[发明专利]使用局部二值模式和径向基函数的对特征进行超分辨率重建的字符识别方法

说明书

技术领域

本发明涉及一种车牌字符识别方法，尤其是使用局部二值模式和径向基函数的对特征进行超分辨率重建的字符识别方法。

背景技术

字符识别是智能交通系统里车牌识别环节中一个重要的步骤，通过判断出车牌中每个字符的类别来确定车辆的身份。随着社会对智能交通系统的需求越来越大，字符识别技术也得到了越来越多的重视。

大多数字符识别算法的思路是先从字符图像中抽取字符特征，再采用分类器对该特征进行识别。近几年来出现了若干识别方法，它们采用了不同的特征和分类器组合。一种方法是将字符图像分割成多个子块，将子块中像素的强度作为特征，然后采用人工神经网络来做识别。第二种方法是将灰度字符图像转换为二值图像，将二值强度作为特征输入到概率神经网络中做识别。第三种方法是从图像中抽取出三种特征，分别为垮轮廓计数，方向计数和外部背景区域，将这三种特征组合成一个特征采用支持向量机做识别。

这三种方法识别高分辨率车牌图像中的字符时会取得不错的效果，但是实际情况中车牌图像的分辨率会受到车辆离摄像机的距离较远或摄像机内存不足造成无法存储高质量图像的影响而降低，这会降低字符识别的准确率。

发明内容

本发明的目的在于提供一种能够解决目前的字符识别方法无法有效地识别出低分辨率车牌图像中字符的问题，提供了一种能够提高低分辨率车牌图像中字符的识别率的使用局部二值模式和径向基函数的对特征进行超分辨率重建的字符识别方法。

为实现上述目的，本发明采用的技术方案是：

a)首先采用局部二值模式描述子对采集到的训练集的字符图像进行操作，抽取所述训练集中成对的高分辨率字符图像的局部二值模式特征和低分辨率字符图像的局部二值模式特征；

b)使用径向基函数建立高分辨率字符图像的局部二值模式特征和低分辨率字符图像的局部二值模式特征之间的非线性映射关系；

c)对测试字符图像采用与步骤a)同样的方式抽取局部二值模式特征，再利用步骤b)中得到测试字符图像的高分辨率字符图像的局部二值模式特征和低分辨率字符图像的局部二值模式特征之间的非线性映射关系，计算该字符图像对应的高分辨率字符图像的局部二值模式特征，再使用最近邻分类器对高分辨率字符图像的局部二值模式特征进行分类。

所述的步骤b)的具体过程如下：

假设x_i是训练集中第i个车牌字符图像对里低分辨率图像的局部二值模式特征，y_i是第i个车牌字符图像对里高分辨率图像的局部二值模式特征，其中i取值从1到M，M是训练集中图像对的个数，x_i和y_i是有N个元素的一维特征向量，这两个特征向量来自于同一个字符的不同分辨率图像，采用径向基函数建模出x_i和y_i的联系，径向基函数的公式如下：

它是将y_i表示成M个径向基函数的加权和形式，其中权值向量w_j的长度是N×1，x_j是第j个车牌字符图像对里低分辨率图像的局部二值模式特征，每一个径向基函数的中心在x_j上其表达形式如下：

利用步骤a)中得到的高、低分辨率车牌字符图像的局部二值模式特征集合{x_i}和{y_i}，列出公式(1)的矩阵形式：

Y＝WΦ，即

其中Y是高分辨率图像特征矩阵，每一列代表一幅高分辨率图像的局部二值模式特征y_i，W是权值矩阵，每一列代表一个权值向量w_j，Φ是径向基函数矩阵，每一个元素是一个径向基函数的值由公式(3)得到权值系数矩阵W的表达式为

W＝Φ^-1Y    (4)

因为Φ不可逆，求解上式要采用正则化方法，使用Φ+τI来取代Φ，其中τ是一个正的正则化参数，I是一个单位矩阵，求出权值系数后建立起高分辨率字符图像的局部二值模式特征和低分辨率字符图像的局部二值模式特征之间的非线性映射关系。

所述的步骤c)的具体过程如下：

对一幅测试低分辨率字符图像采用步骤a中的方式抽取出局部二值模式特征x，利用步骤b中通过径向基函数方法得到的权值矩阵W得到该测试字符图像对应的高分辨率图像的局部二值模式特征y，公式如下：