[发明专利]车牌图像质量的综合评价方法

权利要求书

1.车牌图像质量的综合评价方法，其特征在于以下实现步骤：

S1、建立清晰可识别车牌图像及模糊不可识别车牌图像样本库，训练得到样本库车牌图像的频率特征、颜色特征区分能力最强的超平面方程参数；

S2、由用户输入目标车牌图像及其颜色并选择普通或快速方法，判断目标车牌图像是否经过最近邻插值的拉伸，若是，则将目标车牌图像还原为实际空间分辨率，并记录其分辨率值，反之将输入目标车牌图像空间分辨率大小作为实际空间分辨率；

S3、对目标车牌图像进行DCT变换，对变换结果进行处理后记录为此目标车牌图像的频率特征；

S4、判断用户是否选择快速方法，若是，直接执行步骤S5，否则由用户交互式标定目标车牌图像中车牌本身的四个角点，将车牌进行几何校成为正矩形并去除其背景，代替原图作为目标车牌图像；

S5、对目标车牌图像的灰度图进行垂直投影并进行一维中值滤波，计算投影结果中同一数值出现最多的次数，记录此数目作为目标车牌图像的灰度投影特征；

S6、判断目标车牌图像是否为彩色图像，若不是，直接执行步骤S7，反之对目标车牌图像进行颜色聚类，找出所有聚类中心中距离车牌标准蓝色、标准黄色中心的最短距离，结合用户输入的车牌颜色记录为目标车牌图像的颜色特征；

S7、对之前得到的若干种特征分别与预先设置的阈值进行比较，判断其是否达到标准，若其中任何一个特征未达到标准则判断目标车牌质量未达标，反之判断其达标。

2.根据权利要求1所述的车牌图像质量的综合评价方法，其特征在于，所述步骤S1具体为：

频率特征、颜色特征均为二维特征，分为可识别、不可识别两类，在此情况下区分两类样本的超平面退化为二维平面中的一条直线，该直线在平面中大致划分两类样本，满足分类错误率最小，具体如下：

直线方程为：ω₁x₁+ω₂x₂+b＝0

其中ω₁,ω₂,b为直线参数，C₁,C₂为两类样本组，上述公式表示该直线满足其分割两侧分类错误率最小。

3.根据权利要求1所述的车牌图像质量的综合评价方法，其特征在于，所述步骤S2中实际空间分辨率的判断，包括：

S21、对目标车牌图像进行边缘检测，并在垂直、水平方向上分别进行形态学腐蚀操作，得到两幅表示目标车牌图像水平、垂直边缘的二值图像；

S22、以水平边缘图像为例，设定阈值为图像水平像素总数的三分之一，记录‘1’的数目超过这一阈值的行序号，将其序号排列为一个水平边缘数组，垂直边缘图像同理操作；

S23、以水平边缘数组为例，计算数组相邻序号间的差值，去除超过图像行数1/5的值并对余下的并进行排序，从大到小进行一次循环，如果发现存在更小的差值满足：边缘图像中到这两条直线的距离为差值的若干倍的位置存在较多的直线，则将这一差值记录为最小循环行间距，若没有任何满足的差值，则默认设为图像行数，同理得到最小循环列间距；

S24、取最小循环行间距、最小循环列间距中较大值作为空间分辨率网格宽度，若这一值为图像的行数或列数，则重置为1，认为原图不明显存在大量相同大小的网格，即不存在基于最近邻插值的拉伸现象；

S25、若判断原图存在最近邻插值的拉伸现象，则将其实际空间分辨率置为原始分辨率行数、列数分别除以网格宽度的值，将原图下采样到原始分辨率大小并代替原图像作为目标车牌图像。

4.根据权利要求1所述的车牌图像质量的综合评价方法，其特征在于，所述步骤S3具体为：

S31、对目标车牌图像进行DCT变换，将变换结果图像归一化为len*len的正方形；

S32、对结果图像每条反对角线上的值求和，生成2*len-1维向量，并求出该向量元素总和；

S33、以len/3作为分界，将向量分为前后两部分，分别对两部分元素求和后除以总和作为该目标车牌图像的低频特征和高频特征，并将这两个特征组合成频率特征。