[发明专利]一种基于自适应特征的车牌字符识别方法

说明书

技术领域

本发明涉及图像处理技术领域，具体是一种基于自适应特征的车牌字符识别方法。

背景技术

车牌字符识别是车牌识别系统的最后一步，也是至关重要的一步，它直接影响着整个系统的识别准确率和效率。对于理想车牌字符的识别，国内外已有很多成熟的方法，可以达到很高的准确率。而在实际环境中采集的车牌图像，字符往往存在分辨率较低、部分变浅或缺失、边缘模糊、字符倾斜等特点，使得准确识别字符变得很困难，基于现有的字符识别方法，无法达到满意的准确率。因此，准确识别车牌字符，成为国内外车牌识别系统的难点。

车牌字符识别通常采用三种识别方法，分别是基于模板匹配的方法、基于神经网络的方法、基于支持向量机(SVM)的方法。依据模式识别理论可知，影响识别准确率的最大因素，不是选择的哪种分类方法，而是选择的目标特征，只要字符特征选择的合适，上述三种方法均能达到不错的分类效果。因此，如何选择字符特征，成为决定车牌字符识别成败的关键。

目前，常用的车牌字符特征主要有以下几类：

(1)全局特征，该类特征采用全局变换来获取字符的整体特征，使用有序的整体特征或者子集特征来构成特征向量，常见的特征有GABOR变换特征、矩特征、投影特征、笔划密度特征、HARR特征、HOG特征等。这些特征的优点是对局部变化不敏感，抗干扰能力强；其缺点是容易忽略某些重要的局部特征，无法区分相似的字符。

(2)局部特征，该类特征是在字符的多个局部区域内，计算相应的特征，使用串联的有序局部特征构成最终的特征向量，主要特征包括局部灰度直方图特征、LBP特征、穿线特征、SIFT特征等。该类特征的优点是区分字符的能力强；其缺点是过分关注字符的局部特征，往往会错误区分具有噪声干扰的字符。

发明内容

本发明的目的在于针对使用全局特征或局部特征识别车牌字符的缺点，提供一种基于自适应特征的车牌字符识别方法，通过关注不同尺度空间下的字符卷积图像，自适应地获取字符的最优特征，提高字符识别的准确率。

本发明的技术方案为：

一种基于自适应特征的车牌字符识别方法，包括以下步骤：

(1)构建多尺度空间卷积模板；

(2)将待识别车牌字符图像尺寸归一化；

(3)利用构建的多尺度空间卷积模板对归一化后的待识别车牌字符图像进行卷积运算，获取不同尺度空间下车牌字符卷积图像的组合特征集，串联所有尺度空间下车牌字符卷积图像的组合特征集，得到多尺度空间车牌字符特征集；

(4)对得到的多尺度空间车牌字符特征集进行提取处理，获取自适应车牌字符特征向量；

(5)将获取的自适应车牌字符特征向量输入贝叶斯分类器，计算输入的车牌字符特征向量属于某一类别的概率，选择最大概率值对应的类别作为待识别车牌字符图像中的字符类别。

所述的基于自适应特征的车牌字符识别方法，步骤(2)中，所述将待识别车牌字符图像尺寸归一化，通过以下双线性插值公式实现：