一种列车车牌二值化图像融合方法技术

本发明专利技术公开了一种列车车牌二值化图像融合方法，包括如下步骤：获取通道数据，该通道数据包括列车车牌彩色图像的R、G、B三个通道图以及列车车牌彩色图像的灰度图；获取通道数据的多个二值图，将用最大类间方差法获得的二值图，将获得的基于边缘的二值图以及获得的基于自适应分块最大类间方差法二值图进行逻辑‘或’操作；将得到的‘或’操作结果与获得的基于自适应加权高斯阈值方法的二值图进行逻辑‘与’操作，最后的结果即为最终理想二值图。本发明专利技术通过对多样化的列车车牌进行有效的二值化，并对二值化后的车牌之间进行逻辑操作，确保列车车牌号识别系统的较高准确率，为铁路交通提供了更为准确实时的交通信息。

Two value image fusion method for train license plate

The invention discloses a train license plate binarization image fusion method, which comprises the following steps: obtaining channel data, the channel data including train license plate color image R, G, B three channel map and train license plate color image grayscale; a plurality of data acquisition channel two will use the maximum value map the variance between two value map, will be based on the edge of the two value and the adaptive block Otsu two value logic 'or' operation based on; the 'or' operation and the results obtained based on adaptive weighted Gauss threshold method of two valued logic diagram \with\ operation, the final result is the ultimate ideal of two value image. The diversification of train license plate binarization effectively, and the two value logic operation between the plate after the license plate recognition system to ensure the accuracy rate for railway traffic, provides a more accurate real-time traffic information.

