一种基于SIFT算法的车牌汉字识别方法

1.一种基于SIFT算法的车牌汉字识别方法，其特征在于它包含下列步骤：
(1)、将拍摄装置安装于公路路口、收费站、停车场或其它要求的位置，对车辆进行图像采集，得到含有车牌图像的原始图像；
(2)、制作车牌汉字模版图像，具体方法为事先对含有各种不同汉字的不同车牌进行拍摄，截取图像中的汉字部分，并将多个汉字图像进行有序排列，组成车牌汉字模版图像；
(3)、运用SIFT算法对车牌汉字模版图像进行处理，得到车牌汉字模版图像的SIFT特征点向量集合；
(4)、对步骤(1)中得到的含有车牌图像的原始图像进行车牌定位计算，得到一个或多个可能包含车牌的车牌候选区域图像；
(5)、对步骤(4)中得到的车牌候选区域图像进行处理：即根据实际情况截取车牌候选区域图像中的一部分作为待识别图像，待识别图像中只要包含车牌的汉字部分即可；
(6)、运用SIFT算法对步骤(5)中得到的待识别图像进行处理，得到待识别图像的SIFT特征点向量集合；
(7)、在步骤(3)中得到的车牌汉字模版图像的SIFT特征点向量集合和步骤(6)中得到的待识别图像的SIFT特征点向量集合中查找相互匹配的特征点，计算两张图像相对应的匹配特征点集合；
(8)、经过步骤(7)的计算后，如车牌汉字模版图像和待识别图像具有相互匹配的特征点，则转向步骤(9)；如车牌汉字模版图像和待识别图像中没有相互匹配的特征点则判断待识别图像不包含车牌，则从步骤(4)其它的车牌候选区域图像中截取待识别图像，对该待识别图像进行步骤(5)、(6)、(7)处理，直到处理完所有的车牌候选区域；
(9)、对步骤(7)中计算得到的车牌汉字模版图像的匹配特征点集合进行处理，根据匹配特征点在车牌汉字模版图像中的坐标位置，实现对待识别图像中的汉字识别。
2.根据权利要求1所述的基于SIFT算法的车牌汉字识别方法，其特征在于所述的车牌中汉字可以是全国全部或部分区域的代称或者包括有特殊代称。

一种基于SIFT算法的车牌汉字识别方法\n技术领域：\n[0001] 本发明属于智能交通技术领域，特别涉及车牌识别系统中车牌汉字的识别方法。\n背景技术：\n[0002] 车牌识别技术作为智能交通系统的核心和基础技术之一，是目前智能交通领域内研究的前沿和热点，该技术在车辆收费和管理、违章车辆监控、交通流量检测、停车场收费管理等具体实践中正得到越来越广泛的应用。\n[0003] 车牌识别系统在西方发达国家发展较早，其相关技术已日渐成熟，在实用化和产业化方面已做了大量的工作。但我国的车牌和国外车牌相比最大的区别在于我国车牌具有一个或多个汉字，而汉字的结构往往比字母和数字要复杂的多，如照搬国外车牌识别系统中用于字母和数字的方法对汉字进行识别，其正确识别率会大大降低，这也是目前国内车牌识别系统汉字识别率要低于字母和数字识别率的原因。而且在实际运用当中车牌汉字识别率还受到背景复杂度、倾斜程度、形变程度、遮挡情况、受污染程度、光照情况的较大影响。实现一种专门针对车牌汉字识别的，能够对具有复杂背景、较大倾斜角度、形变明显、有部分遮挡、表面具有污染、光照情况复杂的车牌中的汉字进行稳定识别的方法，具有重要的现实意义和较大的经济价值。\n[0004] SIFT(Scale Invariant Feature Transform)算法即尺度不变特征变换算法，是David G. Lowe在2004年总结了现有的基于不变量技术的特征检测方法的基础上，提出的一种基于尺度空间的、对图像缩放、旋转、仿射变换、光照变化保持稳定性的图像局部特征描述算子——SIFT算子。SIFT特征点向量的生成由以下四个步骤组成：1、在尺度空间中检测极值点；2、去除低对比度的极值点和不稳定的边缘极值点，得到特征点；3、计算特征点的方向参数；4、生成SIFT特征点向量，向量维数一般为128维。\n[0005] 运用SIFT算法提取的SIFT特征点向量具有如下优点：●SIFT特征是图像的局部特征，对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；●独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配；\n●多量性，即使少数的几个物体也可以产生大量SIFT特征向量。\n发明内容：\n[0006] 本发明利用SIFT算法的上述优点，针对车牌汉字识别的具体情况，提供了一种基于SIFT算法的车牌汉字识别方法，能够对复杂背景、倾斜、形变、污浊、部分遮挡、光线变化的车牌汉字进行有效识别。