基于复杂网络理论的强干扰环境下的车牌识别方法

摘要

本发明公开了一种基于复杂网络理论的强干扰环境下的车牌识别方法，该方法首先采用基于分块和特征线的自适应多阈值法对车牌图像进行快速二值化；然后利用区域标记法结合车牌先验知识对车牌图像中的字符进行准确定位与分割；最后提取字符骨架特征，建立字符骨架的复杂网络模型，基于动态演化的复杂网络度特征来描述字符骨架，进而采用特征模板匹配法识别字符，再将字符组合得到车牌号码。本发明的方法，能够很好的克服光照不均、天气变化、车牌污损、车牌倾斜、铆钉黏连、图像模糊等强干扰对车牌图像的影响，具有较强的抗干扰能力和鲁棒性，方法实现简单，识别率高、速度快。

主权项

一种基于复杂网络理论的强干扰环境下的车牌识别方法，该方法在采用数字图像处理技术提取字符特征的基础上，建立字符特征的复杂网络模型，利用复杂网络特性分析和刻画字符特征，进而采用特征模板匹配方法进行字符识别，最后将识别好的字符组合得到车牌号码，其特征在于，具体包括下列步骤：第一步：对车牌图像进行二值化处理采用基于分块和特征线的自适应多阈值快速二值化方法，将车牌图像分割成前景和背景两部分；第二步：对车牌字符进行定位与分割通过区域标记及字符间距先验知识，获得每个字符所在位置，实现字符准确定位，然后根据标准规定的车牌字符尺寸比例参数，计算得到字符区域，对字符进行分割；第三步：提取字符骨架，并建立字符骨架的复杂网络模型采用细线化方法提取每个字符图像的骨架，然后以字符图像骨架像素点为网络节点，以像素点间相对位置关系为网络连边，构建字符骨架特征的复杂网络模型；第四步：基于复杂网络特征对字符进行识别用动态演化的复杂网络度特征来描述字符骨架，并计算每个字符对应的动态演化复杂网络度特征向量，然后在标准模板字符对应的复杂网络度特征向量库中进行特征匹配，所得最佳匹配所对应的字符即为识别结果，最后将识别出的字符组合得到车牌号码。