[发明专利]一种基于MSER和SWT相结合的车辆车牌检测识别方法

说明书

技术领域

本发明属于模式识别与图像处理技术领域，具体涉及一种基于MSER和SWT相结合的车辆车牌检测识别方法。

背景技术

随着汽车数量不断增加，智能交通管理系统得到广泛应用，车牌识别是该系统的关键部分。车牌识别系统主要包括车牌定位、字符分割和字符识别三个部分。目前国内外常见的车牌定位算法主要基于纹理特征、颜色特征、边缘信息、变换域分析和形态学处理等；字符分割算法主要有投影法、连通域法和先验知识法等；字符识别方法主要有模板匹配法、神经网络法和特征提取法等。

目前提出的车牌检测识别算法大多针对特定拍摄角度、拍摄距离及光照条件好的应用场合，而针对多角度、变光照获取的复杂背景下车牌的有效检测识别方法较少。

基于此，Bo Li提出一种基于MSER分析的车牌识别方法，通过简单的MSER提取完成车牌粗定位，然后根据各MSER连通区域的几何关系和灰度等级等完成车牌精定位。这种方法较简单并可以将复杂环境下车牌检测出来，但MSER提取后只是利用连通域的几何关系和灰度等级来精定位复杂背景下的车牌，鲁棒性较差。

Chao Gou等提出基于极值区域和限制玻尔兹曼机的车牌检测识别方法，该方法在一系列复杂的预处理后进行极值区域提取，利用Adaboost筛选获取车牌区域后进行基于限制玻尔兹曼机的字符识别。该方法利用车牌字符相对稳定的区域特征，有效的检测出复杂环境中的车牌区域，但是预处理及后续筛选和字符识别都较复杂不易实现。

此外，Boris Epshtein等根据局部区域内的文本通常会有相似的笔画宽度这一特点，提出了SWT。该算法一定条件下可有效检测出复杂背景下的文本，但仍存在以下缺点：①需要计算每个像素点的梯度，然后沿着梯度方向或反方向查找边缘点对，算法时间长。②基于边缘像素点对确定笔画宽度，依赖字符边缘以及字符笔画的完整性，若字符边缘模糊或笔画不完整，很容易造成对候选区域的误删漏检。

发明内容

本发明针对车牌识别系统现存情况，在前人研究的基础上，提出一种基于MSER和SWT的车辆车牌检测识别方法。首先，利用MSER的仿射不变性、强稳定性以及对光照的适应性初步筛选车牌候选区域，做基于形态学操作的SWT，结合车牌几何特征完成车牌精定位；然后，将成功定位区域内的连通域进行分割校正；考虑到车牌字符汉字和数字、字母的差异性，提出复杂汉字与简单数字字母分类识别。目的在于提供一种具有较高的准确率和鲁棒性的车辆车牌检测识别方法，可以实现以多角度、变光照获取的复杂背景下车牌的检测识别。

为解决上述技术问题，本发明采用了如下技术方案：

一种基于MSER和SWT相结合的车辆车牌检测识别方法，用于对待检测图像中的车牌区域进行检测识别，其特征在于，包括：

步骤一，对待检测图像依次进行预处理、最大稳定极值区域MSER检测分割处理和笔画宽度变换SWT处理，得到车牌字符的候选区域后再根据车牌几何特征完成车牌定位；

步骤二，对定位后的候选区域进行分割校正处理和归一化处理，将经过上述处理后的所有车牌字符分别与模板中的字符进行匹配，根据匹配的结果识别出车牌区域内的所有的车牌字符所对应的字符信息，

其中，车牌字符包括汉字字符和数字、字母字符，模板包括汉字模板和数字、字母模板，步骤二的识别过程是：对于汉字字符，根据汉字字符与汉字模板中的汉字的匹配关系来进行匹配对应，对于数字、字母字符，根据数字、字母字符与数字、字母模板中的数字、字母的匹配关系来进行匹配对应。

本发明提供的基于MSER和SWT相结合的车辆车牌检测识别方法，还可以具有这样的特征：其中，步骤一包括以下子步骤：

步骤1.1，将待检测图像转换为灰度图像并进行对比度增强操作，提取对比度增强操作后的灰度图像中的MSER区域并进行边缘检测膨胀后对MSER区域进行分割，得到根据车牌字符特征筛选后的候选区域；

步骤1.2，在候选区域内做基于一系列腐蚀操作的笔画宽度变换SWT，并对得到的各个候选区域的笔画宽度值进行筛选；

步骤1.3，对经过笔画宽度过滤筛选得到的车牌字符的候选区域聚合，根据车牌几何特征对聚合后的区域实现车牌精定位。

本发明提供的基于MSER和SWT相结合的车辆车牌检测识别方法，还可以具有这样的特征：其中，步骤1.1包括以下子步骤：

步骤1.1.1，对待检测图像灰度化之后，进行非线性灰度变换，用于突出车牌区域得到对比度增强后的图像；

步骤1.1.2，对对比度增强后的图像进行MSER区域提取；