车牌识别关键技术的研究与实现

车牌识别是指通过计算机视觉、图像处理与模式识别等方法从车辆图像中提取车牌字符信息,从而确定车辆身份的技术。车牌识别分为车牌定位、字符分割、字符识别三大部分。车牌定位是一个难题：车牌区域在整幅图像中所占比例很小,车牌的颜色、大小、位置也不确定,并且定位算法要能够克服不同光照和复杂背景的影响,还要兼顾准确性和实时性,因此快速准确的定位车牌是比较困难的。本文通过车牌的纹理和颜色特征,采用粗定位和细定位相结合的方法进行识别。     

基于纹理特征的动态车牌识别二次快速定位技术研究

提出了一种基于车牌区域纹理特征的二次车牌定位算法。算法对图像进行预处理,将图像由彩色图像变为含有边缘跳变点的二值图像,利用车牌区域和背景区域的粗纹理特征在能量谱中的分布特点对其进行初次定位,依据车牌区域跳变点分布的数量统计值对其进行二次准确定位。用Radon变换将部分有倾斜角度的车牌区域进行水平校正,得到最终的车牌定位图。实验结果表明,该定位技术有效的抑制了各种复杂背景带来的诸多干扰,定位区域更加准确,定位图像更加清晰,实用性更强。     

基于灰度方差和边缘密度的车牌定位算法

在车牌定位的过程中,由于光照变化、视点和距离变化、车辆运动、复杂背景等原因,摄像机很难获取到高质量的图像.为了克服这些问题对以后的车牌定位算法的影响,提出了利用车牌区域的性质来进行车牌定位的新算法.车牌区域具有在一定范围内灰度方差近似相等和边缘密度近似相等的性质,利用这些性质来增强车牌区域.为了定位车牌区域,提出基于车牌区域边缘密度性质的匹配滤波器,该滤波器可以有效地提取出所有候选目标.利用形态学和先验知识进行目标真实性验证.通过对不同环境条件下获取的700幅图像进行实验,实验结果表明该算法有效地提高车牌区域的图像质量且车牌目标定位准确率达到98.4%,验证了算法的有效性和鲁棒性.     

基于视频流的车牌识别研究及系统设计

该文深入研究从视频流中提取运动车辆进行车牌识别的问题,提出了一种车牌识别算法,根据该算法开发了基于MFC的视频流车牌识别可视化系统。算法采用三帧差分与背景消减相结合的方法提取含有运动车辆的关键帧,对关键帧进行灰度化,采用Sobel算子进行边缘检测,融合形态学处理对关键帧进行去噪,从而实现车牌的定位,用投影法结合字符特征对车牌字符进行精确分割,采用BP神经网络算法提取字符特征,输出字符识别结果,由此完成车牌字符识别。通过对50组不同的车辆视频进行检测识别,识别率(包含汉字)达到96%以上。     

基于图像处理的车牌定位算法研究

车牌定位就是从含有车牌的复杂背景图像中提取出车牌区域。车牌定位是车牌识别的关键环节。近年来许多国家投入了大量财力和经历去研究车牌定位算法。尽管如此,目前国内还没有一个完善通用的车牌定位算法。文章对传统的车牌定位的算法进行了比较和分析,介绍了最新的车牌定位算法。     

基于特征颜色边缘检测的车牌定位方法

本文提出了一种基于特征颜色边缘检测的车牌定位算法.通过分析局部区域内指定颜色的分布特征,使车牌颜色和纹理特征的提取同时进行,而且只检测出车牌内两种颜色之间的边缘,而大量无用的边缘被忽略,极大地减轻了后续处理工作的难度,缩短了定位时间,同时成功定位率也有所提高.     

基于统计边缘跳变次数的车牌定位算法

简要描述了车牌识别系统的总体结构,并在研究了经典图像分割和定位算法后,提出了一种简单实用的车牌定位算法,即“基于统计边缘跳变次数的车牌定位算法”。实验结果表明,该算法在应用仿真中取得了良好的效果。     

基于K-L展开式的车牌倾斜校正方法

在车牌识别系统中,为提高后续字符分割和识别的效果,需要对定位后的车牌图像进行倾斜校正.本文提出了一种基于Karhunen-Loeve展开式的车牌倾斜校正方法.首先对车牌图像进行垂直边缘检测;然后利用K-L展开式推导出垂直边缘点在最小均方误差意义下的特征直线,由此确定车牌的倾斜角度;最后通过双线性插值方法校正车牌.文中给出了实验结果,并与车牌倾斜校正的Hough变换法、旋转投影法进行了精确度、算法复杂度及运算时间的比较,结果表明,本文提出的方法精确度高、复杂性低、鲁棒性好、实时性强.     

车牌照识别系统设计

车牌自动识别系统可以分为图像采集、图像预处理、车牌定位、车牌预处理、字符分割、字符识别几大部分.每个模块即相互关联的,又有其自身的特点和技术.车牌定位是车牌识别的基础,本文采用水平和垂直的车牌定位算法;车牌字符的分割是进行单个字符识别的前提,本文采用一种垂直投影的字符分割方法;字符识别采用了BP神经元网络的方法.     

基于小生境改进粒子群算法的几何约束求解

几何约束问题可以等价为求解非线性方程组问题。几何约束问题先被转化为一个优化问题。采用基于小生境改进粒子群优化算法来求解该优化问题。由于经典粒子群优化算法容易陷入局部最优,出现早熟现象。为此,基于小生境原理,提出一种小生境改进粒子群优化算法(niche improved particle swarm optimization,NIPSO)。该算法在进行速度和位置更新后,根据小生境数确定个体历史最好位置中的孤立点。然后对所有个体历史最好值差于孤立点值的粒子使用交叉和选择算子进行更新。实验表明,该方法可以提高几何约束求解的效率和收敛性。