基于图像融合和盲反卷积的模糊车牌图像识别算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107103317A(43)申请公布日2017.08.29(21)申请号201710236814.9(22)申请日2017.04.12(71)申请人湖南源信光电科技股份有限公司地址410000湖南省长沙市高新开发区尖山路39号长沙中电软件园总部大楼A173房(72)发明人张斯尧马昊辰(74)专利代理机构北京中济纬天专利代理有限公司11429代理人陆薇薇(51)Int.Cl.G06K9/32(2006.01)G06K9/34(2006.01)G06K9/54(2006.01)G06K9/62(2006.01)权利要求书4页说明书20页附图7页(54)发明名称基于图像融合和盲反卷积的模糊车牌图像识别算法(57)摘要本发明涉及计算机视觉领域，特指一种基于图像融合和盲反卷积的模糊车牌图像识别算法。本算法包括5个步骤：1.多帧图像融合增强车牌低照度图像的可辨识度；2.基于盲反卷积算法的模糊图像处理；3.车牌定位及倾斜估计；4.车牌字符的分割；5.车牌字符分割后的字符识别并输出。本发明的车牌识别算法在夜晚低照度，或因车辆超速等原因造成的车牌模糊不清，车牌图像成像质量低的情况下对车牌字符读取可靠性高，识别度好，鲁棒性好，同时步骤计算简单，能保持高效率，实时性也能满足需求。CN107103317ACN107103317A权利要求书1/4页1.一种基于图像融合和盲反卷积的模糊车牌图像识别算法，其特征在于，包括以下步骤：步骤(1)通过多帧图像融合增强低照度车牌图像的可辨识度；步骤(2)采用基于盲反卷积算法处理模糊图像；步骤(3)车牌定位与倾斜估计；步骤(4)采用灰度投影法进行车牌字符分割；步骤(5)采用基于联合HOG特征的车牌字符识别算法进行车牌分割字符识别。2.根据权利要求1所述的一种基于图像融合和盲反卷积的模糊车牌图像识别算法，其特征在于，所述步骤(1)包括：(1.1)对进行前ISP(ImageSignalProcessor)处理后输出的多帧图像进行Surf特征点匹配获得校准图像；所述前ISP处理中包括对原始图像进行白平衡处理，去马赛克，色彩校正，转RGB格式彩图，最后经过转RGB格式彩图后输出适合Surf特征点匹配的图像；(1.2)对多帧连拍车牌图像采用加权累积方式进行累加，使得每幅图像权重相等。3.根据权利要求1所述的一种基于图像融合和盲反卷积的模糊车牌图像识别算法，其特征在于，所述步骤(2)为采用一种盲复原方法，首先估计出模糊点扩散函数PSF，然后进行模糊处理，具体包括：(2.1)估计点扩散函数，首先利用计算得到模糊长度和角度得到点扩散函数，然后对模糊图像的点扩散函数进行估计；(2.2)计算图像支持域，所述支持域为包括原始图像的非零像素值最小的矩形区域，具体采用动量矩和平均值算法进行计算，设原图像矩阵为f，支持域内矩阵为则使用在迭代中恢复图像；(2.3)设定约束条件，采用能量约束以加快算法收敛，(2.4)噪声最小二乘估计，建立盲反卷积复原最小化模型，该模型如下公式所示：上式中g(x,y)为模糊图像，f(x,y)为原图像，h(x,y)为点扩散函数，n(x,y)为噪声，α为权重系数，α用于保证迭代恢复过程中噪声均值为0，通常取值为10-4，其中两部分分别和α[∑x∑y[g(x,y)-f(x,y)*h(x,y)]]分别表示噪声均方差为δ以及均值为0；该盲反卷积复原最小化模型的解即为迭代恢复模型的近似解；(2.5)迭代恢复，求取盲反卷积复原最小化模型的解即为迭代恢复模型的近似解，经过迭代，得到图像矩阵恢复值，以及点扩散函数恢复值。4.根据权利要求1所述的一种基于图像融合和盲反卷积的模糊车牌图像识别算法，其2CN107103317A权利要求书2/4页特征在于，所述步骤(3)包括：(3.1)训练车牌样本特征提取及特征组织，其包括：首先，手动抠取出任意正常国标车牌；其次，对抠取出的车牌图像进行积分通道特征提取，所述通道包括LUV颜色通道、梯度幅值通道和梯度直方图通道；最后，采用基于Adaboost算法训练检测器；(3.2)车牌的检测定位，其包括：首先，用滑窗法对目标图像进行扫描，获取初定位车牌图像；其次，将检测器输出的初定位图像进行非极大值抑制处理后的初定位结果进行基于霍夫变换的倾斜校正得到二次定位后的车牌图像；最后，将输出的二次定位后的车牌图像输入强检测器，得出最终定位车牌结果。5.根据权利要求1所述的一种基于图像融合和盲反卷积的模糊车牌图像识别算法，其特征在于，所述步骤(4)包括：(4.1)去除输入车牌区域图像的车牌边框；(4.2)车牌字符分割，其包括：首先，对去除车牌边框后的车牌区域图像进行图像增强，其次，采用基于灰度投影的算法进行车牌字符分割，进行字符分割前，对前面