[发明专利]一种基于水平邻域标准差计算的车牌区域增强方法

说明书

本发明提出了一种通过计算图像中像素点的水平邻域内灰度值标准差来进行车牌区域增强的方法。通过使用本发明的方法对含有车牌的灰度图像进行图像增强操作，利用像素点水平邻域标准差来衡量它的增强系数可以有效得增强车牌字符区域而避免图像中其他区域增强，方便后续的车牌定位操作。

技术领域

本发明涉及计算机视觉及智能交通领域，具体是一种通过计算图像中像素点的水平邻域内灰度值标准差来进行车牌区域增强的方法。

背景技术

随着智能交通领域的不断发展，目前在道路交通安全监测系统，嫌疑车辆跟踪系统等方面都需要对车牌进行准确定位。然而在实际应用场景中由于相机问题或者天气因素的影响导致拍摄得到的车辆图像比较模糊，使得车牌定位的准确率受到影响，因此对于模糊图像的车牌定位，图像增强操作是必要的。由于车牌定位的目标是车牌，因此在图像增强的过程中如果尽量只对车牌区域进行增强处理而不对其他区域进行增强处理则更能够突出车牌区域，方便后续的车牌定位操作。

当前有许多学者提出了不同的针对图像中车牌区域的增强方法，其中与本发明较接近的技术方案为：文献(张浩鹏,王宗义,等.基于灰度方差和边缘密度的车牌定位算法[J].仪器仪表学报,2011,32(5):1095-1102.)利用车牌区域具有在一定范围内灰度方差近似相等和边缘密度近似相等的性质来增强类似车牌的区域，这两种方法使得图像中只要是局部灰度方差近似相等或者局部边缘密度近似相等的区域都会得到相等倍数的增强，不能够很好得只对车牌区域进行增强；文献(李峰,邓灵,薛敬明,等.基于改进的图像增强算法在车牌定位中的应用[J].微计算机信息,2010,26(21):14-16.)利用图像的垂直边缘密度作为类似车牌区域增强的标准，即图像中垂直边缘密度在0.15-0.45之间的区域得到了增强，然而实际应用场景中背景复杂，除了车牌区域，其周围的区域也可能存在丰富的垂直边缘，这将使得车牌附近的干扰区域也得到增强的效果；文献(李学斌,孙炫超,等.基于纹理和颜色的模糊车牌的增强与定位[J].微计算机信息,2009,25(9):273-274.)提出了一种盲解卷积的增强算法，认为图像退化过程可用卷积模型表示，那么图像的恢复问题即对卷积模型进行解卷积操作。而盲解卷积的过程中选择适当大小的矩阵对恢复图像的效果是非常重要的，若矩阵选取不当，则有可能出现振铃现象甚至使图像更加模糊。而实际场景中图像模糊程度和大小各异，在盲卷积过程中选取一个适合所有模糊图像的矩阵是很困难的。

综上所述，当前的针对图像中车牌区域的增强方法存在着如下不足：(1)不能针对性得只对车牌区域进行增强；(2)不能同时适用于模糊程度以及大小不一的模糊图像。

发明内容

针对现有的车牌区域增强方法中存在的上述问题，本发明提出了一种通过计算图像中像素点的水平邻域内灰度值标准差来进行车牌区域增强的方法。

所述的一种基于水平邻域标准差计算的车牌区域增强方法，其特征在于包括如下步骤：

步骤1：在含有车牌的灰度图像r中计算每个像素点p(x,y)的1×9水平邻域内的灰度值标准差σ(x,y)，其中x为像素点p的横坐标，y为像素点p的纵坐标；

步骤2：针对图像r中每个像素点p(x,y)，根据公式(1)计算其对应的灰度值增强系数factor(x,y)，其中maxFactor为预先设定的所需的最大增强系数，需满足maxFactor1，T₁和T₂分别为预先设定的两个灰度值标准差阈值，需满足0T₁T₂；

步骤3：计算图像r中每个像素点p(x,y)的八邻域内的灰度平均值avg(x,y)；