[发明专利]一种基于特征学习的模糊车牌重建方法

摘要

本发明公开了一种基于特征学习的模糊车牌重建方法，包括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，建立模糊字符样本库并进行特征训练；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，获得五个分割字符；获取每个分割字符对应的清晰字符样本和模糊字符样本；根据每个分割字符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。本发明极大地提升了重建结果的可识别性，重建效果较好，可以较为清晰、准确地对车牌图像进行复原，可广泛应用于车牌号码识别领域中。

主权项

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。