【技术实现步骤摘要】
一种列车车牌二值化图像融合方法
本专利技术属于计算机视觉
，具体涉及一种针对我国列车车牌的二值化图像融合方法。
技术介绍
以往记录列车(火车、动车、高铁等)车牌主要是依靠人为观察，而人为观察记录容易因为操作员的疲劳等因素造成失误，采用列车车牌号自动识别系统可以有效的替换原先人为操作过程。列车车牌号自动识别是我国智慧交通建设中的重要一环，在我国列车轨道附近安装相应的识别系统，实时采集通过的列车图片，然后将自动识别出来的车牌号发送到相应的站点，各站点利用实时获取的列车信息进行有效的调度各自的列车班次。不仅促进列车有效的行驶，也为旅客，列车站提供了有效的实时信息。二值化作为列车车牌号识别系统里面一个关键的图像处理操作，它的好坏程度直接影响到后面的字符分割提取，从而影响到最终的识别准确率。目前对汽车车牌的识别技术已经很成熟了，但是对于列车车牌的识别技术还未达到成熟阶段，与汽车车牌号相比，如图1所示，我国列车车牌号因为没有统一的标准导致样式多样。目前，存在两类基于阈值的二值化方法，分别为全局二值化例如Otsu和局部二值化例如Niblack。其中，全局二值化方法适用于前后背景存在明显差值的图，但是，当图像光照不均时，全局二值化会造成二值化后，图像信息丢失。局部二值化因为是将图像分块进行二值化，因此对于退化的图片和光照不均的图片，局部二值化可以获得相对较好的结果，但是因为局部二值化对杂质敏感，导致最后的二值化图像噪声偏多。目前已经有人提出了通过多种二值化图像融合的方法来实现各种二值化方法优势互补，人们主要是基于不同的阈值或者不同的方法获得多个二值图，对于如何将多个二值图融合，目前有两种使用较为广泛的方法，一种是基于投票机制法，一种是基于像素分类法。但是这两种方法均不能有效实现列车车牌二值化的识别。投票机制是对多个二值图的同一个像素点进行取值判断，当有一半以上的值为前景像素(1)则融合后为前景像素(1)，反之为背景像素(0)。这种方法没有考虑不同二值图之间的的关系，而是直接统计个数。例如当进行融合的多个二值图中，基于全局二值化思想的方法多些，则这样直接统计个数，对数目偏少的局部二值化方法则不合理。因此该方法没有分析各个二值图直接的优缺点和方法，而是直接统计个数，实验证明对列车车牌二值化效果不好。基于像素分类法是采用两种二值化方法获得两个二值图，当这两个二值图对应的像素值都为前景像素(1)则为前景，都为背景像素则都为背景像素(0)，当两个二值图对应的像素值一个为前景一个为后景则为不确定像素点，因此分为(前景像素，后景像素，不确定像素)，然后对不确定像素进行分类。以不确定像素为中心，向周围局部范围进行迭代，当局部范围内前景像素总和大于背景像素总和则其判别为前景像素，反之为后景像素，当总和相同，则扩大局部范围进行判断，这个方法是基于一种聚类的假设，认为相同类别的像素之间应该更加接近，但是这只是一种先前对汽车车牌二值化或者文档二值化的假设，实验证明对列车车牌二值化效果不好。归其原因是由于列车车牌虽然经过归一化后也能达到相同大小，但是此时里面的字符则不一样，无法达到一致的标准，因此不能简单用上面的二值化方法进行二值化。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种列车车牌二值化图像融合方法。为了实现本专利技术的上述目的，本专利技术提供了一种列车车牌二值化图像融合方法，其包括如下步骤：S1，获取通道数据，所述通道数据包括列车车牌彩色图像的R、G、B三个通道图以及列车车牌彩色图像的灰度图；计算四个通道图的对比度值，选择对比度值最大的作为最佳单通道图，并且对该最佳单通道图进行像素归一化；S2，获取归一化后的最佳单通道图的多个二值图，所述二值图包括用最大类间方差法获得的二值图，用自适应加权高斯阈值方法获得的二值图，基于边缘的二值图以及基于自适应分块最大类间方差法的二值图；S3，将用最大类间方差法获得的二值图，将获得的基于边缘的二值图以及获得的基于自适应分块最大类间方差法二值图进行逻辑‘或’操作；将得到的‘或’操作结果与获得的基于自适应加权高斯阈值方法的二值图进行逻辑‘与’操作，最后的结果即为最终理想二值图。本专利技术通过对多样化的列车车牌进行有效的二值化，并对二值化后的车牌之间进行逻辑操作，确保列车车牌号识别系统的较高准确率，为铁路交通提供了更为准确实时的交通信息。在本专利技术的一种优选实施方式中，步骤S1具体包括如下步骤：S11，通道数据获取：将列车车牌原彩色图转换为灰度图，其转换公式见如下公式：Gray＝R×0.3+G×0.59+B×0.11其中，R，G，B分别代表RGB空间中的三个通道，灰度图与列车车牌原彩色图的R，G，B三个通道图构成四个不同的单通道图；S12，边缘增强：依次对S11获得四个单通道图的水平扫描和/或竖直扫描进行卷积操作，获取四个相应的边缘增强的单通道图，具体的卷积算子为：竖直扫描卷积算子：水平扫描卷积算子：S13，降噪：对S12获得的4个单通道图进行滤波降噪；S14，对比度计算：利用对比度计算公式求解S13获得的图像的对比度值，选择对比度值最大的作为最佳单通道图，对比度计算公式如下：其中，σ为标准差，n根据实验设置的常数，优选为0.25，g为整个图像的像素值，q为灰度级，本文为0到255，Pr(q|g)表示灰度级为q的像素总数占整幅图像素个数总数的百分比，m为图像像素均值。S15，对最佳单通道图进行归一化。在本专利技术的一种优选实施方式中，最佳单通道图进行归一化的方法为：用最大类间方差法对最佳单通道图进行二值化，获得最大类间方差法二值图，然后统计二值图里面像素值为1的个数M和像素值为0的个数N，当M小于N时，则需要将该单通道图取反，反之，单通道图不取反。在选择好最佳单通道图后，需要对单通道图进行像素归一化，该优选实施方式中在归一化的时候用到了基于最大类间方差法的二值图而已，这部分的操作的目的是归一化。本专利技术通过获取四个通道图以及最佳单通道图，对单通道图进行二值化时，单通道图的对比度越大，二值化效果越好，但是不同图像他们对比度最好的单通道图不一样，有的是G通道，有的是R通道等，因此需要进行自动选择，保证了计算的准确性。在本专利技术的另一种优选实施方式中，用最大类间方差法获得的二值图的方法为：利用最大类间方差法对最佳单通道图进行二值化，获得最大类间方差法二值图，然后统计二值图里面像素值为1的个数M和像素值为0的个数N，当M大于N时，该二值图进行取反，反之，该二值图不用取反。在本专利技术的另一种优选实施方式中，用自适应加权高斯阈值方法获得的二值图的方法为：取模板大小为w*w，用该模板对步骤S15归一化后获得的单通道图进行卷积操作，模板中心点对应到图像的像素点P(x,y)，以此点为中心，计算其局部高斯加权均值EG(x,y),然后用高斯加权均值减去一个常量B，所得结果则为当前点P(x,y)的二值化阈值，T(x,y)＝EG(x,y)-Bσ＝(μ-1)×k+b其中，T(x,y)表示像素点(x,y)的二值化阈值，B表示一个常量，p(x+m,y+n)表示坐标点(x+m,y+n)处的像素值，EG(x,y)表示基于高卷积模板对像素点(x,y)求出的一个阈值；G(x0,y0)表示卷积模板中(x0,y0)对应的系数值，本文档来自技高网...

