买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利一种城轨列车车号图像定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114758116B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210359599.2，技术领域涉及：G06V10/22；该发明授权一种城轨列车车号图像定位方法是由朱俊霖;刘宁;漆琛;赵文巘;吴泽宇;施伟华;宋开华;段钰;王馨;邢宗义;姚小文设计研发完成，并于2022-04-07向国家知识产权局提交的专利申请。

本一种城轨列车车号图像定位方法在说明书摘要公布了：本发明公开了一种城轨列车车号图像定位方法，包括以下步骤：采用基于亮度控制的单尺度Retinex算法，对现场拍摄的车号图像进行预处理，得到第一车号图像；对预处理得到的第一车号图像，采用SURF算法进行特征点的提取；计算提取到的特征点的特征描述；利用自制的车号图像与第一车号图像进行特征点配准，筛选出车号的潜在区域；通过笔画宽度测量算子SMO对SWT算法进行改进，对筛选出的车号潜在区域进行车号区域准确定位，得到车号区域。本发明城轨列车车号图像定位方法，具有实用性强、计算简单、定位准确率高的优点，通过扩展即能够实现列车车号的自动化识别。

本发明授权一种城轨列车车号图像定位方法在权利要求书中公布了：1.一种城轨列车车号图像定位方法，其特征在于，包括以下步骤： 步骤1、采用基于亮度控制的单尺度Retinex算法，对现场拍摄的车号图像进行预处理，得到第一车号图像； 步骤2、对步骤1预处理得到的第一车号图像，采用SURF算法进行特征点的提取； 步骤3、计算步骤2中提取到的特征点的特征描述； 步骤4、利用自制的车号图像与第一车号图像进行特征点配准，筛选出车号的潜在区域；设置一张没有背景干扰的车号图像作为自制的车号图像模板，保证自制的车号图像特征与实际车号一致； 步骤5、通过笔画宽度测量算子SMO对SWT算法进行改进，对步骤4中筛选出的车号潜在区域进行车号区域准确定位，得到车号区域； 步骤1所述采用基于亮度控制的单尺度Retinex算法，对现场拍摄的车号图像进行预处理，具体步骤为： 步骤1.1、现场拍摄获取车号图像，该车号图像尺寸为M×N，得到高斯环绕函数Gx,y： 其中，M、N为正整数，x,y为像素点在图像的像素坐标，K是归一化因子，β是调谐常数，满足β≥0； 步骤1.2、根据光照模型及Retinex理论，计算单尺度Retinex算法的输出结果Rix,y： Rix,y＝log[fix,y]-log[fix,y*Gx,y] 其中fix,y表示图像的第i个通道； 步骤1.3、针对单尺度Retinex算法中调谐常数β＞2时产生的多余亮度，添加改进的Sigmoid函数以调节过高亮度，改进的Sigmoid函数表示为： 其中，sg是对比度调整后的图像，g是退化图像，T是调节值，γ是调整常数； 步骤1.4、对sg进行标准化处理以更改像素强度值范围，归一化图像ns计算公式为： 步骤2所述对步骤1预处理得到的第一车号图像，采用SURF算法进行特征点的提取，具体步骤为： 步骤2.1、对第一车号图像进行积分计算得到积分图像，积分图像中任意一点的值iii,j，为第一车号图像左上角到任意点i,j相应的对角线区域灰度值的总和； 步骤2.2、在多个不同方向上用不同尺寸参数的箱式滤波器模板对积分图像做卷积运算，构建尺度空间； 步骤2.3、计算在尺度空间内每一层图像上的快速Hessian矩阵，Hessian矩阵H表示如下： 其中，Dxx,Dyy,Dxy分别表示DOG空间中的图像在x轴和y轴方向上的二阶偏导数和混合偏导数； 因为特征点的主曲率与Hessian矩阵的两个特征值α与β成正比，且有： 其中TrH＝Dxx+Dyy表示该矩阵的迹，DetH＝DxxDyy-Dxy2表示该矩阵行列式的值； 设α＝rβ，为了检查特征点是否对边缘响应较为敏感，将不满足下式的点看作不稳定边缘响应点，进行去除： 其中，TrH和DetH分别为Hessian矩阵H的秩和行列式值，对Hessian矩阵的行列式计算表示为：detH＝DxxDyy-ωDxy2，ω为权重系数； 步骤2.4、将经过Hessian矩阵处理过的每个像素点，与该像素点的上下层中对应3*3*3的立体邻域来进行非极大值抑制，将比立体近邻内的26个响应值都大的点选定为特征点，并在尺度空间采用插值法，得到特征点的准确位置信息和尺度信息； 步骤5所述通过笔画宽度测量算子SMO对SWT算法进行改进，具体过程为： 步骤5.1、对潜在车号区域，利用Canny边缘检测算法得到边缘图像； 步骤5.2、采用Sobel算子在水平方向和竖直方向上对潜在车号区域分别做卷积运算，得到水平方向和竖直方向上的梯度Gx、Gy，再得到图像的梯度方向θ＝arctanGyGx； 步骤5.3、对于任一边缘像素点p，沿着p的梯度方向dp，确定一条射线n＞0，沿着射线方向，直到遇到第一个边缘像素点q；q的梯度方向为dq，若满足|dp+dq|＜π6，则将把p和q之间的欧式距离||p-q||作为p的笔画宽度，把p到q路径上的像素点赋值为||p-q||，如果沿着梯度方向没有合适的q点，那么则舍弃当前像素点p； 步骤5.4、基于图像的距离变换映射和内部骨架映射，采用笔画宽度测量算子SMO，测量被测对象的笔画宽度； 步骤5.5、根据SMO算子得到笔画宽度，为车号字符笔画宽度设置一个阈值范围[min，max]，遍历所有满足阈值的边缘像素点，得到车号图像的SWT图； 步骤5.6、提取字符，形成字符候选区域，完成车号定位。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。