一种基于核密度估计的车牌字符分割方法

摘要

本发明涉及一种基于核密度估计的车牌字符分割方法。目前方法在极端情况下存在较多无法二值化好的情况。本发明首先对车牌图像进行归一化、锐化边缘和去除噪声的预处理；其次确定车牌字符区域；然后找出当前核概率密度曲线中，出现概率最大的像素值和该点的核密度半宽并利用这两个参数将图像二值化。最后取出在宽度范围中间得分最高的分割结果作为最终的字符分割的结果。本发明能够准确的确定字符像素的分布，抗环境干扰能力较一般的迭代二值化方法性能大大增强。

主权项

一种基于核密度估计的车牌字符分割方法，其特征在于该方法的具体步骤如下：步骤(1)对车牌图像进行归一化、锐化边缘和去除噪声的预处理；步骤(2)利用水平方向梯度投影对预处理后的图像进行车牌上下边缘的分割；计算每个水平块Aⁱ上的梯度值高度值及所有水平块梯度均值所有水平块的梯度方差如果水平块不满足以下两个条件，则判定该水平块不是车牌字符区域，予以删除：条件1)条件2)其中C_a的取值范围为[0,1]；步骤(3)利用核密度估计迭代计算水平块的核概率密度曲线G(x)，找出当前核概率密度曲线中，出现概率最大的像素值和该像素值所在点的核密度半宽L_j；若核密度半宽不满足L_j<20，则该核概率密度曲线G(x)所表现的像素区域不是属于车牌字符的区域；重复本步骤，找出除外的最大像素值和核密度半宽L_j+1，如果半宽满足L_j<20，则执行步骤(4)；步骤(4)将水平块Aⁱ根据概率最大的像素值和该像素值的核密度半宽L_j做图像二值化，对二值化的图像结果进行垂直投影分割；如字符块不满足以下任何一条件，则将该像素值所表示的核予以剔除，并跳转至步骤(3)：a)字符宽度W_j<4；b)分割得到的字符总数小于5个；步骤(5)设字符宽度范围为W_min至W_max，利用该宽度所得到的标准车牌模板和二值化图像垂直投影后的结果进行匹配，取出在[W_min,W_max]中间得分最高的分割结果作为最终的字符分割的结果；步骤(3)在计算核密度半宽时，设两个高斯核函数K₁(u),K₂(u)，分别为正态分布N(0,1)，N(0,4)；在车牌上像素在3000个以上时，两个核函数K₁(u),K₂(u)计算得到的概率密度最小时，取到的半宽L_j为当前真实的车牌字符像素分布半宽；即计算下式的最小值：$MIN\left(L\right)=\frac{1}{n^{2}L\sqrt{\pi }}\underset{i=1}{\overset{n}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}[\frac{1}{2}{e}^{-\frac{{\left(x_i-x_j\right)}^2}{4L^2}}+\frac{1}{4}{e}^{-\frac{{(x_i-x_j)}^2}{16L^2}}-\frac{2}{\sqrt{10}}{e}^{-\frac{{(x_i-x_j)}^2}{10L^2}}]$其中n表示水平块Aⁱ中的像素总数，L表示可能核密度半宽，x_i，x_j表示水平块内的像素值；计算得到是该式最小的核密度半宽L_j，代入计算核密度函数：其中K_σ是核密度半宽L_j的高斯核；步骤(5)是对步骤(4)得到的二值化图像区域做垂直投影，利用二值化字符得到的宽度[W_min,W_max]和标准车牌模板的比例换算到当前模板车牌的宽度[PlateW_min,PlateW_max]；用换算的车牌模板计算可能的分割位置[pos₀,pos₁,...pos_m]；根据如下公式计算每个可能分割位置的得分：${\mathrm{Score}}_p=\underset{i=0}{\overset{N1-1}{\Sigma }}\frac{{\mathrm{EC}}_i}{{\mathrm{RC}}_i}-\underset{j=0}{\overset{N2-1}{\Sigma }}\frac{{\mathrm{RC}}_j}{{\mathrm{RI}}_j},p\in [0,m];$其中EC_i表示第i个二值化字符面积和标准车牌第i个字符面积相交大小，RC_i表示第i个字符的面积，RC_j表示模板第i和i+1个二值化字符之间的面积，RI_j表示模板第i和i+1个二值化字符之间的面积，Score_p表示第p个可能分割位置的分数；选择所有可能分割位置中分数的最大值作为最优化的车牌分割位置。