[發明專利]一種基于SIFT算子和混沌遺傳算法的車牌字符識別方法

有效

• 申請號: 201710429590.3
• 申請日: 2017-06-09
• 公開（公告）號: CN107358231B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 田原嫄;姚萌萌
• 申請（專利權）人: 東北電力大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06K9/62;G06N3/12
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 崔自京

1.一種基于SIFT算子和混沌遺傳算法的車牌字符識別方法，包括漢字識別，所述漢字識別包含兩個步驟：提取SIFT算子特征形成字符特征的關鍵點；將形成的字符特征的關鍵點與車牌漢字的模板匹配進行漢字識別，其特征是：還包括數字字母識別，具體步驟如下：

1)提取SIFT算子特征，形成字符特征的關鍵點；

2)將形成的字符特征的關鍵點與車牌漢字的模板匹配進行漢字識別；

3)采用十三點法提取數字字母特征；

4)數字字母特征的識別；

5)漢字識別和數字字母識別組合形成車牌號碼識別；

所述步驟4)的數字字母特征采用支持向量機識別，包括以下步驟：

(1)采用徑向基核函數生成支持向量機，徑向基核函數見下式：

K(x,x_i)＝exp{-||x-x_i||²/2σ²} (9)

式中：exp表示以自然常數e為底的指數函數；x表示像素點在x方向坐標；x_i表示第i個像素點在x方向的坐標；σ表示核參數；

(2)用混沌遺傳算法優化確定懲罰因子C和核參數σ；

(3)進行支持向量機分類設計，以確定三類分類器；

(4)將步驟(2)優化的懲罰因子C和核參數σ導入支持向量機的三類分類器進行識別；

所述步驟(2)用混沌遺傳算法優化懲罰因子C和核參數σ包括以下步驟：

①確定適應度函數

以公式(9)的徑向基核函數為適應度函數；

②初始參數設定

確定運行參數和種群規模M；

采用二進制編碼，選擇C∈[1,100]為整數，σ∈[0.0001，1]，懲罰因子C和核參數σ的參數組用21位二進制數表示，其初始種群的群體規模為80；

最大迭代次數為n＝100；

交叉概率P_c為0.8；

變異概率

其中L為染色體長度；

③Logistic混沌映射產生初始種群

Logistic混沌映射，其產生初始種群映射方程為：

x_n+1＝μx_n(1-x_n)n＝0,1,2…(11)

式中，x_n表示迭代n次后個體的相對個數，μ是控制參量，取時，方程迭代運動軌跡將處于完全混沌運動狀態；

④利用支持向量機算法計算個體適應度

個體適應度定義為如下公式：

⑤對種群進行交叉操作

將種群內個體兩兩隨機組合，對每個配對的組合，首先由系統隨機生成一個(0,1)之間的數，由交叉概率決定是否交叉，若交叉，則采用映射生成的序列經簡單映射后利用高斯函數來決定交叉位置，否則，匹配下一對組合，所有的交叉位置由一個混沌序列即可決定；

⑥對當前種群進行變異運算

首先由隨機生成的數與變異概率來決定是否發生變異，給Logistic映射賦予n個微小差異的初值，將生成n個混沌序列；

⑦滿足停止條件則獲得最優化的支持向量機懲罰因子C和核參數σ的組合參數；

⑧解碼得到最優化的懲罰因子C和核參數σ；

⑨對于步驟④計算出的個體適應度如果不滿足停止條件，需要重新選擇和計算；

所述步驟④計算出的個體適應度不滿足停止條件、需要重新選擇和計算，其步驟包括：

a、混沌初始化種群

首先隨機產生一個初始向量，X_i＝(x_i1,x_i2,…x_im)，將X_i根據Logistic映射公式得到隨機初始化種群：

將N個向量X₁,X₂,…X_N變換到目標優化函數要求初始變量的取值范圍區間，得到N個初始變量作為初始種群，記為種群個體數量；

b、混沌交叉

用混沌序列來控制交叉操作的頻率，具體操作如下：采用混沌交叉映射公式：

x_n+1＝4x_n(1-x_n) (14)

任取一個初值x₀，可以產生一個迭代序列，這個序列的特點是在[0,1]之間變化，顯然，可以將x_n+1作為一個隨機開關，當x_n+1大于預先所選定的值時，就進行交叉操作；反之，則不交叉，即：

上式中p是預先選定的值，取0.5；

c、混沌變異

在簡單的遺傳算方法中，變異概率p_m的選取是隨機的，或者由產生的混沌序列來控制變異操作的進行；

d、復制父代群體和新群體中優秀個體進入下一代。