版权说明 操作指南
首页 > 成果 > 详情

一种自适应FCM车牌定位方法及系统

认领
导出
反馈
分享
QQ微信 微博
成果类型:
专利
发明/设计人:
肖赛男;阳王东;曹步文
申请/专利权人:
湖南城市学院
专利类型:
发明专利
语种:
中文
申请时间:
2020-04-09
申请/专利号:
CN202010273303.6
公开时间:
2020-07-31
公开号:
CN111476236A
主申请人地址:
413000 湖南省益阳市迎宾东路518号
申请地区:
湖南
机构署名:
本校为第一完成单位
主权项:
1.一种自适应FCM车牌定位方法,其特征在于,所述方法包括: 步骤S1:获取车辆图像; 步骤S2:基于所述车辆图像利用车牌结构特征进行粗定位,获得多个候选区域; 步骤S3:基于FCM算法对第k个所述候选区域进行颜色聚类,获得C个聚类中心值; 步骤S4:判断聚类中心值的个数C是否小于第一设定值;如果所述聚类中心值的个数C大于或等于第一设定值,则令k=k+1,返回“步骤S3”;如果所述聚类中心值的个数C小于第一设定值,则合并色差小于阈值的类别; 步骤S5:取样本点比例最高的两个所述聚类中心值,将两个所述聚类中心值与设定数量的车牌图片进行聚类学习后获得的学习样本范围值对比,获得误差值; 步骤S6:判断所述误差值是否小于第二设定值;如果所述误差值小于第二设定值,则第k个所述候选区域为车牌区域;如果所述误差值大于或等于第二设定值,则令k=k+1,返回“步骤S3”。 2.根据权利要求1所述的一种自适应FCM车牌定位方法,其特征在于,所述基于所述车辆图像利用车牌结构特征进行粗定位,获得多个候选区域,具体包括: 步骤S21:对所述车辆图像进行预处理,获得预处理图像; 步骤S22:基于采用形态学中的闭运算确定所述预处理图像中的多个连通域图像; 步骤S23:根据所述连通域图像的填充度和面积确定阈值; 步骤S24:根据所述阈值剔除所述连通域图像中不符合车牌结构的特征区域,获得多个候选区域。 3.根据权利要求1所述的一种自适应FCM车牌定位方法,其特征在于,所述基于FCM算法对第k个所述候选区域进行颜色聚类,获得C个聚类中心值,具体包括: 步骤S31:基于FCM算法构建目标函数; 步骤S32:初始化,令类别j=1,k=1; 步骤S33:采用所述目标函数确定聚类中心向量; 步骤S34:令类别j=j+1,将所述聚类中心向量和样本集带入所述分布势函数,确定聚类初始中心; 步骤S35:将所述聚类初始中心和所述聚类中心向量带入所述目标函数,确定最优聚类中心向量; 步骤S36:确定所述最优聚类中心向量中第j个聚类中心值的灰度比例值; 步骤S37:判断所述灰度比例值是否小于第三设定值;如果所述灰度比例值小于第三设定值,则聚类中心值的总个数C=j;如果所述灰度比例值大于或等于第三设定值,则返回“步骤S34”。 4.根据权利要求2所述的一种自适应FCM车牌定位方法,其特征在于,所述预处理包括:高斯差分二值化处理和中值滤波处理。 5.根据权利要求2所述的一种自适应FCM车牌定位方法,其特征在于,所述车牌结构为标准车牌的前部车辆宽、高比的范围取值为1.3~3.5内任意值。 6.一种自适应FCM车牌定位系统,其特征在于,所述系统包括: 获取模块,用于获取车辆图像; 候选区域定位模块,用于基于所述车辆图像利用车牌结构特征进行粗定位,获得多个候选区域; 聚类模块,用于基于FCM算法对第k个所述候选区域进行颜色聚类,获得C个聚类中心值; 第一判断模块,用于判断聚类中心值的个数C是否小于第一设定值;如果所述聚类中心值的个数C大于或等于第一设定值,则令k=k+1,返回“聚类模块”;如果所述聚类中心值的个数C小于第一设定值,则合并色差小于阈值的类别; 误差值确定模块,用于取样本点比例最高的两个所述聚类中心值,将两个所述聚类中心值与设定数量的车牌图片进行聚类学习后获得的学习样本范围值对比,获得误差值; 第二判断模块,用于判断所述误差值是否小于第二设定值;如果所述误差值小于第二设定值,则第k个所述候选区域为车牌区域;如果所述误差值大于或等于第二设定值,则令k=k+1,返回“聚类模块”。 7.根据权利要求6所述的一种自适应FCM车牌定位系统,其特征在于,所述候选区域定位模块,具体包括: 预处理单元,用于对所述车辆图像进行预处理,获得预处理图像; 连通域图像确定单元,用于基于采用形态学中的闭运算确定所述预处理图像中的多个连通域图像; 阈值确定单元,用于根据所述连通域图像的填充度和面积确定阈值; 候选区域确定单元,用于根据所述阈值剔除所述连通域图像中不符合车牌结构的特征区域,获得多个候选区域。 8.根据权利要求6所述的一种自适应FCM车牌定位系统,其特征在于,所述聚类模块,具体包括: 目标函数构建单元,用于基于FCM算法构建目标函数; 初始化单元,用于初始化,令类别j=1,k=1; 聚类中心向量确定单元,用于采用所述目标函数确定聚类中心向量; 聚类初始中心确定单元,用于令类别j=j+1,将所述聚类中心向量和样本集带入所述分布势函数,确定聚类初始中心; 最优聚类中心向量确定单元,用于将所述聚类初始中心和所述聚类中心向量带入所述目标函数,确定最优聚类中心向量; 灰度比例值确定单元,用于确定所述最优聚类中心向量中第j个聚类中心值的灰度比例值; 判断单元,用于判断所述灰度比例值是否小于第三设定值;如果所述灰度比例值小于第三设定值,则聚类中心值的总个数C=j;如果所述灰度比例值大于或等于第三设定值,则返回“聚类初始中心确定单元”。 9.根据权利要求7所述的一种自适应FCM车牌定位系统,其特征在于,所述预处理包括:高斯差分二值化处理和中值滤波处理。 10.根据权利要求7所述的一种自适应FCM车牌定位系统,其特征在于,所述车牌结构为标准车牌的前部车辆宽、高比的范围取值为1.3~3.5内任意值。
摘要:
本发明提供了一种自适应FCM车牌定位方法及系统,所述方法包括:基于所述车辆图像利用车牌结构特征进行粗定位,获得多个候选区域;基于FCM算法对第k个所述候选区域进行颜色聚类,获得C个聚类中心值;判断聚类中心值的个数C是否小于第一设定值;如果所述聚类中心值的个数C大于或等于第一设定值,则令k=k+1,返回重新确定下一个候选区的类别数C;如果所述聚类中心值的个数C小于第一设定值,则合并色差小于阈值的类别;取样本点比例最高的两个所述聚类中心值,将两个所述聚类中心值与学习样本范围值对比,获得误差值;基于所述误差值确定车牌区域;上述方法不仅提高了收敛速度,还提高了车牌定位...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com