一种车牌字符识别方法技术

本发明专利技术提出了一种新的车牌字符识别的方法，采用canny算法和二值图像结合的方法来识别字符。并且识别时由于提取出了字符的边缘和跳变信息，再将字符边缘像素的跳变与模板字符集的跳变做匹配，找到匹配度最高的模板字符，进而获得字符的识别结果。这种基于跳变的字符识别，较好地解决了各种干扰下字符识别问题，可以有效克服各种干扰因素，保持较为稳定的高识别率。并且，由于对标准的canny算法做了简化，大大提高了识别的效率，减少了占用的系统资源，提高了识别速度。

【技术实现步骤摘要】

本专利技术专利涉及车牌识别系统中的一种字符识别方法，属于图像处理

技术介绍
随着我国国民经济的快速发展，对道路交通管理的要求逐步提高，智能交通系统应运而生。在智能交通系统中，在准确定位车牌和字符分割后，通过车牌识别系统进行字符识别才最终完成完整的车牌识别，因此字符识别的好坏对字符识别率起着至关重要的作用。因此，作为智能交通系统的重要组成部分，车牌识别系统获得了快速发展，被国内外学者广泛研究。车牌识别系统分为图像获取、车牌定位、字符分割、字符识别四部分，其中字符识别是本行业各企业的研发重点。在字符特征提取方面，需要抑制各种干扰，比如光照不均匀、字符的旋转与形变、笔画粗细不一致及断裂或粘连等情况，才能提取出稳定的字符特征，最终完成子符识别。现有技术中常用阈值来获得二值图像，在光线不均匀时识别率不高，并且原有的算法步骤较多，进行识别时占用的系统资源过高，识别速度不高；同时，对于因为车辆转弯、拍摄角度等造成车牌倾斜、车牌字符笔画断裂、字符污损、低光照时的噪声等，均会造成识别率下降。
技术实现思路
为了提高字符的识别率，本专利技术提出了一种新的车牌字符识别的方法，采用canny算法和二值图像结合的方法来识别字符，并对标准的canny算法做了简化，具体如下首先将车牌灰度图像分割为若干字符区域，对每一个字符区域的灰度图像Icto按照如下步骤顺序进行处理A、对Ichar求自适应阈值；`B、对Ieto采用Canny算法确定字符边缘图像Iedge ；C、对上述字符边缘图像Iedge进行填充空洞；D、再次确定上述字符边缘图像Iedge的边界；E、对上述Iedge进行归一化处理；F、计算字符边缘的水平跳变序列Stoi和垂直跳变序列SVOTt，并根据上述水平跳变序列Stoi和垂直跳变序列Svert确定上跳变数密度H0p_DenSityT()p、下跳变数密度Hop_DensityB()tt()m、左跳变数密度Hop_DensUyljeft、右跳变数密度Hop_DensityKight,并进一步确定上下跳变数密度比Hop_DensityT()p/B()tt()m和左右跳变数密度比Hop_DensityLeft/Kight ；G、将上述F步骤中确定的上述水平跳变序列Sto1、垂直跳变序列Svert、上下跳变数密度比H0p_DenSityT()p/B()tt(M和左右跳变数密度比H0p_DenSityLeft/Kight与从字符模板集中读取到的当前字符模板的水平跳变序列SMto1、垂直跳变序列SMvert、上下跳变数密度比Hop_Density_MT()p/B(rtt()m、左右跳变数密度比Hop-Density-Mljeftmght进行--匹配，找到匹配度最高的字符索引值，完成字符识别。采用本专利技术的方法对车牌字符灰度图像进行处理，由于提取出了字符的边缘和跳变信息，再将字符边缘像素的跳变与模板字符集的跳变做匹配，找到匹配度最高的模板字符，进而获得字符的识别结果。这种基于跳变的字符识别，较好地解决了各种干扰下字符识别问题，可以有效克服各种干扰因素，保持较为稳定的高识别率。并且，由于对标准的canny算法做了简化，大大提高了识别的效率，减少了占用的系统资源，提高了识别速度。具体实施例方式本专利技术的方法是首先对车牌灰度图像进行字符分割，将车牌图像分为若干个字符区域，对每一个字符区域的灰度图像Icto重复以下操作，最终获得每个字符在预定模板字符集中的索引值Indexm,以此完成对所有字符的识别。其中，预定的模版字符集可以根据需要识别的车牌字符是数字、字母、汉字、字体等情况自定义(例如，可以包括各省简称，26个英文字母大小写，数字，根据需要还可以设定其他文字或其他语言)。具体对灰度图像Icto的处理步骤如下1.对Ichar求自适应阈值T2.对Icto采用Canny算法获取字符边缘图像IedgeI)采用3*3的模板，求当前像素点P上下、左右、两条斜对角线的梯度Gp G2, G3>G4，各梯度方向所对应的算子分别为HpHyHyH4本文档来自技高网...

