一种基于MSER和SWT相结合的夜间车辆车牌定位方法技术

一种基于MSER和SWT相结合的夜间车辆车牌定位方法。针对传统车牌定位方法在夜间光照条件差或车速影响而导致无法有效定位车牌的难题，本文提出了一种基于最大稳定极值区域(MSER)和笔画宽度变换(SWT)结合的新型车牌定位方法。该方法在增强原图像的对比度后进行Canny边缘检测、MSER提取和边缘膨胀分割MSER，并根据车牌字符几何特征筛选分割后的MSER区域；然后在筛选后的区域内做基于形态学处理的SWT；最后对候选区域聚合，结合车牌几何特征完成车牌精定位。通过试验验证知该方法定位准确率高，表明本方法可以对白天不同场景不同光照条件下的车牌实现准确定位；同时还可以对夜晚低分辨率车牌进行有效定位，并且低分辨率情况下本算法的定位准确率和鲁棒性远远高于其他传统车牌定位方法。

【技术实现步骤摘要】
一种基于MSER和SWT相结合的夜间车辆车牌定位方法
本专利技术属于模式识别与图像处理
，具体涉及一种夜间车辆车牌定位方法。
技术介绍
车牌识别是智能交通系统中的重要组成部分，车牌定位的优劣直接影响车牌识别准确率的高低，是车牌识别过程中关键的一步。因此车牌定位一直是国内外研究的热点,研究者们先后提出了很多相关算法。其中主要有基于纹理特征、颜色特征、边缘信息、变换域分析和形态学处理等并结合车牌特征实现车牌定位。近年来有很多研究者不断的对传统算法进行改进和融合，更有一些研究者将新的算法应用到车牌定位中。如孙红等提出了融合字符纹理特征与车牌区域背景底色和字符颜色互补特性的方法进行车牌定位，陈振学等在分析已有车牌定位技术以及目标检测共有特性的基础上提出了基于视觉显著特征的多特征融合的车牌定位方法，BoLi等提出了基于最大稳定极值区域进行车牌定位的算法。上述各方法具有一定的可行性，但也各有一定的局限性，不能对夜间车辆车牌实现有效定位。夜间车辆车牌由于夜间光照条件差或车速影响引起采集的车牌图像颜色失真，分辨率低。传统车牌定位算法较依赖车牌颜色、纹理、边缘等信息不能进行有效定位。但当光照条件差、车牌颜色失真、图像分辨率低时，车牌笔画宽度变化较小。目前鲜有文献将笔画宽度应用到车牌定位上。BorisEpshtein等人根据局部区域内的文本特别是相邻的文本通常会有相似的笔画宽度这一特点，提出了笔画宽度变换算法。它是一种局部的图像操作，输出图像与输入图像大小相同，而输出图像的像素值是输入图像中每个像素点的笔画宽度值。BorisEpshtein笔画宽度算法虽然应用了笔画宽度的稳定性，一定条件下可有效的定位文本，但仍存在以下缺点：①需要计算每个像素点的梯度，然后沿着梯度方向或反方向查找边缘点对，算法时间长；②基于边缘像素点对确定笔画宽度，依赖字符边缘以及字符笔画的完整性，若字符边缘模糊或笔画不完整，则会造成对候选区域的误删漏检。MSER检测算子有仿射不变性，强稳定性以及对光照的适应性等特性，在光照条件差的情况下依然可以进行最大稳定极值区域提取。MSER最初由J.Matas等人提出，它是一个有效的特征检测算法，已被广泛应用于与视觉有关的工作中，如运动物体追踪，图像匹配等。
技术实现思路
本专利技术在前人研究的基础上提出一种基于MSER和SWT结合的夜间车辆车牌定位方法。利用MSER的仿射不变性，强稳定性以及对光照的适应性初步筛选车牌候选区域，然后做基于形态学处理的SWT，最后结合车牌特征精定位车牌。目的在于提供一种稳定性和鲁棒性更高的夜间运动车辆的车牌定位方法，不仅对不同光照不同场景下的车牌定位，同时也可以实现对夜晚低分辨率车牌的定位。一种基于MSER和SWT相结合的夜间车辆车牌定位方法，用于对待检测图像中的车牌区域进行定位，其特征在于，包括以下步骤：步骤一，将待检测图像转换为灰度图像并进行对比度增强操作，提取对比度增强操作后的灰度图像中的最大稳定极值区域(MSER)并进行边缘检测膨胀后对最大稳定极值区域(MSER)进行分割，得到根据车牌字符特征筛选后的候选区域；步骤二，在候选区域内做基于一系列腐蚀操作的笔画宽度变换(SWT)，并对得到的各个候选区域的笔画宽度值进行筛选；步骤三，对经过笔画宽度过滤筛选得到的车牌字符候选区域聚合，根据车牌几何特征对聚合后的区域实现车牌精定位。本专利技术提供的基于MSER和SWT相结合的夜间车辆车牌定位方法，用于对待检测图像中的车牌区域进行定位，还可以具有这样的特征，其特征在于，步骤一包括以下子步骤：步骤1-1，对待检测图像灰度化之后，进行非线性灰度变换，用于突出车牌区域得到对比度增强后的图像；步骤1-2，对对比度增强后的图像进行MSER区域提取；步骤1-3，对对比度增强后的图像进行Canny边缘检测和膨胀操作后再与原MSER区域取交后分割原MSER区域；步骤1-4，对步骤1-3所得到的分割后的MSER区域根据车牌字符特征对其基本统计特征进行筛选。本专利技术提供的基于MSER和SWT相结合的夜间车辆车牌定位方法，用于对待检测图像中的车牌区域进行定位，还可以具有这样的特征，其特征在于：其中，基本统计特征包括最小外接矩形宽高比、偏心率、区域大小、以及占空比。本专利技术提供的基于MSER和SWT相结合的夜间车辆车牌定位方法，用于对待检测图像中的车牌区域进行定位，还可以具有这样的特征，其特征在于，步骤二包括以下子步骤：步骤2-1，在步骤1-4筛选得到的候选区域内做K次腐蚀操作，K是连通域被腐蚀后为空集前的最后一次迭代步骤；步骤2-2，计算候选区域内各个像素与步骤2-2腐蚀后剩余像素的欧式距离，并乘以2后赋值为其笔画宽度值；步骤2-3对步骤2-2得到的各个候选区域的笔画宽度值，根据车牌字符笔画宽度特点对各连通域进行筛选。本专利技术提供的基于MSER和SWT相结合的夜间车辆车牌定位方法，用于对待检测图像中的车牌区域进行定位，还可以具有这样的特征，其特征在于，步骤三包括以下子步骤：步骤3-1对步骤2-3得到的各个候选区域进行构造最邻近对操作；步骤3-2聚合步骤3-1中得到的各个最近临近对；步骤3-3扫描步骤3-2中的各个最近临近对并进行聚合得到区域的最小外接矩形，根据车牌几何特征筛选该最小外接矩形，满足以下条件K为聚合得到的的最小外接矩形的个数，fR为最小外接矩形的高宽比，h为最小外接矩形的高，w为最小外接矩形的宽。专利技术作用与效果本专利技术通过MSER提取筛选车牌候选区域能克服光照条件差、车牌颜色失真、图像分辨率低等带来的影响，同时有效地减少后续SWT像素个数，降低算法时间；基于形态学处理的SWT变换则避开了对字符边缘以及字符笔画的完整性的依赖。另外对于成功定位的车牌可以将之前分割好的及腐蚀后的字符骨架进行模板匹配从而实现车牌识别，即本专利技术可以集车牌定位、字符分割，字符细化等于一体大大减少后续车牌识别的时间。本专利技术可以对白天不同场景不同光照条件下的车牌实现准确定位；同时还可以对夜晚低分辨率车牌进行有效定位，并且低分辨率情况下本算法的定位准确率和鲁棒性远远高于其他传统车牌定位算法。附图说明图1为本专利技术方法的流程图；图2为输入的所要定位车牌原图；图3为提取的MSER区域图；图4为Canny边缘检测图；图5为原MSER区域和分割后MSER区域对比图；图6为候选区域筛选前后的对比图；图7为SWT笔画宽度值图；以及图8为本专利技术完成的车牌精定位图。具体实施方式为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本专利技术的基于MSER和SWT相结合的夜间车辆车牌定位方法的原理、步骤、使用效果作具体阐述。下面通过具体实例结合附图对本专利技术作进一步详细描述。图1为本专利技术方法的流程图。步骤一、MSER检测分割与变换区域筛选。图2为输入的所要定位车牌原图。将图2所示的原彩色图像转化为uint8型灰度图像，图中白色模糊部分(已经过故意的模糊处理，保护隐私)为人眼识别的车牌区域。进行如下式的分段线性灰度变换其中(x1，y1)，(x2，y2)是灰度变换控制点，经过一系列实验调试，这里我们取(40,20)和(120,200)，突出车牌区域的同时有效的抑制了非车牌区域。图3为提取的MSER区域图。然后，对其进行MSER区域提取本文档来自技高网...

