[发明专利]一种基于改进的OSTU算法的夜间车牌二值化的方法

权利要求书

1.一种基于改进的OSTU算法的夜间车牌二值化的方法，其特征在于，具体步骤如下：

1)车牌图像的采集，采用视频监控设备拍摄含有车牌信息的车牌图像；

2)对步骤1)采集到的车牌图像进行预处理。主要包括车牌图像灰度化处理，图像的去噪，以提高后续的车牌处理的二值化阶段的准确率；

3)对步骤2)处理之后的图像进行二值化处理，主要采用的方法为对阈值微调的改进的OSTU算法；

4)对二值化处理之后的图像进行车牌区域定位，准确获取车牌所在位置；

5)对步骤4)获取的车牌区域进行字符分割，最后准确的将车牌的字符输出在显示屏上。

2.根据权利要求1所述的方法，其特征在于，步骤3)所述的改进的OSTU算法，具体方法如下：

Ostu将二值化的问题看作是判别式分析，使用一个特定的准则函数来作为分类的标准。二值化的操作被看成是将整个图像在阈值t处分为两类，

C₀＝{0，1，···t}它代表背景；

设夜间车牌图像灰度化之后的像素总数为N，图像的灰度级别为L，那么灰度范围为[0,L-1]，灰度值为i的像素个数为n_i，则i的概率为

pi=niN]]>

假设阈值为T，灰度值为[0,T-1]为C₀区域，灰度值为[T,L-1]为C₁区域；

那么C₀出现的概率为

w0=Σi=0T-1pi]]>

C₁出现的概率为

w1=Σi=TL-1pi=1-w0]]>

所以，C₀与C₁的灰度均值分别为

u0=Σi=0T-1ipiw0u1=Σi=TL-1ipiw1]]>

整个图像的灰度均值为

u＝w₀u₀+w₁u₁

定义类间方差为

σ²＝w₀(u₀-u)²+w₁(u₁-u)²

令T在[0,L-1]的范围内，以步长为1依次递增，当σ²最大时对应的T的值即为二值化的最佳阈值；

针对以上方法，对100幅夜间车牌图像进行仿真，并对二值化后的图像进行自适应微调，使得二值化效果最佳；假设自适应微调量w与灰度平均值E的关系可用数学模型来表示；

设关系曲线为一段圆弧，这里用经过两点的圆来拟合；假设(x₀,y₀)为圆心，所以x₀与y₀的关系为

y0=-E_max-E_minw_max-w_min(x0-E_min+E_max2)+w_max+w_min2]]>

其中E_{_max}和E_{_min}分别为车牌图像中单列灰度平均值的最大值与最小值，自动算出。w_{_max}与w_{_min}为此幅图像中最强光照部分的自适应微调量与最弱光照下自适应微调量。由大量车牌图像实验统计得出，w_{_max}＝35，w_{_min}＝10；

由于x₀与y₀有上式的关系，x₀决定圆的曲率；若x₀较小，则曲率较小；若x₀较大，则曲率较大；为保证拟合曲线的弧度适中，经实验x₀取E_{_min}-50与E_{_min}-60之间的值最为合适，最终拟合的圆的方程如下：(w-x₀)²+(E-y₀)²＝(x₀-E_{_min})²+(y₀-w_{_min})²

因此微调量w与任意列的平均灰度值E的关系式为

w=-(x0-E_min)2+(y0-w_min)2-(E-y0)2+x0.]]> 2