一种图像处理领域的结合序列图像超分辨率重建的车牌识别方法及系统，首先对视频图像采用基于L1和L2混合范式的超分辨率重建算法对视频进行预处理，重建出清晰可辨的高分辨率图像；然后对高分辨率图像进行车牌定位：首先利用HSV颜色空间上结合大津法对车牌进行定位，然后利用垂直投影法对定位出的车牌进行字符分割，得到单个字符；再利用字符的HOG特征信息生成训练集，采用SVM方式对分割出的字符进行识别，得出车牌字符串。本发明专利技术可以在低分辨率视频中准确识别车牌；解决了视频中分辨率低情况下字符识别率低的问题。
【技术实现步骤摘要】
本专利技术涉及的是一种图像处理领域的技术，具体是一种结合序列图像超分辨率重 建的分辨率低于256*256的图像车牌识别方法及系统。
技术介绍
车牌识别技术在智能交通管理系统中占有至关重要的地位。在交通管理系统中起 到维持道路交通安全运行的重要作用。它的一般处理流程是：车牌定位，字符分割，车牌字 符识别。然而，随着监控系统的迅速普及也伴随着大量不同分辨率图像的产生，车牌识别系 统的发展速度远跟不上监控系统采集信息的速度。大多数监控采集视频后无法进行深层的 处理也不能得到更多有用的信息。海量监控视频数据的有效利用变得可望而不可即。为了 降低设备成本，大多数摄像头采集的图像分辨率较低。即使监控设备的分辨率较高，在大 风，暴雨，雾霾等恶劣天气条件下也会使得视频清晰度较低。低分辨率的图像清晰度无法满 足车牌识别中对图像细节信息的清晰度要求，使得现有绝大多数车牌识别系统无法正常识 另IJ。所以对序列低分辨率图像的车牌识别技术研宄就变得尤为重要。 传统的车牌识别技术识别对象是单幅照片图像或序列图像中单幅图像。这样对于 分辨率较低或大风、暴雨、雾霾等恶劣天气下传统的车牌识别技术是无法正常应用的。而序 列图像的超分辨率重建技术运用于车牌识别上恰恰解决了清晰度较低引起车牌识别能力 降低的问题，可以完成对低分辨率视频的车牌识别。 LinweiYue,HuanfengShen，QiangqiangYuan，LiangpeiZhang于 2014 年 6 月 在SignalProcessing上发表了一篇名为"AlocallyadaptiveL: -L2normformulti-framesuper-resolutionofimageswithmixednoiseandoutliers"的文章中提出了 结合LdPL2范式混合模型的自适应超分辨率重建方法，文中采用的是一般图像加入不同的 噪声进行实验，该技术对低分辨率图像的去模糊处理，对图像中自然噪声滤除。 JonAlmazdn，AlbertGordo，AliciaForn6s，ErnestValveny;于 2014 年 6 月 在PatternRecognition上发表了一篇名为"Segmentation-freewordspottingwith exemplarSVMs"的文章中提出了利用滑动窗口中的HOG信息对文档中单词进行分割和识 另IJ，利用SVM分类器提高手写文本和机器书写的文本的识别率，其与本文算法将H0G特征应 用于车牌字符特征中，有一定针对性，对象中的字符数为34个，包含10个数字和24个字母 (字母I和0除外）。 Bing-FeiWu，Hao-YuHuang，Yen-LinChen* ;等人 2013 在 "International ConferenceonNetworking,SensingandControl(ICNSC2013) " 会议上发表的文章 "DegradedLicensePlateRecognitionsystemfortownbusesonhighway" 中提出了 一种退化车牌识别系统。该系统是采用了台湾地区高速交通路口收费站的降质车牌图像进 行车牌识别的，车牌定位和识别均是提取H0G特征送入SVM进行训练得到分类器的方法，再 利用降质图像进行车牌定位和识别实验。实验中方法对部分缺失图像有一定定位和识别作 用，但实验中训练样本和测试样本相同说服力不强。文中利用了H0G和SVM的方法对车牌 区域和车牌字符分别进行训练得到两个训练库，分别用来车牌定位和字符识别。其车牌训 练库的定位方法得到的定位时间比直接用HOG和SVM进行定位时间有所减少。