[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

说明书

技术领域

本发明属于车牌图像识别领域，涉及OSTU算法二值化方法。特别涉及到一种基于改进的OSTU算法的夜间车牌识别研究方法。

背景技术

在现代交通管理系统中，车牌识别技术被运用到各种场合。随着交通发达程度的迅速增长，人们对车牌识别技术的要求也越来越高。智能交通系统由美国智能交通学会(CTTS American)1990年提出。智能交通系统以电子信息技术为基础，使用在交通运输领域。通过收集信息、处理信息、发布信息、交换信息、分析信息、使用信息的步骤流程，提升交通系统的智能化。车牌识别系统是智能交通系统最重要的系统之一，其完整的处理车牌识别的流程为原始图像输入、彩色图像灰度化、灰度图像二值化、图像降噪、车牌区域定位、模板匹配，最终完成对车牌字符的输出。虽然，在现代社会中，车牌识别技术已日趋成熟，但是车牌识别技术依然是目前人们研究的热门课题，尤其是人们对夜间车牌识别技术的研究。由于光线暗、噪声大等因素的影响，给夜间车牌识别带来一定的难度。

本发明采用了一种阈值自适应微调的改进的OSTU算法，并用大量图片进行了仿真，结果表明：与传统的OSTU算法相比，本文算法表现出良好的性能和更广泛的运用范围。

发明内容

本发明的目的是提出一种基于阈值自适应微调的改进的OSTU二值化算法，在二值化效果方面，该方法相对于传统的OSTU算法，能有效的将车牌目标区域与背景区域分离，能有效的提高二值化的准确率。

本发明解决其技术问题所采取的方法是：

1.一种基于阈值自适应微调的OSTU夜间车牌识别算法，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。

所述步骤3)所述的改进的OSTU算法方法具体如下：

stu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，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

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

C₁出现的概率为

所以，C₀与C₁的灰度均值分别为

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。实验结果表明，微调量在光照强度强或弱的情况下大小是不同的，在光照强度较弱的部分，即灰度平均值较小的部分，需要减少的微调量是较小的；而在光照强度较强的部分，即灰度平均值较大的部分，需要减少的微调量是较大的；在光照强度介于弱和强之间的部分，微调量也是介于最大微调量和最小微调量之间的。

所以，自适应微调量与灰度平均值的关系是正相关的。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