(专利权)人：南京富士通南大软件技术有限公司，
类型：发明
国别省市：江苏;32