该技术针对 序列低分辨率图像无法提取出有用的HOG信息，进而导致识别效率很难提升。 中国专利文献号为：CN102880859A，公开日：2013. 01. 16,专利技术名称为："一种车牌 识别方法"中公开了一种车牌识别的方法，该方法基于获取的单幅图像对车牌进行定位，得 到车牌区域后，对定位后区域进行超分辨率重建，然后进行字符分割和字符识别。该技术分 辨率较低情况下单幅图像进行超分辨率后得到高分辨率图像，其信息不足以提供车牌识别 所需要的信息，直接导致车牌识别率的降低。 中国专利文献号为<附03489173^，公开日：2014.01.01，专利技术名称为："一种视 频图像超分辨率重建方法"中公开了一种视频超分辨率重建方法。具体方法如下；1)需要在 相同场景下获得的多幅低分辨率图像，手动选取出所需视频的连续序列帧，得到静态图像 文件，结合场景参数，选择一个象元内连续多帧的亚像素图像；2)根据序列图像之间存在 亚像素级精度位移，选择目标兴趣点，并进行块状目标的运动估计；3)根据运动估计结果， 采用非均匀内插的重建算法，重建一副高分辨率图像。该技术利用的非线性内插将图像进 行了局部增强，配准准则中利用图像块具有相同的形状特点，当对图像进行内插时，可能造 成目标区域的错误判定，对局部增强可能造成噪声信息叠加，得到适得其反的效果。
技术实现思路
本专利技术针对现有技术存在的上述不足，提出一种结合序列图像超分辨率重建的车 牌识别方法及系统，可以在低分辨率视频中准确识别车牌；解决了视频中分辨率低情况下 字符识别率低的问题。 本专利技术是通过以下技术方案实现的： 本专利技术涉及一种基于结合序列图像超分辨率重建的车牌识别方法，通过从低分辨 率视频中提取序列图像，序列图像超分辨率重建，HSV车牌定位，字符分割，H0G和SVM相结 合的字符识别，输出车牌字符。 所述识别方法具体包括以下步骤： 第一步、对视频图像采用基于LdP1^2混合范式的超分辨率重建算法对视频进行预 处理，重建出清晰可辨的高分辨率图像； 第二步、对高分辨率图像进行车牌定位：首先利用HSV颜色空间上结合大津法对 车牌进行定位，然后利用垂直投影法对定位出的车牌进行字符分割，得到单个字符； 第三步、利用字符的H0G特征信息生成训练集，采用SVM方式对分割出的字符进行 识别，得出车牌字符串。 本专利技术涉及一种实现上述方法的系统，包括：超分辨率模块、车牌字符提取模块、 梯度SVM分类模块，其中：超分辨率重建模块与低分辨率图像采集装置相连并传输视频图 像信息，车牌字符提取模块与超分辨率重建模块相连并传输重建得到的高分辨率图像信 息，梯度SVM分类模块与车牌字符提取模块相连并传输字符图像信息。 技术效果 与现有技术相比，本专利技术能完成在监控设备分辨率较低或大风、大雨、雾霾等恶劣 条件造成的图像清晰度较低下对车牌进行定位分割并且识别出车牌字符。对于普通超分辨 率重建方法无法完成定位的序列图像，本文方法能够较好的实现定位效果，并分割出单个 字符。利用梯度方向直方图信息和支持向量机的结合对字符进行识别，能够得到较好的识 别效果。【附图说明】 图1为本专利技术流程示意图。 图2为本专利技术胞元中梯度方向分块数。 图3为本专利技术SV当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于结合序列图像超分辨率重建的车牌识别方法，其特征在于，包括以下步骤：第一步、对视频图像采用基于L1和L2混合范式的超分辨率重建算法对视频进行预处理，重建出清晰可辨的高分辨率图像；第二步、对高分辨率图像进行车牌定位：首先利用HSV颜色空间上结合大津法对车牌进行定位，然后利用垂直投影法对定位出的车牌进行字符分割，得到单个字符；第三步、利用字符的HOG特征信息生成训练集，采用SVM方式对分割出的字符进行识别，得出车牌字符串。
【技术特征摘要】
【专利技术属性】
技术研发人员：吕晓琪，张奇，任国印，李银辉，谷宇，张明，
申请(专利权)人：内蒙古科技大学，
类型：发明
国别省市：内蒙古;15
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。