[发明专利]一种基于车型的极低质量车牌字符识别方法及系统

说明书

本发明公开了一种基于车型的极低质量车牌字符识别方法及系统，所述方法首先根据极低质量车牌图像中车辆型号和颜色采集标准图像，其次对极低质量车辆图像和标准图像分别进行傅里叶变换处理，然后计算点扩散函数，得到反卷积图像复原模型，最后对极低质量车辆图像根据所述反卷积图像复原模型进行复原，得到相对清晰的车牌图像。所述系统包括图像采集模块、图像处理模块、计算模块和图像复原模块。本发明将反卷积算法和点扩散函数相结合并应用于极低质量车牌图像字符的识别中，得到了较好的识别效果，为智能交通和公安机关刑侦和图侦提供了科学依据，具备较大的实用价值。

技术领域

本发明涉及一种基于车型的极低质量车牌字符识别方法及系统，属于人工智能图像识别技术领域。

背景技术

车辆是当今社会普遍使用的交通工具，伴随着经济的发展，汽车保有量急剧增加。伴随着用于交通违章检测、车辆信息识别、车流量检测等方面的智能交通系统被大量应用，车牌识别作为智能交通系统的重要课题受到了广泛的关注和研究。

车牌识别是对视频设备中的图像、视频利用图像处理、模式识别等技术来获取其中的车辆牌照信息。通常车牌识别大体分为两种，一种是对视频设备中获取的质量较高的车牌图像进行识别，此类注重识别的速度、准确率以及车牌区域的自动检测，主要用于车辆出入管理、自动收费、牌照登记；另一种是对图像质量较低、人眼难以判断的车牌图像，采用不同的图像处理方法复原或提高图像的可辨识度，来获得更好的识别能力，主要用于公安机关刑侦和图侦。在很多刑事案件中，犯罪分子使用车辆作为交通工具，车牌号码作为辨识车辆最有效的途径，是案件侦破过程中最有价值的线索之一。但是在图像的获取过程中由于对焦不准、距离过远等因素，使得车牌号码难以辨别，直接影响到公安部门对涉案车辆的认定，给案件的侦破工作带来了很大的困难。因此，针对图像质量较低车牌的识别，有广泛和迫切的应用需求。

车牌识别自提出以来已有大量学者对此研究，并已取得了不少成果，许多识别系统都已成熟并投入使用，且识别率已经达到99％以上。但这些系统通常只能处理高清摄像头获取的高质量车牌图像，对于图像质量过低的图像识别往往无能为力。近年来，关于低质量图像复原正在逐步成为国内外研究的热点。图像复原是指去除或者减弱图像获取过程中发生的质量退化，尽可能的复原成没有退化的原始图像的过程。逆滤波、维纳滤波、有约束最小二乘算法以及Lucy-Richardson作为经典算法，仍然是目前常用的反卷积方法。

其中，逆滤波自上世纪60年代开始，作为一种常用的反卷积方法，用于数字图像复原。在理想情况下，任意一幅模糊图像都可以看作是一幅清晰图像和点扩散函数(PointSpread Function，简称PSF)卷积的结果。Nathan用二维逆滤波法来处理外星探索卫星得到的图像，同一时期，Harris、Mcglamery等人也采用逆滤波对大气扰动造成的模糊进行处理，此后逆滤波成为图像复原的一种经典算法。但是，由于忽略噪声，逆滤波方法在不存在噪声的情况下可以精确的复原图像，若存在噪声，则严重影响复原效果。1967年，考虑到大部分图像近邻像素具有高度相关性，同时减少噪声干扰，Helstrom将维纳滤波用于图像复原。1973年，Hunt B.R采用循环矩阵模型提出了有约束最小二乘方法，和维纳滤波类似，两者都需要有噪声和PSF的先验知识，不同的是后者通过添加约束条件，使得复原结果唯一。Lucy-Richardson算法在不知道原始图像和噪声先验信息的情况下，仍然可以得到较好的复原结果。该方法假设模糊图像服从泊松分布，通过迭代求解最大似然估计得到复原结果。虽然Lucy-Richardson算法仅需要迭代几次就可获得较满意的复原结果，但没有给出具体的迭代终止条件。实验表明，在一定范围内，迭代次数越多，去模糊效果越好。但迭代次数达到一定数量后，即使再增加迭代次数，也不会明显改进去模糊效果，反而会加重振铃现象以及噪声的影响。