专利名称：一种对图像中的车辆挡风镜区域进行定位分割的方法
技术领域：
本发明涉及ー种图像处理方法，具体涉及ー种对图像中的车辆挡风镜区域进行定位分割的方法。
背景技术：
随着经济社会的持续发展，多学科多领域的融合发展成为技术发展的新趋势，交通系统的发展趋势也从单ー的运输模式的智能化向综合交通的多种运输模式协调配合的智能化方向发展。智能交通系统(Intelligence Traffic System, ITS)就是在这种背景下发展起来的，它把传统交通系统对数据的处理转换成了集数字图像处理、自动化、模式识别于一体的多媒体处理、呈现方式。20世纪90年代，交通摄像机等图像采集系统技术上的成熟以及在交通领域的广泛应用，开创了交通智能化的新纪元，使得通过计算机处理交通信息从而达到交通管理计算机化成为现实。近年来，数字图像处理技术的发展更使得智能交通系统得以迅速发展。在目前的智能交通系统中，车牌定位识别、车型识别等技术都日臻成熟，车标识另O、车颜色识别等新兴技术也处在迅速发展中。这其中尤以车牌定位技术最为成熟，多种数学方法的应用，使得目前的许多车牌定位系统的自适应性、准确率都接近完美。但是，当交管人员需要调查车辆内部景象时，例如追查交通事故肇事者或检查车内乘客是否系安全带时，往往还需要通过人工观察图像的方法进行确认。因此，如果能够对图像进行处理，通过定位分割车辆正面挡风镜区域，凸显感兴趣的车内区域，将能够进ー步达到车内人脸识别、车内景象检查等目的。但是，由于车辆挡风镜区域边缘的不明显和形状上的不规则使得许多数学方法及公式都难以得到较好应用。当采用区域模式化、数学公式化方式处理时，处理过程中的很多中间结果參数的准确性仍然依赖于挡风镜边缘是否明显，图像背景环境是否复杂等。这就使得直接检测挡风镜边缘的误差较大，处理效果不佳。因此改进或设计ー种适合智能交通系统的，并且使定位结果边界清晰，处理速度快，更符合实际需求的车辆挡风镜区域定位分割的方法是ー项非常具备挑战性的工作。
发明内容
本发明的发明目的是提供一种对图像中的车辆挡风镜区域进行定位分割的方法，以克服现有技术中的直接检测方法存在的定位成功率低、计算量大等弊端，使分割结果不仅有较高的成功率，而且在边缘组织上更贴合车型，符合实际应用需求。为达到上述发明目的，本发明采用的技术方案是一种对图像中的车辆挡风镜区域进行定位分割的方法，基于车牌定位技术与图像扫描统计实现，包括下列步骤
(1)获取图像并进行预处理操作，所述预处理操作包括对图像进行灰度化；
(2)用Sobel算子检测车牌边缘，ニ值化图像；
(3)用模板矩阵匹配车牌边缘矩阵，定位车牌；(4)获取车牌边缘坐标，抽取纵向坐标信息，并计算获得车牌在水平方各上的长度和垂直方向上的宽度；
(5)将车牌水平方向的线段向水平左、右两个方向各扩展ー个长度，两端点所在纵向线为挡风镜下缘边界，将车牌水平方向的线段向水平左、右两个方向各扩展2/3个长度，两端点所在纵向线为挡风镜上缘边界；
(6)确定横向定位扫描的图像扫描区域以车牌的两纵向边缘所在直线作为图像扫描区域的左、右边界，以车牌顶部边缘上移3 4个车牌宽度的线段作为图像扫描区域的下边界，自上至下，自左至右扫描所述图像扫描区 域，统计每一行的白色像素点数目，至第一次遇到白色像素峰值时，在该白色像素峰值区域的下方选择一行作为图像扫描区域的上边界，由此获得整个图像扫描区域；
(7)扫描(6)中确定的图像扫描区域，统计每行白色像素；
(8)根据步骤(7)中统计结果中白色像素的峰值定位挡风镜一条横向边缘；
(9)重复步骤(7)至(8)，定位挡风镜的另一条横向边缘；
