[发明专利]一种列车车牌二值化图像融合方法

权利要求书

1.一种列车车牌二值化图像融合方法，其特征在于，包括如下步骤：

S1，获取通道数据，所述通道数据包括列车车牌彩色图像的R、G、B三个通道图以及列车车牌彩色图像的灰度图；计算四个通道图的对比度值，选择对比度值最大的作为最佳单通道图，并且对该最佳单通道图进行像素归一化；

S2，获取归一化后的最佳单通道图的多个二值图，所述二值图包括用最大类间方差法获得的二值图，用自适应加权高斯阈值方法获得的二值图，基于边缘的二值图以及基于自适应分块最大类间方差法的二值图；

S3，将用最大类间方差法获得的二值图，将获得的基于边缘的二值图以及获得的基于自适应分块最大类间方差法二值图进行逻辑‘或’操作；

将得到的‘或’操作结果与获得的基于自适应加权高斯阈值方法的二值图进行逻辑‘与’操作，最后的结果即为最终理想二值图。

2.根据权利要求1所述的列车车牌二值化图像融合方法，其特征在于，步骤S1具体包括如下步骤：

S11，通道数据获取：将列车车牌原彩色图转换为灰度图，其转换公式见如下公式：

Gray＝R×0.3+G×0.59+B×0.11

其中，R，G，B分别代表RGB空间中的三个通道，

灰度图与列车车牌原彩色图的R，G，B三个通道图构成四个不同的单通道图；

S12，边缘增强：依次对S11获得四个单通道图的水平扫描和/或竖直扫描进行卷积操作，获取四个相应的边缘增强的单通道图，具体的卷积算子为：

竖直扫描卷积算子：

水平扫描卷积算子：

S13，降噪：对S12获得的4个单通道图进行滤波降噪；

S14，对比度计算：利用对比度计算公式求解S13获得的图像的对比度值，选择对比度值最大的作为最佳单通道图，对比度计算公式如下：

其中，σ为标准差，n根据实验设置的常数，g为整个图像的像素值，q为灰度级，Pr(q|g)表示灰度级为q的像素总数占整幅图像素个数总数的百分比，m为图像像素均值；

S15，对最佳单通道图进行归一化。

3.根据权利要求1或2所述的列车车牌二值化图像融合方法，其特征在于，对最佳单通道图进行归一化的方法为：用最大类间方差法对最佳单通道图进行二值化，获得最大类间方差法二值图，然后统计二值图里面像素值为1的个数M和像素值为0的个数N，当M小于N时，则需要将该单通道图取反，反之，单通道图不取反。

4.根据权利要求1所述的列车车牌二值化图像融合方法，其特征在于，用最大类间方差法获得的二值图的方法为：

利用最大类间方差法对最佳单通道图进行二值化，获得最大类间方差法二值图，然后统计二值图里面像素值为1的个数M和像素值为0的个数N，当M大于N时，该二值图进行取反，反之，该二值图不用取反。

5.根据权利要求1所述的列车车牌二值化图像融合方法，其特征在于，用自适应加权高斯阈值方法获得的二值图的方法为：

取模板大小为w*w，用该模板对步骤S15获得的归一化后的单通道图进行卷积操作，模板中心点对应到图像的像素点P(x,y)，以此点为中心，计算其局部高斯加权均值EG(x,y),然后用高斯加权均值减去一个常量B，所得结果则为当前点P(x,y)的二值化阈值，

T(x,y)＝EG(x,y)-B

σ＝(μ-1)×k+b

其中，T(x,y)表示像素点(x,y)的二值化阈值，p(x+m,y+n)表示坐标点(x+m,y+n)处的像素值，B表示一个常量，EG(x,y)表示基于高卷积核对像素点(x,y)利用求出的一个阈值；G(x₀,y₀)表示卷积模板中(x₀,y₀)对应的权值，该模板所有的权值呈二维高斯分布，w表示模板宽度，k为系数常量，b为常量，高斯核里面的均值μ为模板宽度的一半，模板宽度w取值为图片的高度的四分之一。