【技术保护点】
一种车牌字符识别方法，将车牌灰度图像分割为若干字符区域，对每一个字符区域的灰度图像Ichar按照如下步骤顺序进行处理：A、对Ichar求自适应阈值；B、对Ichar采用Canny算法确定字符边缘图像Iedge；C、对上述字符边缘图像Iedge进行填充空洞；D、再次确定上述字符边缘图像Iedge的边界；E、对上述Iedge进行归一化处理；F、计算字符边缘的水平跳变序列SHori和垂直跳变序列SVert，并根据上述水平跳变序列SHori和垂直跳变序列SVert确定上跳变数密度Hop_DensityTop、下跳变数密度Hop_DensityBottom、左跳变数密度Hop_DensityLeft、右跳变数密度Hop_DensityRight，并进一步确定上下跳变数密度比Hop_DensityTop/Bottom和左右跳变数密度比Hop_DensityLeft/Right；G、将上述F步骤中确定的上述水平跳变序列SHori、垂直跳变序列SVert、上下跳变数密度比Hop_DensityTop/Bottom和左右跳变数密度比Hop_DensityLeft/Right与从字符模板集中读取到的当前字符模板的水平跳变序列SMHori、垂直跳变序列SMVert、上下跳变数密度比Hop_Density_MTop/Bottom、左右跳变数密度比Hop_Density_MLeft/Right进行一一匹配，找到匹配度最高的字符索引值，完成字符识别。...

【技术特征摘要】
1.一种车牌字符识别方法，将车牌灰度图像分割为若干字符区域，对每一个字符区域的灰度图像Idm按照如下步骤顺序进行处理 A、对Icto求自适应阈值； B、对Idm采用Canny算法确定字符边缘图像Iedge； C、对上述字符边缘图像Iedge进行填充空洞； D、再次确定上述字符边缘图像Iedge的边界； E、对上述Iedge进行归一化处理； F、计算字符边缘的水平跳变序列Stoi和垂直跳变序列SVOTt，并根据上述水平跳变序列Stoi和垂直跳变序列Svert确定上跳变数密度H0p_DenSityT()p、下跳变数密度Hop_DensityB()tt()m、左跳变数密度Hop_DensUyljeft、右跳变数密度Hop_DensityKight,并进一步确定上下跳变数密度比Hop_DensityT()p/B()tt()m和左右跳变数密度比Hop_DensityLeft/Kight ； G、将上述F步骤中确定的上述水平跳变序列Sto1、垂直跳变序列Svert、上下跳变数密度比H0p_DenSityT()p/B()tt()m和左右跳变数密度比H0p_DenSity^ft/Kight与从字符模板集中读取到的当前字符模板的水平跳变序列SMto1、垂直跳变序列SMvert、上下跳变数密度比Hop_Density_MT()p/B(rtt()m、左右跳变数密度比Hop-Density-Mljeftmght进行--匹配，找到匹配度最高的字符索引值，完成字符识别。2.如权利要求1所述的车牌字符识别方法，进一步包括在上述步骤B中采用canny算法获取字符边缘图像，具体为 B1、采用3*3的模板，求当前像素点P上下、左右、两条斜对角线的梯度Gp G2、G3、G4，各梯度方向所对应的算子分别为H1H2H3H4 :3.如权利要求2所述的车牌字符识别方法，进一步包括上述步骤C中对字符边缘图像Irate填充空洞的方法为 C...

【专利技术属性】
技术研发人员：李红波，范高生，
申请(专利权)人：四川九洲电器集团有限责任公司，
类型：发明
国别省市：