一种雨雾天气下车牌识别方法

1.本发明涉及图像处理领域，尤其涉及一种雨雾天气下车牌识别方法。


背景技术：

2.伴随着国家基础建设的不断完善以及国民经济水平的不断提高，国民的人均拥有的机动车数量在不断提升。城市交通的快速发展在便利了国民出行的同时也带来了许多例如交通拥堵、事故频发等不可忽视的问题。在这种情况下，车牌作为机动车最重要的身份标识之一，对车牌进行准确的识别从而确定车辆信息成为了帮助交管部门处理交通问题的重要助力。
3.现有的车牌的识别方式存在不足，尤其在雨雾天气下显现出很大的局限性，容易出现模糊、识别不准确的问题。


技术实现要素：

4.本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种雨雾天气下车牌识别方法。
5.本发明为解决上述技术问题采用以下技术方案：
6.一种雨雾天气下车牌识别方法，包括以下步骤：
7.步骤1)，采集受雨雾天气影响的车牌图像，将其作为雨雾图像；
8.步骤2)，建立雨雾图像模型：
[0009][0010]
其中，x是图像坐标，jc(x)是去除雨雾后的清晰图像，ic(x)是雨雾图像，ac是大气光值，t(x)是透射率；
[0011]
步骤3)，对雨雾图像模型进行最小化运算，得到：
[0012][0013]
根据暗通道先验理论，清晰图像的暗通道表示为：
[0014][0015]
其中，j
dark
表示清晰图像的暗通道，c表示rgb颜色空间三通道的某一个通道，ω(x)表示像素点x的邻域；
[0016]
雨雾图像的雾浓度c(x)和雨雾图像的亮度、饱和度的差值正相关，雨雾图像在亮度较高时其暗通道某些像素不为0，设置阈值t＝0.8*max[c(x)]，当c(x)≤t，雨雾图像的亮度不高，其暗通道当c(x)＞t，雨雾图像的亮度较高，其暗通道i
dark
(x)＝i
gray
(x)*s(x)，式中，i
gray
(x)代表雨雾图像中坐标x处像素点的灰度值，s(x)
代表雨雾图像中坐标x处的饱和度；
[0017]
则透射率
[0018]
步骤4)，遍历雨雾图像的所有像素值，得到用于分割雨雾图像前景和大气部分的最佳分割值，对雨雾图像进行分割；选择大气部分最大连通区域作为目标、将其转化为亮通道，取亮通道像素值的平均值作为大气光值a；
[0019]
步骤5)，由于透射率t过小时会使得图像亮度过高，因此根据预设的透射率的阈值tm、利用下式对去雾图像进行修复：
[0020][0021]
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
[0022]
本发明改善了去雾图像的质量，提高了车牌识别的准确性和可靠性，如果采用峰值信噪比(psnr)来评价物理车牌的去雾效果，传统方法的psnr为27.51db，本发明的psnr为28.27db。
附图说明
[0023]
图1为本发明的流程示意图。
具体实施方式
[0024]
下面结合附图对本发明的技术方案做进一步的详细说明：
[0025]
本发明可以以许多不同的形式实现，而不应当认为限于这里所述的实施例。相反，提供这些实施例以便使本公开透彻且完整，并且将向本领域技术人员充分表达本发明的范围。在附图中，为了清楚起见放大了组件。
[0026]
如图1所示，本发明公开了一种雨雾天气下车牌识别方法，包括以下步骤：
[0027]
步骤1)，采集受雨雾天气影响的车牌图像，将其作为雨雾图像；
[0028]
步骤2)，建立雨雾图像模型：
[0029][0030]
其中，x是图像坐标，jc(x)是去除雨雾后的清晰图像，ic(x)是雨雾图像，ac是大气光值，t(x)是透射率；
[0031]
步骤3)，对雨雾图像模型进行最小化运算，得到：
[0032][0033]
根据暗通道先验理论，清晰图像的暗通道表示为：
[0034][0035]
其中，j
dark
表示清晰图像的暗通道，c表示rgb颜色空间三通道的某一个通道，ω
(x)表示像素点x的邻域；
[0036]
雨雾图像的雾浓度c(x)和雨雾图像的亮度、饱和度的差值正相关，雨雾图像在亮度较高时其暗通道某些像素不为0，设置阈值t＝0.8*max[c(x)]，当c(x)≤t，雨雾图像的亮度不高，其暗通道当c(x)＞t，雨雾图像的亮度较高，其暗通道i
dark
(x)＝i
gray
(x)*s(x)，式中，i
gray
(x)代表雨雾图像中坐标x处像素点的灰度值，s(x)代表雨雾图像中坐标x处的饱和度；
[0037]
则透射率
[0038]
步骤4)，遍历雨雾图像的所有像素值，得到用于分割雨雾图像前景和大气部分的最佳分割值，对雨雾图像进行分割；选择大气部分最大连通区域作为目标、将其转化为亮通道，取亮通道像素值的平均值作为大气光值a；
[0039]
步骤5)，由于透射率t过小时会使得图像亮度过高，因此根据预设的透射率的阈值tm、利用下式对去雾图像进行修复：
[0040][0041]
本实例利用编写的matlab程序实现，程序流程如图1所示。
[0042]
本实例所用的软件版本为matlab r2018b，操作系统为microsolf windows 10专业版64位系统，中央处理器型号为intel(r)core(tm)双核i5-9300h cpu@2.40ghz，内存16gb。
[0043]
采用psnr来评价去雾效果。原始算法和本发明算法分别去雾，原始算法的psnr为27.51db；本发明算法的psnr为28.27db。
[0044]
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0045]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。


