一种车牌图像无参考质量分析的评分方法技术

本发明专利技术提供一种车牌图像无参考质量分析的评分方法，包括：获得车牌图像样本总集合；获得车牌图像样本总集合；确定有效评分算法的阈值；对一张车牌图像进行评分，输出其图像清晰度总评分。优点为：该评分方法解决全参考图像质量评价依赖标签图的局限性和无参考图像质量评价方法的单一性，综合考量图像水平方向梯度、边缘检测、灰度方差、能量梯度、边缘锐度、二次模糊、低通滤波和图像结构相似度等多种因素的车牌图像质量，方法更多元，评价更客观准确。评价更客观准确。评价更客观准确。

【技术实现步骤摘要】
一种车牌图像无参考质量分析的评分方法


[0001]本专利技术属于计算机视觉
，具体涉及一种车牌图像无参考质量分析的评分方法。

技术介绍

[0002]现有图像质量分析技术主要分为无参考图像质量分析和全参考图像质量分析技术。在全参考图像质量分析中，测试图像需要采用图像内容相同的清晰图像(作为标签)，作为一组配对图像，才能计算出测试图像的全参考评价指标。此种分析方法受限于数据集的建立，实际场景中的图像没有标签图像，无法计算全参考图像评价指标。
[0003]无参考图像质量分析方法，可以只根据实际场景的单张图像数据，计算出图像质量评分。此种方法优点为：不需要建立配对数据集，以及不受制于现实场景中没有配对的图像数据。但是，目前的无参考图像质量分析方法，侧重单一因素，如brenner侧重于图像的水平方向梯度，无法综合多方面的因素评价图像的质量，导致最终得到的图像质量评分准确度有限。

