[发明专利]一种基于动态匹配因子的模糊车牌识别算法

摘要

本申请公开一种基于动态匹配因子的模糊车牌识别算法，建立相似字符集合，对车牌的字符图像和模板库的字符图像按照边框比例缩放，归一化为16*20；对车牌图像出理后得到P个归一化后的二值图像，每个二值化图像与模板库的Q个字符进行匹配，通过匹配因子一识别出每个二值化图像的字符，判断识别的字符是否属于某个相似字符集合，并且计算该字符与模板库对应的字符的匹配因子二，匹配因子二不大于0.13则进入神经网络识别过程，如果匹配因子二大于0.13时，属于相似字符集合则进入相似字符的局部特征匹配进行二次识别，如果不属于相似字符集合，则直接输出识别结果，车牌识别的准确率得到了很大的提高，并具有良好的鲁棒性和实时性。

主权项

1.一种基于动态匹配因子的模糊车牌识别算法，其特征在于：包括以下步骤：(1) 建立标准的模板库；采集车牌字符集样本，然后通过滤波、二值化、归一化图像处理，提取出字符特征作为模板库；按照车牌的字符从左向右的第1位、第2位、第3和4位、第5至第7位依次建立汉字模板库、字母模板库、数字字母模板库、数字字母汉字模板库四个模板库；(2)建立相似字符集合根据字母和数字中的形态相似字符，建立的相似字符集合包括：分别是相似字符集合一{A，4}；相似字符集合二{B，8，S，5,3}；相似字符集合三{E，F}；相似字符集合四{Z，2}；相似字符集合五{Q，0，O}；相似字符集合六{D，C，G}；相似字符集合七{N，W}；(3) 识别字符图像；1)首先对车牌的字符图像进行二值化处理、去噪处理和归一化处理，然后进行图像分割成每个独立的字符图像，将分割后的车牌的字符图像和模板库的字符图像按照边框比例缩放，将大小归一化为 16*20；2)对归一化后的各二值图像进行特征提取，将提取的特征向量与模板库中各相应模板特征向量进行比较得到相似度；归一化后的图像信息仅包括320个像素值，采用320维的特征向量存储，用以使匹配结果更加准确；3)采用通用模板匹配方式对各字符图像进行第一次识别如下，对需要识别的字符分别处理后得到P个归一化后的二值图像为：模板库中各模板为：其中，分别表示点处待识别图像和模板图像的像素值，字符有效区域像素值取值“1”，字符背景区域像素值取值“0”，得到匹配因子一，如公式（1）（2）（3）：其中，统计模板图像中识别像素点的个数；为识别图像和第k个模板匹配的匹配因子一，模板匹配的因子如公式1，选取识别图像和Q个模板库中所有的模板进行做与运算用来表示，然后对矩阵的每个像素点求和，计算出所有的匹配像素点个数，然后除以所有的像素点个数计算出和该模板的匹配因子；之后计算出所有模板的匹配因子，其中最大值就是识别图像和模板库中字符的匹配因子一，那么对应的该模板的字符就是待识别的车牌字符图像的值，识别出该字符；4)判断步骤(3)得到的识别字符结果是否在特征上属于某个相似字符集合；5）判断是否进入神经网络识别：处理后得到P个归一化后的二值图像为：其中匹配因子二的计算公式为二值化处理后的总的有效像素点1的总和除以图像中的所有像素点的个数，即识别像素点的个数总和除以图像中的所有像素点个数，由于字符图像的处理中对图像归一化为16*20，因此计算公式为公式（4）：   (4)其中△t是匹配因子二，取值范围在[0,1]之间，当△t大于0.13的时候不进入神经网络的识别过程，△t小于或等于0.13的时候进入神经网络的识别过程；6)如果上述的识别结果△t大于0.13，且属于某个相似字符集合，在该相似字符子集合内采用二次匹配，即局部特征匹配方式步骤：将待识别字符、相似字符集合中的字符的16*20像素值的几何中心为中心，分割成均等的8*10像素值的四个特征区域，将待识别的相似字符像素值的每一个特征区域分别与相似字符集合中相似字符的相对应的像素位置的特征区域进行比对匹配，找到与相似字符集合中一个相似字符的特征区域的像素值一致性高的相似字符，输出为该相似字符为识别结果；7）如果第一次的识别结果匹配因子二△t大于0.13，且不属于某个相似字符集合，则直接输出结果。