一种基于概率极值搜索的车牌字符识别方法

摘要

本发明提供一种基于概率极值搜索的车牌字符识别方法，首先利用字符样本图片构造一个样本字典；对车牌图片进行横向扫描，在每个扫描窗口位置计算子图块在样本字典上的稀疏编码；再将稀疏编码在各个字符类别的系数之和转换为概率；最后将概率极值与字符空间信息相结合，找到最有可能的车牌字符组合。其中，采用稀疏表达提取出样本字典中最能代表输入图片的基本向量，利用稀疏表达对噪声的鲁棒性，提高算法在雨雪天气或车牌污损的情况下对车牌字符的识别能力；本发明将稀疏编码转换为概率值所采样的算法，在各种光照条件下都有较高的准确率。

主权项

一种基于概率极值搜索的车牌字符识别方法，其特征在于，包括以下步骤：步骤1)构造样本字典：将所有车牌字符样本图片进行尺寸统一缩放，并将车牌字符样本图片像素向量化后再进行归一化处理，最后按照字符类别顺序将归一化后的向量保存在样本字典D中，$D={[v_{11}{v}_{12}...v_{{1N}_1}...v_{M1}{v}_{M2}...v_{{\mathrm{MN}}_M}]}_{\mathrm{WH}\times N};$v_ij(i＝1,2...M,j＝1,2,...N_i)，v_ij表示第i类字符的第j个样本图片向量化并归一化后的结果，M为字符类别总数，N表示所有车牌字符样本图片总数，样本字典D的行数为W×H，列数为N，W、H分别为尺寸统一缩放后图片的宽度、高度；步骤2)对输入的车牌图片进行横向扫描，计算扫描窗口中子图块的类别概率值：2‑1)将输入车牌图片的高度统一为H，输入车牌图片的宽高比不变；2‑2)设置一个高度为H宽度为W₂的扫描窗口，扫描窗口初值位置置于输入车牌图片的最左边，W₂为先验的字符宽度；2‑3)将当前扫描窗口中的子图块进行向量化得到向量u_x，再使用正交匹配追踪算法对向量u_x在样本字典D上的稀疏表达进行近似得到稀疏编码α_x；x为扫描窗口左上角坐标，初始值为0；2‑4)将稀疏编码α_x中的系数值按照各自类别累加，得到累加系数h_x：h_x＝[h_x1 h_x2 ... h_xM]；α_xik是稀疏编码α_x中对应第i类中第k个字符样本的系数值；2‑5)将累加系数h_x转换为类别概率P_x：P_x＝[P_x1 P_x2 ... P_xM]，2‑6)取类别概率P_x中的最大元素值作为位置x处的扫描窗口中子图块的类别概率值，并提取最大元素值p_x所对应的字符类别编号作为当前扫描窗口的字符类别编号c_x，1≤c_x≤M；2‑7)判断是否完成整个输入车牌图片的扫描，如是，进入步骤3)，否则，令x＝x+1，向右移动1像素扫描窗口，返回步骤2‑3)；步骤3)找出整个输入车牌图片中所有满足极大值判定条件的类别概率值p_x，并记录该类别概率值p_x对应的扫描窗口位置为极大值点的位置，所述极大值判定条件为：位置x处的扫描窗口中子图块的类别概率值大于等于其左移1像素后以及右移1像素后的扫描窗口中子图块的类别概率值；步骤4)搜索出类别概率值总和最大的K个极大值点的位置，K个字符相互之间的距离至少为W₂；K为已知的输入车牌图片中字符个数；步骤5)依据K个极大值点各自对应的字符类别c_x输出车牌字符识别结果。