基于车牌跟踪与帧累积优化的低照度车牌图像恢复方法

摘要

本发明涉及图像信息处理领域，具体公开了一种基于车牌跟踪与帧累积优化的低照度车牌图像恢复方法，首先采用目标跟踪算法，对低照度视频中车牌进行跟踪，并将车牌图像从视频帧图像中分离出来，获得车牌图像序列；然后对车牌图像进行帧累积操作，并利用遗传算法优化车牌图像的参数，进一步提高帧累积图像的恢复效果。与传统的低照度车牌图像恢复算法相比，本方法能够有效抑制低照度车牌图像的噪声，提高车牌图像信噪比，获得更加准确的车牌数字边缘，为车牌信息提取与智能分析提供更高质量的车牌源图像。

主权项

一种基于车牌跟踪与帧累积优化的低照度车牌图像恢复方法，其特征在于包括如下步骤：S1：采用车牌跟踪算法，对低照度视频中运动车辆的车牌图像进行分离，得到车牌图像序列；S2：设置帧累积优化变量，设定优化目标；具体过程为：将调整前后车牌图像宽度变化量Δw_lp和高度变化量Δh_lp设置为优化变量，设定优化目标为恢复图像的锐度S_lp；S3：对于步骤S1中获得的车牌图像序列，采用遗传算法对优化变量组合进行寻优，获得车牌图像序列的帧累积恢复最优解，即车牌恢复图像；具体过程为：优化变量组合V表示为：V＝{V⁽¹⁾,V⁽²⁾,…,V^(L)}＝[Δw_lp⁽¹⁾,Δh_lp⁽¹⁾,Δw_lp⁽²⁾,Δh_lp⁽²⁾,…,Δw_lp^(L),Δh_lp^(L)]其中，V^(t)＝[Δw_lp^(t),Δh_lp^(t)]，t＝1,2,…,L；L表示视频序列中帧总数；Δw_lp^(t)、Δh_lp^(t)分别表示第t帧车牌图像调整前后的宽度变化量和高度变化量；根据遗传算法，将遗传算法中的优化变量的适应度设置为恢复图像的锐度S_lp，对优化变量组合V进行寻优，获得车牌图像序列的帧累积恢复最优解。