【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种基于图像处理的远距离渔船船牌识别方法。
技术介绍
1、由于在采集渔船船牌图像时，会由于采集距离过远导致船牌图像模糊，以识别出船牌上的信息，而为了能够准确地识别出船牌上的信息，需要对船牌进行图像增强，但是传统的图像增强技术是根据整幅图像对图像进行增强的，此时的增强结果虽然对于整幅图像而言更加清晰了，但是对于船牌而言却无法得到良好的增强效果，即传统的图像增强技术无法对船牌进行有效的增强。
技术实现思路
1、本专利技术提供一种基于图像处理的远距离渔船船牌识别方法，以解决现有的问题：传统的图像增强技术无法对船牌进行有效的增强。
2、本专利技术的一种基于图像处理的远距离渔船船牌识别方法采用如下技术方案：
3、包括以下步骤：
4、采集渔船图像，并对渔船图像进行分割，得到若干区域；
5、根据区域中通道之间的差异，获取区域中每个通道的基准程度；根据区域中每个通道的基准程度，获取所有区域为船牌区域的第一可能性参数；根据区域的形状，获取所有区域为船牌区域的第二可能性参数；利用边缘检测算法，获取区域中像素点的梯度值与边缘像素点；根据区域中像素点的梯度值与边缘像素点，获取所有区域为船牌区域的第三可能性参数；
6、根据所有区域为船牌区域的第一可能性参数、所有区域为船牌区域的第二可能性参数以及所有区域为船牌区域的第三可能性参数，获取所有区域为船牌区域的可能性参数；
7、根据所有区域为船牌区域的可能性参数
8、优选的，所述采集渔船图像，并对渔船图像进行分割，得到若干区域，包括的具体方法为：
9、通过彩色摄像头采集渔船图像，得到渔船图像，对渔船图像使用selectivesearch算法进行分割，得到若干区域。
10、优选的，所述根据区域中通道之间的差异，获取区域中每个通道的基准程度，包括的具体方法为：
11、对于第个区域，首先获取第个区域内所有像素点的各个通道的通道值，根据第个区域内所有像素点的各个通道的通道值；计算第个区域所有通道的基准程度，其具体的计算公式为：
12、
13、式中，表示第个区域第个通道的基准程度；表示第个区域内的像素点数量；表示第个区域内的第个像素点在第个通道下的通道值；表示通道数量。
14、优选的，所述根据区域中每个通道的基准程度，获取所有区域为船牌区域的第一可能性参数，包括的具体方法为：
15、对于第个区域，得到第个区域所有通道的基准程度后，从第个区域所有通道中，选取基准程度最大通道作为第个区域的基准通道，将第个区域中所有不是基准通道的通道记为第个区域的非基准通道；将第个区域的基准通道的基准程度，与第个区域中所有非基准通道的基准程度均值之间的差，记为第个区域的特征值；对第个区域的特征值进行线性归一化，将完成线性归一化后的第个区域的特征值，作为第个区域为船牌区域的第一可能性参数。
16、优选的，所述根据区域的形状，获取所有区域为船牌区域的第二可能性参数，包括的具体方法为：
17、对于计算第个区域为船牌区域的第二可能性参数，首先利用旋转卡壳算法获取第个区域的最小外接矩形；然后统计第个区域的最小外接矩形中的像素点数量以及第个区域中的像素点数量；根据第个区域的最小外接矩形中的像素点数量以及第个区域中的像素点数量，计算第个区域为船牌区域的第二可能性参数，其具体的计算公式为：
18、
19、式中，表示第个区域为船牌区域的第二可能性参数；表示第个区域中的像素点数量；表示第个区域的最小外接矩形中的像素点数量；表示线性归一化函数。
20、优选的，所述利用边缘检测算法，获取区域中像素点的梯度值与边缘像素点；根据区域中像素点的梯度值与边缘像素点，获取所有区域为船牌区域的第三可能性参数，包括的具体方法为：
21、对于第个区域，首先对第个区域进行灰度化处理，得到个区域的灰度图，然后利用canny边缘检测算法，获取个区域的灰度图中每个像素点的梯度值以及个区域中的边缘像素点；根据个区域的灰度图中每个像素点的梯度值以及个区域中的边缘像素点，计算第个区域为船牌区域的第三可能性参数，其具体的计算过程为：
22、
23、式中，表示第个区域为船牌区域的第三可能性参数；表示第个区域内的像素点数量；表示第个区域中第个像素点的梯度值；表示第个区域中边缘像素点的数量；表示第个区域中的像素点数量；表示线性归一化函数。
24、优选的，所述根据所有区域为船牌区域的第一可能性参数、所有区域为船牌区域的第二可能性参数以及所有区域为船牌区域的第三可能性参数，获取所有区域为船牌区域的可能性参数，包括的具体计算公式为：
25、
26、式中，表示第个区域为船牌区域的可能性参数；表示第个区域为船牌区域的第一可能性参数；表示第个区域为船牌区域的第二可能性参数；表示第个区域为船牌区域的第三可能性参数。
27、优选的，所述根据所有区域为船牌区域的可能性参数，获取待增强区域，包括的具体方法为：
28、预设一个可能性参数阈值，对于第个区域，若个区域为船牌区域的可能性参数大于等于，则将第个区域记为待增强区域。
29、优选的，所述对待增强区域进行增强，得到待增强区域的增强结果，包括的具体方法为：
