CN102880859A - 一种车牌识别方法 - Google Patents

Abstract

本发明公开了一种车牌识别方法，包括以下步骤：S1.获取车牌图像；S2.对车牌区域定位；S3.对车牌区域进行超分辨率重建；S4.对重建的高分辨率车牌区域中的字符进行分割，得到单个字符图像；S5.对单个字符图像进行识别。本发明实现了在图像不清晰的时候能够准确识别车牌；可以解决车牌在字符缺损或模糊情况下的识别问题；并且不受车牌类型，图像背景，车辆本身的颜色和车辆类型的影响，实现了各种类型车牌，各种背景，各种颜色和车型的车辆的车牌识别。

Description

一种车牌识别方法

技术领域

本发明涉及智能交通领域，特别涉及一种车牌识别方法。

背景技术

在现代越来越发达的交通体系中，交通管理，交通监控，交通优化等方面需要巨大的人力和物力。如果有一个系统能代替一些繁琐反复的管理工作，将节省很多不必要的人力和物力。而车牌自动识别是实现交通管理智能化的重要环节，是实现智能交通的管理的核心技术之一。

现有的车牌自动识别方法存在以下缺点：

1、国内牌照经常受污点、光照、锈斑、扭曲等影响，造成在字符分割后字符的缺损或模糊，大大影响对字符识别的准确率。

2、由于硬件设备的限制，所采集的图像的车牌部分往往较为模糊，目前国内外技术并没对这一部分先进行预处理，这样的图像也直接制约了字符识别准确率的提升。

3、中国标准车牌中存在汉字，笔划较多，识别难度较大。我国标准汽车牌照是由汉字、英文字母和阿拉伯数字组成，汉字的识别与字母和数字的识别有很大的不同，从而增加了技术难度。

发明内容

为了克服现有技术的上述缺点与不足，本发明的目的在于提供一种基于超分辨重建的车牌识别方法，实现了在图像不清晰的时候准确识别车牌。

本发明的目的通过以下技术方案实现：

一种车牌识别方法，包括以下步骤：

S1获取车牌图像；

S2对车牌区域定位；

S3对车牌区域进行超分辨率重建，具体为：

S3.1采用分割算法将车牌区域y_t分割成Q个待识别图像块，对于每个待识别图像块

在低分辨率训练库中寻找与其最近邻的k个样本低分辨图像块y_s ^p，在高分辨率训练库中寻找与所述k个低分辨率图像块对应的k个样本高分辨图像块x_S ^p；所述k由用户根据需要确定；

S3.2计算权值w_qp，使得重建误差

最小；

S3.3对k个样本高分辨图像块x_S ^p进行加权，得到待估计高分辨率图像块

$x_t^q=\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{w}_{\mathrm{qp}}{x}_s^p;$

S3.4对步骤S3.3得到的待估计高分辨率图像块x_t ^q进行融合，获得重建的高分辨率车牌区域；

S4对重建的高分辨率车牌区域中的字符进行分割，得到单个字符图像；

S5对单个字符图像进行识别。

步骤S3.1所述在低分辨率训练库中寻找与其最近邻的k个样本低分辨图像块y_S ^p，在高分辨率训练库中寻找与其最近邻的k个样本高分辨图像块x_S ^p，具体为：

采用一阶梯度并像素与块像素均值之差作为特征量，在低分辨率训练库中寻找与其最近邻的k个样本低分辨图像块y_S ^p，在高分辨率训练库中寻找与所述k个低分辨率图像块对应的k个样本高分辨图像块x_S ^p。