\n[0007] 本发明采用的技术方案：\n[0008] 一种基于SIFT算法的车牌汉字识别方法，其特征在于它包含下列步骤：\n[0009] (1)、将拍摄装置安装于公路路口、收费站、停车场或其它要求的位置，对车辆进行图像采集，得到含有车牌图像的原始图像；\n[0010] (2)、制作车牌汉字模版图像，具体方法为事先对含有各种不同汉字的不同车牌进行拍摄，截取图像中的汉字部分，并将多个汉字图像进行有序排列，组成车牌汉字模版图像；\n[0011] (3)、运用SIFT算法对车牌汉字模版图像进行处理，得到车牌汉字模版图像的SIFT特征点向量集合；\n[0012] (4)、对步骤1中得到的含有车牌图像的原始图像进行车牌定位计算，得到一个或多个可能包含车牌的车牌候选区域图像；\n[0013] (5)、对步骤4中得到的车牌候选区域图像进行处理：即根据实际情况截取车牌候选区域图像中的一部分作为待识别图像，待识别图像中只要包含车牌的汉字部分即可；\n[0014] (6)、运用SIFT算法对步骤5中得到的待识别图像进行处理，得到待识别图像的SIFT特征点向量集合；\n[0015] (7)、在步骤3中得到的车牌汉字模版图像的SIFT特征点向量集合和步骤6中得到的待识别图像的SIFT特征点向量集合中查找相互匹配的特征点，计算两张图像相对应的匹配特征点集合；\n[0016] (8)、经过步骤7的计算后，如车牌汉字模版图像和待识别图像具有相互匹配的特征点，则转向步骤9；如车牌汉字模版图像和待识别图像中没有相互匹配的特征点则判断待识别图像不包含车牌，则从步骤4其它的车牌候选区域图像中截取待识别图像，对该待识别图像进行步骤(5)、(6)、(7)处理，直到处理完所有的车牌候选区域；\n[0017] (9)、对步骤7中计算得到的车牌汉字模版图像的匹配特征点集合进行处理，根据匹配特征点在车牌汉字模版图像中的坐标位置，实现对待识别图像中的汉字识别。\n[0018] 所述的基于SIFT算法的车牌汉字识别方法，其特征在于所述的车牌中汉字可以是全国全部或部分区域的代称或者包括有特殊代称。\n[0019] 发明的优点：\n[0020] 本方法首次将SIFT算法用于车牌汉字识别中，与现有方法相比具有以下几个方面的优点：\n[0021] 1、无需对车牌汉字进行较精确的分割，只要待识别图像中包含待识别的汉字即可；\n[0022] 2、车牌汉字无需进行倾斜校正、二值化等预处理过程；\n[0023] 3、无需采集训练样本，工作量低，车牌模版图像制作简单，可根据需要灵活的加以变更；\n[0024] 4、可对复杂背景、倾斜、形变、污浊、部分遮挡、光线变化的车牌汉字进行有效识别。\n[0025] 5、在进行车牌汉字识别的过程中，自动包含了实现车牌候选区域分选的功能。\n附图说明：\n[0026] 图1为本发明的流程示意图。\n具体实施方式：\n[0027] 一种基于SIFT算法的车牌汉字识别方法，其特征在于它包含下列步骤：\n[0028] (1)、将拍摄装置安装于公路路口、收费站、停车场或其它要求的位置，对车辆进行图像采集，得到含有车牌图像的原始图像；\n[0029] (2)、制作车牌汉字模版图像，具体方法为事先对含有全国部分省市及武警军车的汉字简称的不同车牌进行高清晰度拍摄，截取图像中的汉字部分，并将多个汉字图像进行有序排列，组成车牌汉字模版图像；\n[0030] (3)、运用SIFT算法对车牌汉字模版图像进行处理，得到车牌汉字模版图像的SIFT特征点向量集合；\n[0031] (4)、对步骤1中得到的含有车牌图像的原始图像进行车牌定位计算，得到一个或多个可能包含车牌的车牌候选区域图像；\n[0032] (5)、对步骤4中得到的车牌候选区域图像进行处理：即根据实际情况截取车牌候选区域图像中的一部分作为待识别图像，待识别图像中只要包含车牌的汉字部分即可；\n[0033] (6)、运用SIFT算法对步骤5中得到的待识别图像进行处理，得到待识别图像的SIFT特征点向量集合；\n[0034] (7)、在步骤3中得到的车牌汉字模版图像的SIFT特征点向量集合和步骤6中得到的待识别图像的SIFT特征点向量集合中查找相互匹配的特征点，计算两张图像相对应的匹配特征点集合；\n[0035] (8)、经过步骤7的计算后，如车牌汉字模版图像和待识别图像具有相互匹配的特征点，则转向步骤9；如车牌汉字模版图像和待识别图像中没有相互匹配的特征点则判断待识别图像不包含车牌，则从步骤4其它的车牌候选区域图像中截取待识别图像，对该待识别图像进行步骤(5)、(6)、(7)处理，直到处理完所有的车牌候选区域；\n[0036] (9)、对步骤7中计算得到的车牌汉字模版图像的匹配特征点集合进行处理，根据匹配特征点在车牌汉字模版图像中的坐标位置，实现对待识别图像中的汉字识别。