[发明专利]一种基于Grassmann流行的车牌字符识别方法

权利要求书

1.基于Grassmann流行的车牌字符识别方法，其特征在于，包括下列步骤：

步骤A：构建每类车牌字符图像样本的张成子空间：

A-1：对每类车牌字符取n个车牌字符图像样本，将各车牌字符图像转化为灰度图像，并将灰度图像归一化为相同图像尺寸，其中n大于或等于3；

A-2：每类字符n个样本的图像矩阵其中i为字符类型标识符，表示第i类字符的第j个样本的车牌字符图像按行或按列展开形成的m维列向量，其中m表示归一化后的车牌字符图像的像素点总数，j＝1,2,…,n；表示第i类字符的第j个样本的车牌字符图像的第p个像素点的像素值，p＝1,2,…,m；

A-3：对图像矩阵M_i进行奇异值SVD分解，得到其中矩阵U_i为m*m阶酉矩阵，矩阵A_i为n*n阶对角矩阵，矩阵V_i^H为n*n阶酉矩阵V_i的共轭转置矩阵；取对角矩阵A_i中前k个最大值对应位置的矩阵V_i中的列向量构成矩阵Y_i，用span(Y_i)表示矩阵Y_i的张成子空间，将所述张成子空间span(Y_i)映射到Grassmann流形上，其中下标i为字符类型标识符，其中1≤k＜n；

步骤B：对待识别车牌字符图像进行字符识别：

B-1：输入n个同类待识别车牌字符图像，基于步骤A-1、A-2得到待识别字符类型x的图像矩阵基于步骤A-3由图像矩阵M_x得到矩阵Y_x，用span(Y_x)表示矩阵Y_x的张成子空间，将所述张成子空间span(Y_x)映射到Grassmann流形上；

B-2：基于Grassmann流行的两点间距离，分别计算张成子空间span(Y_x)与每个类的张成子空间span(Y_i)之间的点距离，取最小点距离所对应的类型标识符i为待识别字符类型x的字符种类。