上述的一种车牌识别方法，在进行步骤S3.1之前，还进行以下步骤：

对车牌区域y_t的低分辨图像块

进行纹理提取，根据纹理特征，对低分辨图像块进行分类；

对样本集中的样本低分辨图像块y_S ^p进行纹理提取，根据纹理特征，对样本低分辨图像块y_S ^p进行分类。

步骤S5所述对单个字符图像进行识别，具体为：

对数字或字母字符图像，识别过程如下：

S5.1.1对数字或字母字符图像进行预处理；

S5.1.2根据连通域算法提取字符的孔洞信息，对字符进行粗分类；

S5.1.3提取字符的特征，所述特征包括方向特征，轮廓特征，段数特征；

S5.1.4对步骤S5.1.3识别错误的字符，使用拓扑结果进行识别；

对汉字字符图像，识别过程如下：

S5.2.1对汉字字符图像进行预处理；

S5.2.2对汉字字符进行扫描分析，提取汉字字符的骨架信息；

S5.2.3根据汉字字符的骨架信息获得汉字字符的全局笔划特征，局部笔划特征，周边笔划特征，对字符进行匹配并投票，投票数最多的字符为最终的输出字符。

步骤S5.1.1所述对数字或字母字符图像进行预处理，具体为：

对数字或字母字符图像进行二值化，去除噪声，大小归一化和质心归一化。

步骤S5.2.1所述对汉字字符图像进行预处理，具体为：

对汉字字符图像进行灰度对比度拉伸，二值化，去除噪声，大小归一化。

步骤S3.1所述高分辨率训练库由以下方法形成：将各样本图片按步骤S3.1所述分割算法分割成Q个高分辨率图像块，作为高分辨率训练库中的样本；

步骤S3.1所述低分辨率训练库由以下方法形成：将各样本图片按相同比例缩小后，再按步骤S3.1所述分割算法分割成Q个低分辨率图像块，作为低分辨率训练库中的样本。

与现有技术相比，本发明具有以下优点和有益效果：

（1）本发明通过对低分辨率的车牌区域进行超分辨率重建，实现了在图像不清晰的时候，如车牌模糊、车牌字符缺损、污染、光线不足等情况下，能够准确识别车牌。

（2）本发明采用的字符识别方法，可以解决车牌在字符缺损或模糊情况下的识别问题，允许车牌有一定畸变，以及车牌字符笔画一定程度的粘连、断裂。

（3）本发明在对低分辨率的车牌区域进行超分辨率重建的过程中，采用一阶梯度并像素与块像素均值之差作为特征量，并且对图像进行纹理提取，根据纹理特征，对图像进行分类，提高重建的效果。

（4）本发明不受车牌类型，图像背景，车辆本身的颜色和车辆类型的影响，实现了各种类型车牌，各种背景，各种颜色和车型的车辆的车牌识别。

附图说明

图1为实施例1的车牌识别方法的流程图。

图2为实施例1的数字或字母字符图像的识别流程图。

图3为实施例1的汉字字符图像的识别流程图。

具体实施方式

下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例1

如图1所示，本实施例的车牌识别方法,包括以下步骤:

S1获取车牌图像；

S2对车牌区域定位；

S3对车牌区域进行超分辨率重建，具体为：

S3.1采用分割算法将车牌区域y_t分割成Q个待识别图像块，对于每个待识别图像块

采用一阶梯度并像素与块像素均值之差作为特征量，在低分辨率训练库中寻找与其最近邻的k个样本低分辨图像块y_S ^p，在高分辨率训练库中寻找与所述k个低分辨率图像块对应的k个样本高分辨图像块x_S ^p；所述k由用户根据需要确定；

所述高分辨率训练库由以下方法形成：将各样本图片按步骤S3.1所述分割算法分割成Q个高分辨率图像块，作为高分辨率训练库中的样本；

所述低分辨率训练库由以下方法形成：将各样本图片按相同比例缩小后，再按步骤S3.1所述分割算法分割成Q个低分辨率图像块，作为低分辨率训练库中的样本。

S3.2计算权值w_qp，使得重建误差

最小。

S3.3对k个样本高分辨图像块x_S ^p进行加权，得到待估计高分辨率图像块

$x_t^q=\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{w}_{\mathrm{qp}}{x}_s^p.$