(10)根据挡风镜的横向边缘数据和步骤(5)中获得的挡风镜下缘边界及挡风镜上缘边界，获取挡风镜边缘坐标，定位分割挡风镜区域。上述技术方案中，步骤(I)中所述预处理操作还包括对图像进行灰度拉伸、平滑、锐化或中值滤波操作。优选的技术方案，步骤出)中，图像扫描区域的上边界位于白色像素峰值区域下方，与白色像素峰值区域的距离为5 10行。由于在进行扫描前做过图像预处理，图像中车辆后方的大片空白区域白色噪音很少，只有车尾边缘聚集了很多白色像素，即白点像素峰值区域，所以在车牌两纵向边界内自上向下扫描图像时，一开始每行统计到的白色像素数目应该都比较少，而扫描至车尾区域的那几行时，每行白点数目会出现突跃，即为白色像素峰值，说明已经粗略定位到车尾了，这样以车尾下方一段距离为二次扫描的上边界，就可以避开白点较多的车尾区域。其中，所述步骤(2)的车牌边缘检测是指通过数学计算识别周围像素灰度值有阶跃变化或屋顶变化的像素点的集合。边缘广泛存在于物体与背景之间、物体与物体之间、图像基元与基元之间，是图像分割所參考的重要特征。车牌边缘检测是现有技术，例如，中国发明专利申请CN101408942A公开了ー种复杂背景下的车牌定位方法，包括如下步骤用固定大小区域的灰度均值进行差分，提取车体；对车体图像进行灰度化、梯度信息增强、ニ值化等预处理；对预处理后车体图像进行数学形态学运算，结合车牌结构特征初步筛选，得到若干候选车牌区域；将得到的候选车牌区域彩色图像转化为HSV彩色空间图像；利用BP神经网络对HSV彩色空间候选车牌图像进行颜色识别，通过计算某一像素点相邻区域平均色彩距离进行彩色边缘检测；对边缘点进行边缘颜色对判断，剔除虚假车牌边缘；结合车牌纹理特征对车牌最終定位。这ー方法已经从数学模型的角度非常详细的拆分了车牌精确定位的全部过程。本发明在检测车牌边缘时采用了 Sobel算子，Sobel算子能根据像素上下、左右相邻像素点灰度加权差在边缘处达到极值这ー现象检测目标区域边缘，其水平方向算子Sx和垂直方向算子Sy可分别表示为
权利要求
1.一种对图像中的车辆挡风镜区域进行定位分割的方法，其特征在于，基于车牌定位技术与图像扫描统计实现，包括下列步骤 (1)获取图像并进行预处理操作，所述预处理操作包括对图像进行灰度化； (2)用Sobel算子检测车牌边缘，ニ值化图像； (3)用模板矩阵匹配车牌边缘矩阵，定位车牌； (4)获取车牌边缘坐标，抽取纵向坐标信息，并计算获得车牌在水平方各上的长度和垂直方向上的宽度； (5)将车牌水平方向的线段向水平左、右两个方向各扩展ー个长度，两端点所在纵向线为挡风镜下缘边界，将车牌水平方向的线段向水平左、右两个方向各扩展2/3个长度，两端点所在纵向线为挡风镜上缘边界； (6)确定横向定位扫描的图像扫描区域以车牌的两纵向边缘所在直线作为图像扫描区域的左、右边界，以车牌顶部边缘上移3 4个车牌宽度的线段作为图像扫描区域的下边界，自上至下，自左至右扫描所述图像扫描区域，统计每一行的白色像素点数目，至第一次遇到白色像素峰值时，在该白色像素峰值区域的下方选择一行作为图像扫描区域的上边界，由此获得整个图像扫描区域； (7)扫描(6)中确定的图像扫描区域，统计每行白色像素； (8)根据步骤(7)中统计结果中白色像素的峰值定位挡风镜一条横向边缘； (9)重复步骤(7)至(8)，定位挡风镜的另一条横向边缘； (10)根据挡风镜的横向边缘数据和步骤(5)中获得的挡风镜下缘边界及挡风镜上缘边界，获取挡风镜边缘坐标，定位分割挡风镜区域。
2.根据权利要求I所述对图像中的车辆挡风镜区域进行定位分割的方法，其特征在于步骤(I)中所述预处理操作还包括对图像进行灰度拉伸、平滑、锐化或中值滤波操作。
3.根据权利要求I所述对图像中的车辆挡风镜区域进行定位分割的方法，其特征在干步骤(6)中，图像扫描区域的上边界位于白色像素峰值区域下方，与白色像素峰值区域的距离为5 10行。
全文摘要
本发明公开了一种对图像中的车辆挡风镜区域进行定位分割的方法，基于车牌定位技术与图像扫描统计实现，包括下列步骤获取图像并进行预处理操作；检测车牌边缘，二值化图像；定位车牌；获取车牌边缘坐标，抽取纵向坐标信息，并计算获得车牌在水平方各上的长度和垂直方向上的宽度；获取挡风镜下缘边界和上缘边界；确定横向定位扫描的图像扫描区域；扫描图像，统计每行白色像素；定位挡风镜一条横向边缘和另一条横向边缘；根据挡风镜的横向边缘数据、挡风镜下缘边界及挡风镜上缘边界，获取挡风镜边缘坐标，定位分割挡风镜区域。本发明可以精确定位车辆挡风镜区域，并且具有较高的精度和执行效率。
文档编号G06T5/00GK102663760SQ20121012068
公开日2012年9月12日 申请日期2012年4月23日 优先权日2012年4月23日
发明者薛百里, 袁颖泉, 钱毅湘, 陈建明 申请人:苏州大学