【技术保护点】
一种基于MSER和SWT相结合的夜间车辆车牌定位方法，用于对待检测图像中的车牌区域进行定位，其特征在于，包括以下步骤：步骤一，将所述待检测图像转换为灰度图像并进行对比度增强操作，提取对比度增强操作后的所述灰度图像中的最大稳定极值区域(MSER)并进行边缘检测膨胀后对最大稳定极值区域(MSER)进行分割，得到根据车牌字符特征筛选后的候选区域；步骤二，在所述候选区域内做基于一系列腐蚀操作的笔画宽度变换(SWT)，并对得到的各个所述候选区域的笔画宽度值进行筛选；步骤三，对经过笔画宽度过滤筛选得到的车牌字符候选区域聚合，根据车牌几何特征对聚合后的区域实现车牌精定位。

【技术特征摘要】
1.一种基于MSER和SWT相结合的夜间车辆车牌定位方法，用于对待检测图像中的车牌区域进行定位，其特征在于，包括以下步骤：步骤一，将所述待检测图像转换为灰度图像并进行对比度增强操作，提取对比度增强操作后的所述灰度图像中的最大稳定极值区域(MSER)并进行边缘检测膨胀后对最大稳定极值区域(MSER)进行分割，得到根据车牌字符特征筛选后的候选区域；步骤二，在所述候选区域内做基于一系列腐蚀操作的笔画宽度变换(SWT)，并对得到的各个所述候选区域的笔画宽度值进行筛选；步骤三，对经过笔画宽度过滤筛选得到的车牌字符候选区域聚合，根据车牌几何特征对聚合后的区域实现车牌精定位。2.根据权利要求1所述的基于MSER和SWT相结合的夜间车辆车牌定位方法，其特征在于，步骤一包括以下子步骤：步骤1-1，对所述待检测图像灰度化之后，进行非线性灰度变换，用于突出车牌区域得到对比度增强后的图像；步骤1-2，对对比度增强后的图像进行MSER区域提取；步骤1-3，对对比度增强后的图像进行Canny边缘检测和膨胀操作后再与原MSER区域取交后分割原MSER区域；步骤1-4，对步骤1-3所得到的分割后的MSER区域根据车牌字符特征对其基本统计特征进行筛选。3.根据权利要求2所述的基于MSER和SWT相结合的夜间车...

【专利技术属性】
技术研发人员：王艳，谢广苏，沈晓宇，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海,31