[发明专利]一种基于特征学习的模糊车牌重建方法

权利要求书

1.一种基于特征学习的模糊车牌重建方法，其特征在于，包括：

S1、获取覆盖所有车牌字符类型的大量清晰字符样本并获得其对应的模糊字符样本，进而建立模糊字符样本库后，对模糊字符样本库进行特征训练；

S2、获取模糊车牌图像并标定其后五位字符的四个角点，进行几何校正并进行字符分割后，获得五个分割字符；

S3、分别计算每个分割字符与每个清晰字符样本之间的相关度，并判断该分割字符与某一清晰字符样本的相关度是否高于其它清晰字符样本的相关度的0.5倍，若是，则判断该分割字符为清晰字符并获取对应的清晰字符样本和模糊字符样本后直接执行步骤S5，否则，执行步骤S4；

S4、结合特征训练结果获取每个分割字符对应的清晰字符样本和模糊字符样本；

S5、根据每个分割字符所对应的清晰字符样本和模糊字符样本对该分割字符进行字符重建后获得重建结果，并对重建结果进行直方图处理；

所述步骤S4，包括：

S41、将每个分割字符分割为均匀的六小块，并将每一小块逐一与每类模糊字符样本的对应小块进行匹配后，获得最可能的前三种分类；

S42、根据各相邻小块间的连通性先验条件判断该六小块分别取何种分类时整体可能性最大，确定每小块的分类结果；

S43、获得每个分割字符的六小块的分类结果后，分别获取每小块的分类结果相对应的清晰字符样本和模糊字符样本的对应小块后，拼接成该分割字符对应的清晰字符样本和模糊字符样本。

2.根据权利要求1所述的一种基于特征学习的模糊车牌重建方法，其特征在于，所述步骤S1，其具体为：

获取覆盖所有车牌字符类型的大量清晰字符样本后，将每个清晰字符样本卷积各种模拟现实场景的降质函数后生成对应的模糊字符样本，进而将所有模糊字符样本建立模糊字符样本库后，对模糊字符样本库进行特征训练。

3.根据权利要求1所述的一种基于特征学习的模糊车牌重建方法，其特征在于，所述步骤S1中所述对模糊字符样本库进行特征训练的步骤，其具体为：

根据下式分别对模糊字符样本库的每类模糊字符样本进行训练：

Mk=argmaxMsparse(M×Xk)]]>

上式中，M表示该类模糊字符样本，k表示该类模糊字符样本的标签，X_k表示该类模糊字符样本的列向量组成的矩阵，M_k表示该类模糊字符样本的训练结果。