[發明專利]基于梯度信息和塊狀區域組合先驗的MRF車牌去噪算法

有效

• 申請號: 201510079307.X
• 申請日: 2015-02-13
• 公開（公告）號: CN104616011B
• 公開（公告）日: 2017-02-22
• 發明（設計）人: 劉煜;尹曉晴;王煒;徐瑋;熊志輝
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06K9/40
• 分類號: G06K9/40;G06T5/00
• 代理公司: 北京中濟緯天專利代理有限公司11429
• 代理人: 胡偉華

1.一種基于梯度信息和塊狀區域組合先驗的MRF車牌去噪算法，其特征在于，包括如下步驟：

S1、利用車牌數字梯度信息，構造車牌圖像先驗信息，包括梯度先驗和塊狀區域先驗；

S2、對視頻圖像序列進行噪聲估計，確定噪聲分布概率密度函數；

S3、構建車牌圖像的二值馬爾可夫隨機場模型，聯合馬爾科夫隨機場模型和車牌圖像先驗信息，建立優化問題模型并求解。

2.如權利要求1所述的一種基于梯度信息和塊狀區域組合先驗的MRF車牌去噪算法，其特征在于，所述步驟S1具體過程為：

(1)設I_v為向量形式的車牌去噪圖像，圖像像素行列數分別為m,n；定義I'_c，I'_r分別為列方向和行方向像素值變化偏導數矩陣，對于像素點(i,j)，其梯度表示為下形式：

其中，G_(i,j)＝[e_i+1+(j-1)m-e_i+(j-1)m,e_i+jm-e_i+(j-1)m]^T，e_k表示第k位置取值為1、其他位置取值為0的mn維向量，即：

通過G_(i,j)組合成梯度矩陣G：

車牌圖像梯度先驗P_g為：

其中，||·||₂表示取2范數運算；

(2)計算車牌圖像塊狀區域先驗P_b：

N＝mn為圖像中像素總數，LP_b和LP_t分別為車牌背景區域和文字區域像素集合，l_u為像素P_u的標簽值，用于標識像素屬于前景或背景，l_u取值為：

。

3.如權利要求1所述的一種基于梯度信息和塊狀區域組合先驗的MRF車牌去噪算法，其特征在于，所述步驟S2具體過程為：

設f^t為t時刻對應視頻幀的靜止背景部分，提取t-Δt,t-Δt+1,…,t+Δt時刻的視頻幀背景部分{f^t-Δt,…,f^t,…,f^t+Δt}，通過幀累積方法得到無噪聲圖像

其中，η為變量，取值范圍為t-Δt,t-Δt+1,…,t+Δt；

第q幀背景部分噪聲樣本可以通過下式獲得：

在獲得噪聲樣本集θ_ns＝{n_q}(q＝t-Δt,t-Δt+1,…,t+Δt)的基礎上，計算獲得噪聲分布概率密度函數：

其中，|θ_ns|表示噪聲樣本集θ_ns中元素個數，核函數W(x)形式為：

其中，σ為核函數W(x)的標準差。

4.如權利要求1所述的一種基于梯度信息和塊狀區域組合先驗的MRF車牌去噪算法，其特征在于，所述步驟S3具體過程為：

設恢復的無噪聲圖像為I₀，(x,y)像素位置的噪聲為隨機變量ε(x,y)，(x,y)像素的取值i₁,i₂分別為背景顏色值或前景文字顏色值，圖像加噪聲過程表達為：

I(x,y)＝I₀(x,y)+ε(x,y),I₀(x,y)∈{i₁,i₂}

圖像像素值出現概率為：

其中，δ(x,y)為像素(x,y)的鄰域，用隨機場像素值出現概率、車牌梯度先驗與塊狀先驗的加權組合構建馬爾科夫隨機場的能量函數：

E_MRF＝P_I+λ₁P_g+λ₂P_b

其中，P_I為圖像隨機場像素值出現概率，P_g為車牌圖像梯度先驗，P_b為車牌圖像塊狀先驗，λ₁，λ₂為系數；

圖像去噪問題可以歸結為求解下述問題：

其中，l_u,l_v(u,v＝1…N)為去噪圖像像素的標簽值，I_v為向量形式的車牌去噪圖像，對上式優化問題進行求解，最后獲得去噪圖像I^*。