[发明专利]一种应用于车牌检测的图像去模糊方法及系统

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种应用于车牌检测的图像去模糊方法及系统。

背景技术

随着经济的发展，人民生活水平的不断提高，越来越多的汽车被投入使用，加大了相关的部门对汽车的管理难度，进一步的对于摄像机成功拍摄汽车车牌提出了更高的要求。

根据一辆汽车只有唯一车牌的特点，许多公司和相关科研机构设计了汽车牌照识别技术，主要包括车牌定位、车牌分割、字符识别等步骤。根据车牌的形状、边缘、颜色等特征，并结合形态学、神经网络等技术进行车牌定位，然后利用车牌区域纹理比较丰富的特点、车牌灰度投影等方法进行车牌分割，然后再对分割出来的图像用矩阵映射、模板匹配等方法进行字符识别。虽然这些汽车牌照识别技术在一定条件下可识别车牌，但是在汽车的高速移动情况下，这些技术对摄像机拍摄的模糊车牌图像仍然无法识别。

由于汽车的移动速度较快，需要在足够短的时间内对图像进行解码，并且由于车辆的高速移动，汽车与摄像机之间的相对移动造成车牌图像的模糊，导致拍摄的汽车牌照图像进行处理时准确度降低。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种应用于车牌检测的图像去模糊方法系统，可以有效地提高车牌检测的图像高准确度的二值化。

为了解决上述技术问题，本发明实施例一种应用于车牌检测的图像去模糊方法，所述方法包括：

获取彩色图像；

对所述彩色图像进行灰度转换，获取灰度图像；

对所述灰度图像进行降噪声处理，获取降噪声的灰度图像；

对所述降噪声的灰度图像进行去模糊处理，获取降噪声去模糊的灰度图像；

对所述降噪声去模糊的灰度图像进行二值化处理，获取二值图像。

优选地，所述对所述彩色图像进行灰度转换，包括对所述彩色图像采用亮度值转换方式进行灰度转换处理，所述亮度值转换公式如下：

I＝0.3×R+0.59×G+0.11×B

其中，I表示灰度图像的亮度值，R表示红色，G表示绿色，B表示蓝色。

优选地，所述对所述灰度图像进行降噪声处理包括：

采用加权总变分算法对所述灰度图像进行降噪声处理，加权总变分算法的公式如下：

或者：

其中，i,j分别表示1,2,3...，y表示信号；

进一步的，给定一个带随机噪音的信号x_n，获取一个接近x_n的信号y_n具有更小的total variation，可用保真度约束项E(x，y)来衡量，E(x，y)的算法公式如下：

其中，n表示1,2,3...，所述保真度约束项E(x，y)结合加权总变分算法，求解最小值，公式如下：

E(x，y)+λV(y)

其中，λ表示权重。

优选地，所述对所述降噪声的灰度图像进行去模糊处理，包括：

对点传输函数的模糊核φ_b进行估计，获取点传输函数的模糊核φ_b；

根据所述点传输函数模糊核φ_b，对所述降噪声的灰度图像进行去模糊处理；

所述对点传输函数的模糊核φ_b进行估计算法如下：

其中，λ₁＞0表示参数，u₁表示降噪声后的图像，φ_b表示点传输模糊核，C1表示区域，L表示边长，I₁表示原图像；

进一步的，在变分问题是严格凸面基础上，所述点传输函数的模糊核φ_b唯一极小值点就是欧拉-拉格朗日方程的解：

-Δφ_b+λ₁(φ_**I₁-u₁)*I₁＝0

其中，Δφ_b表示电传输模糊和的差分；

根据所述点传输函数模糊核φ_b，对所述降噪声的灰度图像进行去模糊处理，算法如下：

其中，u₂表示降噪声去模糊后的图像，u_x，u_y分别表示图像x，y方向的分量，λ₂＞0表示参数。