[發明專利]基于數字圖像處理的車牌號碼匹配算法

無效

• 申請號: 201310027401.1
• 申請日: 2013-01-25
• 公開（公告）號: CN103065135A
• 公開（公告）日: 2013-04-24
• 發明（設計）人: 叢媛;陳曉榮;劉曉東;秦興盛
• 申請（專利權）人: 上海理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 吳寶根

1.一種基于數字圖像處理的車牌號碼匹配算法，其特征在于，包括如下步驟：

1）圖像信息采集：拍攝設備對同一車牌進行兩次拍攝，得到兩幅圖像，一幅設定為待匹配圖像，另一幅作為參考圖像；

2）待匹配和參考圖像特征提取：

A:首先進行尺度空間極值檢測：

（1）建立高斯金字塔:為了得到在不同尺度空間下的穩定特征點,將圖像I(x,?y)與不同尺度因子下的高斯核G(x,?y,σ)進行卷積操作，構成高斯金字塔；

（2）建立DOG金字塔：DOG金字塔通過高斯金字塔中相鄰尺度空間函數相減即可；

（3）DOG空間的極值檢測在上面建立的DOG尺度空間金字塔中，為了檢測到DOG空間的最大值和最小值，DOG尺度空間中中間層（最底層和最頂層除外）的每個像素點需要跟同一層的相鄰8個像素點以及它上一層和下一層的9個相鄰像素點總共26個相鄰像素點進行比較；

B:精確定位特征點位置：

對上面DOG尺度空間中檢測到局部極值點進行進一步的檢驗精確定位為特征點，然后通過附近區域的差分來近似估計，去除低對比度的特征點和不穩定的邊緣響應點；

C:確定特征點主方向：利用特征點鄰域像素的梯度方向分布特性為每個特征點指定方向參數，在實際計算過程中，在以特征點為中心的鄰域窗口內采樣，并用梯度方向直方圖統計鄰域像素的梯度方向,梯度直方圖的范圍是0°～360°，其中每10°一個柱，總共36個柱；梯度方向直方圖的峰值則代表了該特征點處鄰域梯度的主方向,?即作為該特征點的方向；在梯度方向直方圖中,?當存在另一個相當于主峰值80%能量的峰值時，則將這個方向認為是該特征點的輔方向；一個特征點可能會被指定具有多個方向(一個主方向,?一個以上輔方向)?；?

D:生成特征向量:首先將坐標軸旋轉為特征點的方向，接下來以特征點為中心取8×8?的窗口(特征點所在的行和列不取)，中央黑點為當前特征點的位置，每個小格代表特征點鄰域所在尺度空間的一個像素，箭頭方向代表該像素的梯度方向，箭頭長度代表梯度模值，圖中圈內代表高斯加權的范圍（越靠近特征點的像素，梯度方向信息貢獻越大）；然后在每4×4?的圖像小塊上計算8個方向的梯度方向直方圖,繪制每個梯度方向的累加值,形成一個種子點；一個特征點由2×2共4個種子點組成，每個種子點有8個方向向量信息，可產生2×2×8共32個數據，形成32維的特征向量即特征點描述器，所需的圖像數據塊為8×8；

3）兩幅圖像特征向量的匹配:?首先，對進行相似性度量：可采用距離函數作為特征的相似性度量；其次，消除錯配：通過相似性度量得到潛在匹配對，根據幾何限制和附加約束消除錯誤匹配，得到匹配結果。

2.根據權利要求1所述基于數字圖像處理的車牌號碼匹配算法，其特征在于，所述步驟2）待匹配和參考圖像特征提取中精確定位特征點位置，可通過對局部極值點進行三維二次函數擬和以精確確定特征點的位置和尺度。

3.根據權利要求1所述基于數字圖像處理的車牌號碼匹配算法，其特征在于，所述步驟3）兩幅圖像特征向量的匹配中進行相似性度量采用優先k?-?d樹進行優先搜索來查找每個特征點的2近似最近鄰特征點，在這兩個特征點中，如果最近的距離除以次近的距離少于設定比例閾值，則接受這一對匹配點。

4.根據權利要求1所述基于數字圖像處理的車牌號碼匹配算法，其特征在于，所述步驟3）兩幅圖像特征向量的匹配中消除錯配，附加約束可選RANSAC隨機抽樣一致性算法，幾何約束是極線約束關系。