技术实现思路

[0004]针对现有技术存在的缺陷，本专利技术提供一种车牌图像无参考质量分析的评分方法，可有效解决上述问题。
[0005]本专利技术采用的技术方案如下：
[0006]本专利技术提供一种车牌图像无参考质量分析的评分方法，包括以下步骤：
[0007]步骤1，获得车牌图像样本总集合S；
[0008]步骤1.1，获得m张车牌图像；对每张车牌图像进行预处理，将每张车牌图像处理为统一尺寸的车牌图像，作为车牌图像样本；
[0009]由此得到m张车牌图像样本；其中，每张车牌图像样本具有样本标签；所述样本标签包括清晰车牌图像标签或模糊车牌图像标签；
[0010]所述m张车牌图像样本中，包括m1张清晰车牌图像样本和m2张模糊车牌图像样本；
[0011]步骤1.2，将m1张清晰车牌图像样本组成清晰车牌图像样本集合S1；将m2张模糊车牌图像样本组成模糊车牌图像样本集合S2；
[0012]清晰车牌图像样本集合S1和模糊车牌图像样本集合S2，组成车牌图像样本总集合S；
[0013]步骤2，构建车牌图像有效评分算法集合，其中，所述车牌图像有效评分算法集合共包括n种车牌图像有效评分算法，分别表示为：有效评分算法SF1,SF2,...,SF
n
；
[0014]具体方法为：
[0015]对于每种车牌图像评分算法G，识别所述车牌图像评分算法G是否为车牌图像有效评分算法，如果是，则将所述车牌图像评分算法G加入到所述车牌图像有效评分算法集合；
[0016]其中：采用以下方法，识别所述车牌图像评分算法G是否为车牌图像有效评分算
法：
[0017]步骤2.1，采用车牌图像评分算法G，分别计算清晰车牌图像样本集合S1中每张清晰车牌图像样本的图像清晰度评分，由此计算得到m1个图像清晰度评分；
[0018]步骤2.2，对m1个图像清晰度评分的分布进行统计，得到横坐标是图像清晰度评分、纵坐标为样本数量的清晰车牌图像样本的图像清晰度分布图；
[0019]步骤2.3，采用车牌图像评分算法G，分别计算模糊车牌图像样本集合S2中每张模糊车牌图像样本的图像清晰度评分，由此计算得到m2个图像清晰度评分；
[0020]步骤2.4，对m2个图像清晰度评分的分布进行统计，得到横坐标是图像清晰度评分、纵坐标为样本数量的模糊车牌图像样本的图像清晰度分布图；
[0021]步骤2.5，判断清晰车牌图像样本的图像清晰度分布图和模糊车牌图像样本的图像清晰度分布图是否具有明显差异，如果有，则得到车牌图像评分算法G为车牌图像有效评分算法的结论；否则，得到车牌图像评分算法G为车牌图像无效评分算法的结论；
[0022]步骤3，对于每种有效评分算法SF
i
，其中，i＝1,2,...,n，确定对应的算法阈值K
i
：
[0023]步骤3.1，确定有效评分算法SF
i
的初始阈值K
i
(0):
[0024]采用有效评分算法SF
i
，分别计算模糊车牌图像样本集合S2中每张模糊车牌图像样本的图像清晰度评分，选出图像清晰度评分最低的图像清晰度评分，作为有效评分算法SF
i
的初始阈值K
i
(0)；
[0025]步骤3.2，预设置步长ρ；
[0026]步骤3.3，从初始阈值K
i
(0)开始，以步长ρ为增加值进行遍历，获得满足以下目标函数的阈值，作为有效评分算法SF
i
的最优的算法阈值K
i
：
[0027]目标函数：
[0028]分类错误率不超过设定值ε；并且，从模糊车牌图像样本集合S2中，识别出模糊车牌图像的数量E最大；
[0029]其中：
[0030]分类错误率通过以下方法计算：
[0031]1)对于车牌图像样本总集合S中的每个车牌图像样本，表示为车牌图像样本P；
[0032]2)采用有效评分算法SF
i
对车牌图像样本P进行识别，得到分类结果；其中，所述分类结果为：所述车牌图像样本P为模糊车牌图像样本或清晰车牌图像样本；
[0033]具体的，采用有效评分算法SF
i
计算得到该车牌图像样本P的图像清晰度评分Score(P)；
[0034]比较图像清晰度评分Score(P)是否大于当前遍历的阈值K
i
(0)+xρ,其中，x为遍历的步数；
[0035]如果大于，则得到车牌图像样本P为清晰车牌图像样本的分类结果；否则，得到车牌图像样本P为模糊车牌图像样本的分类结果；
[0036]3)将对车牌图像样本P的分类结果，与车牌图像样本P的样本标签进行比较，如果分类结果与样本标签一致，则表明对车牌图像样本P的分类正确；否则，表明对车牌图像样本P的分类错误；
[0037]4)因此，对于车牌图像样本总集合S中的每个车牌图像样本，均得到分类结果，采用下式计算分类错误率：
[0038]分类错误率＝分类错误的样本数量/车牌图像样本总集合S的车牌图像样本总数量；
[0039]从模糊车牌图像样本集合S2中，识别出模糊车牌图像的数量E，采用以下方法计算：
[0040]1)对于模糊车牌图像样本集合S2中的每个模糊车牌图像样本，采用有效评分算法SF
i
对其进行识别，得到分类结果；其中，所述分类结果为：所述模糊车牌图像样本为模糊车牌图像样本或清晰车牌图像样本；
[0041]2)对于模糊车牌图像样本集合S2，包括m2张模糊车牌图像样本，统计得到分类结果为模糊车牌图像样本的样本数量，即为识别出模糊车牌图像的数量E；
[0042]步骤4，由此确定有效评分算法SF1,SF2,...,SF
n
的算法阈值分别为：K1,K2,...,K
n
；
[0043]当需要对一张车牌图像tu(0)进行评分时，首先对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车牌图像无参考质量分析的评分方法，其特征在于，包括以下步骤：步骤1，获得车牌图像样本总集合S；步骤1.1，获得m张车牌图像；对每张车牌图像进行预处理，将每张车牌图像处理为统一尺寸的车牌图像，作为车牌图像样本；由此得到m张车牌图像样本；其中，每张车牌图像样本具有样本标签；所述样本标签包括清晰车牌图像标签或模糊车牌图像标签；所述m张车牌图像样本中，包括m1张清晰车牌图像样本和m2张模糊车牌图像样本；步骤1.2，将m1张清晰车牌图像样本组成清晰车牌图像样本集合S1；将m2张模糊车牌图像样本组成模糊车牌图像样本集合S2；清晰车牌图像样本集合S1和模糊车牌图像样本集合S2，组成车牌图像样本总集合S；步骤2，构建车牌图像有效评分算法集合，其中，所述车牌图像有效评分算法集合共包括n种车牌图像有效评分算法，分别表示为：有效评分算法SF1,SF2,...,SF
n
；具体方法为：对于每种车牌图像评分算法G，识别所述车牌图像评分算法G是否为车牌图像有效评分算法，如果是，则将所述车牌图像评分算法G加入到所述车牌图像有效评分算法集合；其中：采用以下方法，识别所述车牌图像评分算法G是否为车牌图像有效评分算法：步骤2.1，采用车牌图像评分算法G，分别计算清晰车牌图像样本集合S1中每张清晰车牌图像样本的图像清晰度评分，由此计算得到m1个图像清晰度评分；步骤2.2，对m1个图像清晰度评分的分布进行统计，得到横坐标是图像清晰度评分、纵坐标为样本数量的清晰车牌图像样本的图像清晰度分布图；步骤2.3，采用车牌图像评分算法G，分别计算模糊车牌图像样本集合S2中每张模糊车牌图像样本的图像清晰度评分，由此计算得到m2个图像清晰度评分；步骤2.4，对m2个图像清晰度评分的分布进行统计，得到横坐标是图像清晰度评分、纵坐标为样本数量的模糊车牌图像样本的图像清晰度分布图；步骤2.5，判断清晰车牌图像样本的图像清晰度分布图和模糊车牌图像样本的图像清晰度分布图是否具有明显差异，如果有，则得到车牌图像评分算法G为车牌图像有效评分算法的结论；否则，得到车牌图像评分算法G为车牌图像无效评分算法的结论；步骤3，对于每种有效评分算法SF
i
，其中，i＝1,2,...,n，确定对应的算法阈值K
i
：步骤3.1，确定有效评分算法SF
i
的初始阈值K
i
(0):采用有效评分算法SF
i
，分别计算模糊车牌图像样本集合S2中每张模糊车牌图像样本的图像清晰度评分，选出图像清晰度评分最低的图像清晰度评分，作为有效评分算法SF
i
的初始阈值K
i
(0)；步骤3.2，预设置步长ρ；步骤3.3，从初始阈值K
i
(0)开始，以步长ρ为增加值进行遍历，获得满足以下目标函数的阈值，作为有效评分算法SF
i
的最优的算法阈值K
i
：目标函数：分类错误率不超过设定值ε；并且，从模糊车牌图像样本集合S2中，识别出模糊车牌...

【专利技术属性】
技术研发人员：杨一明，瞿洪桂，程亚文，
申请(专利权)人：北京中电兴发科技有限公司，
类型：发明
国别省市：