[发明专利]基于高速摄像机实现运动状态下的船号识别方法及装置

权利要求书

1.基于高速摄像机实现运动状态下的船号识别方法，其特征在于，所述方法包括：

利用高速摄像机采集在运动状态下船舶的船舶图像，对所述船舶图像进行图像灰度化处理，得到灰度化图像，对所述灰度化图像进行直方图均衡化处理，得到均衡化图像，对所述均衡化图像进行平滑去噪处理，得到去噪化图像，对所述去噪化图像进行倾斜矫正处理，得到矫正图像；

基于预设的极值区域算法计算所述矫正图像的极值区域，识别所述极值区域中每个区域的区域类别，根据所述区域类别，将所述极值区域进行归类，得到归类极值区域，提取所述归类极值区域中的字符区域，得到目标字符区域；

所述基于预设的极值区域算法计算所述矫正图像的极值区域包括：检测所述矫正图像的图像像素点；根据所述图像像素点，定义所述矫正图像的滑动窗口；根据所述滑动窗口，遍历所述矫正图像得到遍历图像；计算所述遍历图像中的像素最小值和像素最大值；若所述像素最小值和所述像素最大值处于所述滑动窗口的中心，则记录所述滑动窗口的窗口坐标；将所述窗口坐标在所述矫正图像中对应的区域作为所述矫正图像的极值区域；

所述极值区域算法是在矫正图像中寻找局部最大值和局部最小值从而确定极值区域；所述极值区域是指在矫正图像中具有最大值或最小值的局部区域；

所述根据所述区域类别，将所述极值区域进行归类得到归类极值区域包括：从所述极值区域中的每个极值区域中提取特征向量；利用预设的聚类算法对所述特征向量进行聚类处理得到聚类向量；对所述聚类向量进行指标分析得到分析结果；根据所述分析结果，计算所述分析结果对应的偏差值；若所述偏差值不大于预设阈值，则调整所述聚类算法的算法参数得到目标聚类算法；利用所述目标聚类算法对所述极值区域进行归类得到归类极值区域；

识别所述极值区域的区域类别是指根据所述极值区域之间的大小和位置关系，将相似的极值区域划分为一类得到不同的区域类别；

将所述目标字符区域的字符进行归一化处理，得到归一化字符，将所述归一化字符输入至预先训练好的字符识别模型中，以识别所述目标字符区域的字符，得到目标船号。

2.如权利要求1所述的基于高速摄像机实现运动状态下的船号识别方法，其特征在于，所述对所述船舶图像进行图像灰度化处理，得到灰度化图像，包括：

通过下述公式对所述船舶图像进行图像灰度化处理：

Grab(m,n)＝0.299*R(m,n)+0.578*G(m,n)+0.114*B(m,n)

其中，Grab(m,n)表示船舶图像进行图像灰度化处理后得到的灰度化图像，R、G、B分别表示图像中每个像素点的红、绿、蓝通道的值，m、n表示像素点的坐标。

3.如权利要求1所述的基于高速摄像机实现运动状态下的船号识别方法，其特征在于，对所述灰度化图像进行直方图均衡化处理，得到均衡化图像，包括：

对所述灰度化图像进行小波变换，得到不同频率的子带图像；

对所述子带图像中的每个子带图像进行直方图均衡化处理，得到均衡子带图像；

对所述均衡子带图像进行小波反变换，得到变换图像；

对所述变换图像进行图像融合，得到均衡化图像。

4.如权利要求1所述的基于高速摄像机实现运动状态下的船号识别方法，其特征在于，所述对所述均衡化图像进行平滑去噪处理，得到去噪化图像，包括：

对所述均衡化图像进行离散化，得到离散化图像；

定义所述离散化图像对应的目标函数；

利用所述目标函数求解所述离散化图像对应的图像噪声值，其中，所述目标函数包括：

其中，SNR表示所述离散化图像对应的图像噪声值，S_d表示所述离散化图像中非噪声部分的灰度值总和，S_c表示所述离散化图像中噪声部分的灰度值总和；

在所述图像噪声值大于预设噪声值时，对所述离散化图像对应的图像噪声进行去噪处理，得到去噪化图像。