[发明专利]一种基于模板匹配的字符识别方法

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，具体涉及模板匹配识别，本方法用于对图像中的字符进行识别，从而将图像信息转化为文字信息。

背景技术

字符识别是许多智能系统的关键组成部分。例如在车牌识别系统中，字符识别是最后一步。字符识别属于模式识别范畴，现有的模式识别在理论、方法与实践方法的成果，为字符识别提供了丰富的解决方法。

从统计模式识别的观点来看，字符的识别实际上一个模式分类的问题。国内外学者提出了许多不同的识别方案，大致可分为基于分类器的识别方法和基于模式/模板匹配的方法。

从公开的论文来看，利用分类器进行识别的方法可以获得较好的识别结果。例如有D.Llorens等人提出的“Car License Plates Extraction and Recognition Based on Connected Components Analysis and HMM Decoding”。但是分类器的方法需要大量的学习样本进行训练。同时，像ANN这样的分类算法存在收敛性和过学习的问题。

模板匹配算法适用于没有旋转角的固定大小的单字符识别。通常采用的是对二值图像进行匹配。P.Comelli等人在文献“Optical recognition of motor vehicle license plates.”中提出了模板匹配在字符识别中的应用。

从实时性、算法复杂性等角度考虑，模板匹配算法能够满足字符识别的任务。但是模板匹配也有其缺陷，即对同一类字符在不同图像中的尺度多变性以及光照多变性敏感，容易产生匹配偏差，因此，需要加入特殊处理手段。这也是在本发明中，着重解决的问题。

发明内容

针对现有技术存在的上述问题，本发明提出一种基于模板匹配的字符识别方法，该方法在传统的模板匹配算法基础上，加入多尺度和位移变换，以解决实际场景中存在的字符多样性问题。

为了实现上述目标，本发明采用了如下技术手段：一种基于模板匹配的字符识别方法，其特征在于，该方法包括下述步骤：

(1)获取待识别的单个字符图像；

(2)首先获取待识别的字符图像中字符的原始尺度，并在原始尺度的基础上分别增加和减少F个像素作为两个新的尺度，分别以原始尺度和两个新的尺度在原始图像中截取包含字符的子图像，得到三个子图像；F的取值范围为1～3；

(3)对步骤(2)得到的三个子图像进行二值化；

(4)对步骤(3)中得到的二值化处理后的图像进行归一化，得到字符的三幅二值图像；

(5)将步骤(4)中得到的归一化后的同一字符的三幅二值图像分别与模板库中的每一个标准模板字符图像进行模板匹配，得到相关系数值；

(6)将步骤(5)中得到27个相关系数值按大小进行排序，选择最大的相关系数值对应的标准模板字符图像，以该标准模板字符图像所对应的字符类别作为待识别字符图像的字符类别，完成识别过程。

在实际应用中，本发明具有如下有益效果：

1、本发明采用的模板匹配方法，通过计算待识别字符与标准模板字符图像之间的相关系数值来度量它们的相似程度。相对于利用分类器识别的方法，不需要采集大量的字符样本，同时对不同的字符有较好的适应性；

2、本发明的字符识别方法中，采用多尺度和多位移的模板匹配，相对于传统的模板匹配，克服了字符的尺度和位置的多样性带来的匹配误差，对实际场景的复杂性较为鲁棒；

3、本发明的字符识别方法中，采用了局部OTSU阈值分割，相对于传统的全局OTSU阈值分割，能够较完整地提取字符区域，从而可以得到更为准确的相关系数值；

4、本发明的字符识别方法，由于采用了模板匹配的算法，因而实时性较好，能应用于对实时性要求较高的工程项目中。

附图说明

图1是本发明方法的流程示意图；

图2是字符上下文尺度推断流程图；

图3是局部OTSU分割子区域选取；

图4是全局OTSU分割与局部OTSU分割结果对比；

图5是本发明方法流程图。

具体实施方式