技术特征：
1.一种雨雾天气下车牌识别方法，其特征在于，包括以下步骤：步骤1)，采集受雨雾天气影响的车牌图像，将其作为雨雾图像；步骤2)，建立雨雾图像模型：其中，x是图像坐标，j
c
(x)是去除雨雾后的清晰图像，i
c
(x)是雨雾图像，a
c
是大气光值，t(x)是透射率；步骤3)，对雨雾图像模型进行最小化运算，得到：根据暗通道先验理论，清晰图像的暗通道表示为：其中，j
dark
表示清晰图像的暗通道，c表示rgb颜色空间三通道的某一个通道，ω(x)表示像素点x的邻域；雨雾图像的雾浓度c(x)和雨雾图像的亮度、饱和度的差值正相关，雨雾图像在亮度较高时其暗通道某些像素不为0，设置阈值t＝0.8*max[c(x)]，当c(x)≤t，雨雾图像的亮度不高，其暗通道当c(x)＞t，雨雾图像的亮度较高，其暗通道i
dark
(x)＝i
gray
(x)*s(x)，式中，i
gray
(x)代表雨雾图像中坐标x处像素点的灰度值，s(x)代表雨雾图像中坐标x处的饱和度；则透射率步骤4)，遍历雨雾图像的所有像素值，得到用于分割雨雾图像前景和大气部分的最佳分割值，对雨雾图像进行分割；选择大气部分最大连通区域作为目标、将其转化为亮通道，取亮通道像素值的平均值作为大气光值a；步骤5)，由于透射率t过小时会使得图像亮度过高，因此根据预设的透射率的阈值t
m
、利用下式对去雾图像进行修复：

技术总结
本发明公开了一种雨雾天气下车牌识别方法，首先采集受雨雾天气影响的车牌图像，将其作为雨雾图像；然后建立雨雾图像模型，对雨雾图像模型进行最小化运算，计算出透射率；接着遍历雨雾图像的所有像素值，得到用于分割雨雾图像前景和大气部分的最佳分割值，对雨雾图像进行分割，并选择大气部分最大连通区域作为目标、将其转化为亮通道，取亮通道像素值的平均值作为大气光值；最后根据计算得到的透射率、大气光值和预设的透射率的阈值对去雾图像进行修复。本发明改善了去雾图像的质量，提高了车牌识别的准确性和可靠性。车牌识别的准确性和可靠性。车牌识别的准确性和可靠性。


技术研发人员：刘振鲁 李琳 俞晓磊 赵志敏
受保护的技术使用者：南京航空航天大学
技术研发日：2022.07.08
技术公布日：2022/11/22