基于JPEG压缩图像的车牌定位方法

摘要

基于JPEG压缩图像的车牌定位方法，属于室内停车场监控技术领域，其特征在于，通过在停车场入口架设CCD摄像头，由地感线圈触发摄像头采集驶入车辆的JPEG压缩格式的图像信息，并输入计算机保存。先对图像数据进行JPEG解码到反量化，然后提取亮度Y的交流系数并组合成联合系数矩阵，再依次进行平滑、二值化、形态学闭运算、形态学开运算、区域纹理强度约束和先验知识的车牌提取。其中，二值化采用全局的双阈值二值化法；形态学开闭运算采用的结构元素是非对称的，改进了常用算法，采取结构算子反射的方法精确定位；车牌提取采用基于区域纹理强度约束和先验知识的车牌提取方法。本发明所提供的方法具有实时性好，定位精度高等优点。

主权项

1.基于JPEG压缩图像的车牌定位方法，其特征在于，是在计算机的控制下依次按照以下步骤实现的：步骤(1)，机动车驶入位于地下停车场入口处的作为触发装置的地磁感应线圈时，所述地磁感应线圈便触发CCD摄像头拍摄JPEG压缩格式的图片，大小为640×480像素，其中，车牌区域长度为100-120个像素，宽度为30-40个像素，并把采集到的所述图片输入到计算机中保存；步骤(2)，计算机对输入的所述JPEG压缩格式的图片数据依次进行JPEG解码到反量化后，再提取亮度分量Y的离散余弦变换系数中第一行的前三个交流系数和对角的第一个交流系数，组成联合系数矩阵LianHe，其公式为；$\mathrm{LianHe}(i,j)=\underset{m=1}{\overset{3}{\Sigma }}\left|{\mathrm{YAC}}_{0m}\right|+\left|{\mathrm{YAC}}_{11}\right|,$其中，YAC_0m代表Y分量第一行第m个交流系数；YAC₁₁代表第一个对角的交流系数；i，j分别为所述联合系数矩阵的行和列；对得到的联合系数矩阵LianHe，与平滑算子Q做卷积运算，平滑后的结果记为：PH(i，j)，为了更好的保留车牌区域及其完整性，平滑处理使用的平滑算子$Q=\frac{1}{14}\left[\begin{array}{ccc}1& 2& 1\\ 1& 4& 1\\ 1& 2& 1\end{array}\right],$以增强竖直纹理的信息，平滑处理具体操作公式为：PH(i，j)＝(LianHe(i-1，j-1)+2*LianHe(i-1，j)+LianHe(i-1，j+1)+LianHe(i，j-1)+4*LianHe(i，j)+LianHe(i，j+1)+LianHe(i+1，j-1)+2*LianHe(i+1，j)+LianHe(i+1，j+1))/14；步骤(3)，对步骤(2)得到的平滑后的结果PH(i，j)进行二值化处理，提取有用纹理信息，步骤如下：步骤(3.1)，观察平滑后的图像PH(i，j)，得出车牌区域的像素值大部分都大于一个固定值MT，然后把PH(i，j)按照其像素值大小进行从大到小的排序，得出车牌区域的像素值强度在整个图像信息排序最高的5％左右，取高阈值表示为MTH，低阈值MTL为高阈值的80％；步骤(3.2)，二值化的结果图像BW(i，j)为：步骤(4)，对步骤(3)二值化后的结果BW(i，j)进行形态学闭运算处理，形态学闭运算包含膨胀和腐蚀两个过程，闭运算的结果记为BI，具体步骤为：步骤(4.1)，形态学膨胀运算，先对BW(i，j)进行形态学膨胀运算，根据车牌区域形状和大小，选择大小为2×5的矩形结构元素B，中心点为D(0，0)，将图像BW与结构元素B进行卷积，即计算B覆盖的区域的像素点的最大值，把这个最大值赋给中心点D指定的像素，经过形态学膨胀运算之后的结果记作为C，具体公式为：C＝BW⊕B；步骤(4.2)，形态学腐蚀运算，再对步骤(4.1)的结果C做形态学腐蚀运算，由于步骤(4.1)所选择的结构元素B是非对称结构，为了保证闭运算后的图像不发生错误的偏移，形态学腐蚀运算需要对步骤(4.1)所用结构元素B做如下处理：把结构元素B在水平和垂直方向上沿其几何中心分别依次翻转180°，得到新的结构元素B’，B’的大小同样是2×5的矩形结构，中心点为(4，1)；将C与结构元素B’做卷积，计算B’覆盖区域的像素点的最小值，并把这个最小值赋给中心点(4，1)指定的像素，具体公式为：BI＝CΘB′；步骤(5)，对步骤(4)的结果进行形态学开运算处理，形态学开运算包含腐蚀和膨胀两个过程，开运算的结果记为KAI，具体步骤为：步骤(5.1)，形态学腐蚀运算，先对步骤(4)的结果BI做形态学腐蚀运算，结构元素选用步骤(4.1)所用的结构元素B，将图像BI与结构元素B进行卷积，即计算B覆盖区域的像素点的最小值，并把这个最小值赋给中心点(0，0)指定的像素，腐蚀的结果记为D，具体公式为：D＝BIΘB；步骤(5.2)，形态学膨胀运算，再对步骤(5.1)的结果D做形态学膨胀运算，结构元素选用步骤(4.2)中所用的结构元素B，将步骤(5.1)的结果D与结构元素B进行卷积，即计算B覆盖区域的像素点的最大值，并把这个最大值赋给中心点(4，1)指定的像素，结果记为KAI，即KAI＝D⊕B′；步骤(6)，经过步骤(1)、(2)、(3)、(4)、(5)的处理后，包含车牌区域的候选区域已经突出出来，这些候选区域至少包括真实的车牌区域、车灯区域，为有效的提取车牌区域，需进行以下步骤：步骤(6.1)，在步骤(2)得到的平滑后的结果PH(i，j)中，计算候选区域的平均纹理强度，计算公式为：其中N(m)代表第m个候选区域A_m中块的个数；步骤(6.2)，在步骤(2)得到的平滑后的结果PH(i，j)中，计算各个候选区域最小外接矩形上下左右四个区域的平均纹理强度，计算公式为：其中N_U(m)代表第m个候选区域最小外接矩形上邻域AU_m中块的个数；其中N_D(m)代表第m个候选区域最小外接矩形下邻域AD_m中块的个数；其中N_L(m)代表第m个候选区域最小外接矩形左邻域AL_m中块的个数；其中N_R(m)代表第m个候选区域最小外接矩形右邻域AR_m中块的个数；步骤(7)，定位车牌，由步骤(6)计算得到HX(m)若同时满足条件Ⅰ、Ⅱ、Ⅲ时，就认为HX(m)是一个真实的车牌区域；条件Ⅰ：$\mathrm{HX}\left(m\right)>\max \{\mathrm{SH}\left(m\right),\mathrm{XIA}\left(m\right),\mathrm{ZUO}\left(m\right),\mathrm{YOU}\left(m\right),\mathrm{MT},\mathrm{MTl},\overline{\mathrm{PH}}\},$其中，C，R分别代表原图像中水平和垂直方向上的块的个数；条件Ⅱ：根据车牌先验知识，车牌长宽比范围是[3，5]，即：HX(m)区域长宽比∈[3，5]；条件Ⅲ：HX(m)区域最小外接矩形的面积∈[48，120]。