S3.4对步骤S3.3得到的待估计高分辨率图像块x_t ^q进行融合，获得重建的高分辨率车牌区域。

S4对重建的高分辨率车牌区域中的字符进行分割，得到单个字符图像。

S5对单个字符图像进行识别，具体为：

如图2所示，对数字或字母字符图像，识别过程如下：

S5.1.1对数字或字母字符图像进行预处理，具体为：

对数字或字母字符图像进行二值化，去除噪声，大小归一化和质心归一化；

S5.1.2根据连通域算法提取字符的孔洞信息，对字符进行粗分类；

S5.1.3提取字符的特征，所述特征包括方向特征，轮廓特征，段数特征；

S5.1.4对步骤S5.1.3识别错误的字符，使用拓扑结果进行识别；

如图3所示，对汉字字符图像，识别过程如下：

S5.2.1对汉字字符图像进行预处理，具体为：

对汉字字符图像进行灰度对比度拉伸，二值化，去除噪声，大小归一化。

S5.2.2对汉字字符进行扫描分析，提取汉字字符的骨架信息；

S5.2.3根据汉字字符的骨架信息获得汉字字符的全局笔划特征，局部笔划特征，周边笔划特征，对字符进行匹配并投票，投票数最多的字符为最终的输出字符。

实施例2

本实施例除以下特征外，其余特征均与实施例1同。

在进行步骤S3.1之前还进行以下步骤：

对车牌区域y_t的低分辨图像块

进行纹理提取，根据纹理特征，对低分辨图像块

进行分类；

对样本集中的样本低分辨图像块y_S ^p进行纹理提取，根据纹理特征，对样本低分辨图像块y_S ^p进行分类。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种车牌识别方法，其特征在于，包括以下步骤:

S1获取车牌图像；

S2对车牌区域定位；

S3对车牌区域进行超分辨率重建，具体为：

S3.1采用分割算法将车牌区域y_t分割成Q个待识别图像块，对于每个待识别图像块

在低分辨率训练库中寻找与其最近邻的k个样本低分辨图像块

在高分辨率训练库中寻找与所述k个低分辨率图像块对应的k个样本高分辨图像块

所述k由用户根据需要确定；

S3.2计算权值w_qp，使得重建误差

最小；

S3.3对k个样本高分辨图像块

进行加权，得到待估计高分辨率图像块 $x_t^q=\underset{p=1}{\overset{k}{\mathrm{\Σ}}}{w}_{\mathrm{qp}}{x}_s^p;$

S3.4对步骤S3.3得到的待估计高分辨率图像块进行融合，获得重建的高分辨率车牌区域；

S4对重建的高分辨率车牌区域中的字符进行分割，得到单个字符图像；

S5对单个字符图像进行识别。

2.根据权利要求1所述的车牌识别方法，其特征在于，步骤S3.1所述在低分辨率训练库中寻找与其最近邻的k个样本低分辨图像块

在高分辨率训练库中寻找与其最近邻的k个样本高分辨图像块

具体为：

采用一阶梯度并像素与块像素均值之差作为特征量，在低分辨率训练库中寻找与其最近邻的k个样本低分辨图像块

在高分辨率训练库中寻找与所述k个低分辨率图像块对应的k个样本高分辨图像块

3.根据权利要求1或2所述的车牌识别方法，其特征在于，进行步骤S3.1之前，还进行以下步骤：

对车牌区域y_t的低分辨图像块

进行纹理提取，根据纹理特征，对低分辨图像块

进行分类；

对样本集中的样本低分辨图像块

进行纹理提取，根据纹理特征，对样本低分辨图像块

进行分类。

4.根据权利要求1所述的车牌识别方法，其特征在于，步骤S5所述对单个字符图像进行识别，具体为：

对数字或字母字符图像，识别过程如下：

S5.1.1对数字或字母字符图像进行预处理；

S5.1.2根据连通域算法提取字符的孔洞信息，对字符进行粗分类；

S5.1.3提取字符的特征，所述特征包括方向特征，轮廓特征，段数特征；

S5.1.4对步骤S5.1.3识别错误的字符，使用拓扑结果进行识别；

对汉字字符图像，识别过程如下：

S5.2.1对汉字字符图像进行预处理；

S5.2.2对汉字字符进行扫描分析，提取汉字字符的骨架信息；

S5.2.3根据汉字字符的骨架信息获得汉字字符的全局笔划特征，局部笔划特征，周边笔划特征，对字符进行匹配并投票，投票数最多的字符为最终的输出字符。

5.根据权利要求4所述的车牌识别方法，其特征在于，步骤S5.1.1所述对数字或字母字符图像进行预处理，具体为：

对数字或字母字符图像进行二值化，去除噪声，大小归一化和质心归一化。

6.根据权利要求4所述的车牌识别方法，其特征在于，步骤S5.2.1所述对汉字字符图像进行预处理，具体为：

对汉字字符图像进行灰度对比度拉伸，二值化，去除噪声，大小归一化。

7.根据权利要求1所述的车牌识别方法，其特征在于，

步骤S3.1所述高分辨率训练库由以下方法形成：将各样本图片按步骤S3.1所述分割算法分割成Q个高分辨率图像块，作为高分辨率训练库中的样本；

步骤S3.1所述低分辨率训练库由以下方法形成：将各样本图片按相同比例缩小后，再按步骤S3.1所述分割算法分割成Q个低分辨率图像块，作为低分辨率训练库中的样本。

Images