【技术保护点】
一种列车车牌二值化图像融合方法，其特征在于，包括如下步骤：S1，获取通道数据，所述通道数据包括列车车牌彩色图像的R、G、B三个通道图以及列车车牌彩色图像的灰度图；计算四个通道图的对比度值，选择对比度值最大的作为最佳单通道图，并且对该最佳单通道图进行像素归一化；S2，获取归一化后的最佳单通道图的多个二值图，所述二值图包括用最大类间方差法获得的二值图，用自适应加权高斯阈值方法获得的二值图，基于边缘的二值图以及基于自适应分块最大类间方差法的二值图；S3，将用最大类间方差法获得的二值图，将获得的基于边缘的二值图以及获得的基于自适应分块最大类间方差法二值图进行逻辑‘或’操作；将得到的‘或’操作结果与获得的基于自适应加权高斯阈值方法的二值图进行逻辑‘与’操作，最后的结果即为最终理想二值图。

【技术特征摘要】
1.一种列车车牌二值化图像融合方法，其特征在于，包括如下步骤：S1，获取通道数据，所述通道数据包括列车车牌彩色图像的R、G、B三个通道图以及列车车牌彩色图像的灰度图；计算四个通道图的对比度值，选择对比度值最大的作为最佳单通道图，并且对该最佳单通道图进行像素归一化；S2，获取归一化后的最佳单通道图的多个二值图，所述二值图包括用最大类间方差法获得的二值图，用自适应加权高斯阈值方法获得的二值图，基于边缘的二值图以及基于自适应分块最大类间方差法的二值图；S3，将用最大类间方差法获得的二值图，将获得的基于边缘的二值图以及获得的基于自适应分块最大类间方差法二值图进行逻辑‘或’操作；将得到的‘或’操作结果与获得的基于自适应加权高斯阈值方法的二值图进行逻辑‘与’操作，最后的结果即为最终理想二值图。2.根据权利要求1所述的列车车牌二值化图像融合方法，其特征在于，步骤S1具体包括如下步骤：S11，通道数据获取：将列车车牌原彩色图转换为灰度图，其转换公式见如下公式：Gray＝R×0.3+G×0.59+B×0.11其中，R，G，B分别代表RGB空间中的三个通道，灰度图与列车车牌原彩色图的R，G，B三个通道图构成四个不同的单通道图；S12，边缘增强：依次对S11获得四个单通道图的水平扫描和/或竖直扫描进行卷积操作，获取四个相应的边缘增强的单通道图，具体的卷积算子为：竖直扫描卷积算子：水平扫描卷积算子：S13，降噪：对S12获得的4个单通道图进行滤波降噪；S14，对比度计算：利用对比度计算公式求解S13获得的图像的对比度值，选择对比度值最大的作为最佳单通道图，对比度计算公式如下：其中，σ为标准差，n根据实验设置的常数，g为整个图像的像素值，q为灰度级，Pr(q|g)表示灰度级为q的像素总数占整幅图像素个数总数的百分比，m为图像像素均值；S15，对最佳单通道图进行归一化。3.根据权利要求1或2所述的列车车牌二值化图像融合方法，其特征在于，对最佳单通道图进行归一化的方法为：用最大类间方差法对最佳单通道图进行二值化，获得最大类间方差法二值图，然后统计二值图里面像素值为1的个数M和像素值为0的个数N，当M小于N时，则需要将该单通道图取反，反之，单通道图不取反。...

【专利技术属性】
技术研发人员：文静，张亮，朱宇，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50