[发明专利]一种基于视觉显著性检测的MSER车牌定位方法及系统

说明书

本发明公开了一种基于视觉显著性检测的MSER车牌定位方法及系统，其通过获取待检测图像的显著性特征，对待检测图像进行分割以获取分割图像，对比显著性特征和分割图像提取待检测图像的目标主体数据，以得到目标主体图像；对目标主体图像进行边缘增强，提取目标主体图像的最大极值稳定区域；利用分类器判断所述最大极值稳定区域为字符区域的概率，概率大于预设阈值时，判断最大极值稳定区域为候选字符区域，聚合候选字符区域定位车牌位置，从而一方面采用显著性检测去除不包含车牌的背景信息，避免产生多余的非字符稳定区域；另一方面进行图像边缘增强，提升了字符MSER区域的效果，从而提高搜索字符区域的准确性，达到精准定位车牌的效果。

技术领域

本发明属于图像处理领域，具体涉及一种基于视觉显著性检测的MSER车牌定位方法及系统。

背景技术

车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。其中车牌定位作为车牌识别过程中关键的一步，从复杂的车辆抓拍图片中，精准的定位出车牌区域，直接影响车牌识别的效果，因此车牌定位一直是车牌识别领域研究的热点。受车牌背景复杂、图片分辨率、车牌区域变形和光线不均匀等众多不利因素的影响，使车牌定位的难度增加，因此许多研究者提出了有关车牌定位的方法。

近年来部分研究者不断对传统车牌定位方法进行改进和融合，进而提高车牌定位的准确性，然而还是较依赖车牌的颜色、纹理、边缘信息，不能进行有效的定位，特别是当图片背景复杂、图片分辨率低、车牌失真情况下，各有一定的局限性。车牌定位主要的流程是先对车辆抓拍图片预处理，去掉一些噪声和污点，增强图片细节部分，然后根据车牌结构进行特征提取和搜索车牌区域，最后去掉干扰区域定位字符区域。所以在预处理、特征提取和字符定位这三个关键步骤中进行研究和改进，能够非常有效的提升车牌定位的准确性。

近年来，视觉显著性检测相关研究通过智能算法模拟人的视觉特点，提取图像中的显著区域。Radhakrishna Achanta等人提出的FT(Frequency-tuned salient RegionDetection)显著性检测，从频域角度分析处理图像，主要提取反映图像整体结构的低频信息，如物体的轮廓，使获得的显著图更能反映出图像的主体目标信息。Matas等人提出的MSER(Maximally Stable Extremal Regions)检测，作为一种检测图像中文本区域的方法，具有仿射不变性、强稳定性和鲁棒性，已被广泛应用于图像处理相关领域，Comaniciu等人提出Mean-shift分割提取图像聚类相似区域。而在车牌定位处理方面，采用MSER检测字符往往会受待检测图片的背景影响，导致产生冗余无效的非字符区域，影响到最终的车牌定位精确度。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于视觉显著性检测的MSER车牌定位方法及系统，其通过对比显著性特征和分割图像提取待检测图像的目标主体数据，对目标主体图像进行边缘增强，提取目标主体图像的最大极值稳定区域，判断所述最大极值稳定区域为候选字符区域，聚合候选字符区域定位车牌位置。

为实现上述目的，按照本发明的一个方面，提供了一种基于视觉显著性检测的MSER车牌定位方法，包括如下步骤：

S1.获取待检测图像的显著性特征，对待检测图像进行分割以获取分割图像，对比显著性特征和分割图像提取待检测图像的目标主体数据，以得到目标主体图像；

S2.对目标主体图像进行边缘增强，提取目标主体图像的最大极值稳定区域；

S3.利用分类器判断最大极值稳定区域为字符区域的概率，概率大于预设阈值时，判断最大极值稳定区域为候选字符区域，聚合候选字符区域定位车牌位置。

作为本发明的进一步改进，采用FT显著性检测方法获取待检测图像的显著性特征，其中，待检测图像的显著性特征S(x,y)为：