[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

技術領域

本發明屬于圖像信息處理領域，具體涉及基于梯度信息和塊狀區域組合先驗的MRF車牌去噪算法。

背景技術

車牌圖像信息在安防監控、智能交通和社會治安領域具有重要意義，在車輛超速監管、汽車防盜、公路與停車場收費、交通肇事監控等方面發揮著非常重要的作用。但低照度條件下采集到的車牌圖像往往具有信噪比低、噪聲大、噪聲成分復雜的特點，對車牌信息提取和分析造成了很大影響，造成車牌識別與跟蹤準確率下降。因此對低照度環境下含噪聲車牌圖像進行有效去噪，提高車牌圖像質量，具有重要的現實意義和實際應用價值。

目前國內外對低照度環境下車牌圖像去噪研究仍較少。低照度拍攝條件下，車牌圖像信噪比低，噪聲強度大且成分復雜，包括高斯噪聲、泊松噪聲、脈沖噪聲、暗電流噪聲等。現有的去噪算法往往只能解決噪聲成分相對單一的情況，難以適應低照度環境中噪聲成分復雜的情況。

馬爾可夫隨機場(Markov?Random?Field，MRF)是概率圖模型的一種，目前已應用于計算機視覺以及圖像處理等領域中，包括圖像恢復與重建、運動估計、紋理分析、邊緣檢測、圖像分割、目標識別及姿態估計等。其原理是利用條件概率描述圖像數據分布，該條件概率與像素點的位置無關，而是取決于該點領域的相關信息。在充分挖掘車牌圖像先驗信息的基礎上，結合馬爾科夫隨機場模型，構建新型圖像恢復算法，能夠獲得更好的車牌圖像去噪效果。

發明內容

本發明為解決低照度車牌去噪問題，提供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，能夠對噪聲視頻序列中的車牌圖像進行去噪和恢復。具體實現包括如下步驟：

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。

進一步地，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，圖像像素的行、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)，m,n,i,j均為整數，其梯度表示為下形式：

G(i,j)Iv=Ic(i,j)′Ir(i,j)′]]>

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，k為整數，即：

通過G_(i,j)組合成梯度矩陣G：