30、对于增强第个待增强区域中所有像素点的第个通道，获取在第个通道下的第个待增强区域中像素点的最大通道值与最小通道值，分别与，根据与增强第个待增强区域中所有像素点的第个通道，其具体的计算公式为：
31、
32、式中，表示第个待增强区域中第个像素点的第个通道增强后的通道值；表示第个待增强区域中第个像素点的第个通道的通道值；表示向下取整运算；
33、获取所有待增强区域中所有像素点的所有通道的通道值，完成对所有待增强区域的增强。
34、优选的，所述根据待增强区域的增强结果，识别船牌上的信息，包括的具体方法为：
35、将所有增强后的待增强区域输入到神经网络进行字符识别，使用mask-rcnn网络；执行识别任务，采用的损失函数为：交叉熵损失函数；神经网络的输入为：所有增强后的待增强区域；输出为：船牌上的信息。
36、本专利技术的技术方案的有益效果是：本专利技术首先将渔船图像分割成若干区域，结合船牌区域在通道上，形状以及像素点梯度上的特征，获取所有区域为船牌区域的第一可能性参数、第二可能性参数以及第三可能性参数，得到所有区域为船牌区域的可能性参数，根据所有区域为船牌区域的可能性参数，对所有区域进行筛选，得到待增强区域，通过单独对待增强区域，使船牌区域的增强效果更好，达到能够识别船牌上的信息的目的。
本文档来自技高网...【技术保护点】
1.一种基于图像处理的远距离渔船船牌识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述采集渔船图像，并对渔船图像进行分割，得到若干区域，包括的具体方法为：
3.根据权利要求1所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述根据区域中通道之间的差异，获取区域中每个通道的基准程度，包括的具体方法为：
4.根据权利要求3所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述根据区域中每个通道的基准程度，获取所有区域为船牌区域的第一可能性参数，包括的具体方法为：
5.根据权利要求1所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述根据区域的形状，获取所有区域为船牌区域的第二可能性参数，包括的具体方法为：
6.根据权利要求1所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述利用边缘检测算法，获取区域中像素点的梯度值与边缘像素点；根据区域中像素点的梯度值与边缘像素点，获取所有区域为船牌区域的第三可能性参数，包括的具
7.根据权利要求1所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述根据所有区域为船牌区域的第一可能性参数、所有区域为船牌区域的第二可能性参数以及所有区域为船牌区域的第三可能性参数，获取所有区域为船牌区域的可能性参数，包括的具体计算公式为：
8.根据权利要求1所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述根据所有区域为船牌区域的可能性参数，获取待增强区域，包括的具体方法为：
9.根据权利要求1所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述对待增强区域进行增强，得到待增强区域的增强结果，包括的具体方法为：
10.根据权利要求1所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述根据待增强区域的增强结果，识别船牌上的信息，包括的具体方法为：
...【技术特征摘要】
1.一种基于图像处理的远距离渔船船牌识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述采集渔船图像，并对渔船图像进行分割，得到若干区域，包括的具体方法为：
3.根据权利要求1所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述根据区域中通道之间的差异，获取区域中每个通道的基准程度，包括的具体方法为：
4.根据权利要求3所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述根据区域中每个通道的基准程度，获取所有区域为船牌区域的第一可能性参数，包括的具体方法为：
5.根据权利要求1所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述根据区域的形状，获取所有区域为船牌区域的第二可能性参数，包括的具体方法为：
6.根据权利要求1所述一种基于图像处理的远距离渔船船牌识别方法，其特征在于，所述利用边缘检测算法，获取区...
【专利技术属性】
技术研发人员：叶宁，乐仁龙，楼杭欣，楼靖娟，陈丽巧，雷景生，杨胜英，
申请(专利权)人：宁波海上鲜信息技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。