数字图像处理应用于车辆牌照识别的研究

探讨了将数字图像处理技术应用于机车车辆牌照识别的基本方法.在图像预处理部分,选用灰度差倒数加权平均算法对源图像进行滤波处理;应用分段线性变换算法增强图像对比度.通过边缘检测算法对车辆牌照进行准确地定位及对文字进行分割,完成对车牌上的字符的识别是利用各个字符的图像和字体的特征值,对其中每个字符进行有效、准确的识别.     

基于图像处理技术的车牌识别研究

随着我国公路交通事业的迅速发展,智能交通管理系统已成为了人们关注的焦点问题。车辆牌照识别系统作为智能交通管理系统的一部分,在现实生活中有着广泛的应用。本文对车辆牌照识别系统中的主要部分进行了研究,其中车牌图像预处理部分包括空间平滑滤波、图像锐化等过程;车牌图像定位采用了基于车牌色彩特征的车牌定位法,并使用Radon变换进行车牌图像的矫正;车牌字符分割采用灰度投影和阈值分割的方法;车牌图像识别采用模板匹配的方法。使用MATLAB软件构建识别系统,经过实验测试,该系统实现了对机动车牌照的准确识别。     

基于FPGA的车牌识别算法研究

车牌自动识别系统在实现智能交通系统方面发挥着重要作用,整个系统包括车牌定位、字符分割和字符识别三部分.本设计先确定车牌在获取图像中的具体位置,从而把车辆牌照定位出来,进而对车牌用局部投影的方法进行字符分割,最后采用模板匹配法进行车牌字符的识别.本文提出的方法具有实时采集视频图像,车牌定位准确,分割及识别效率高的优点.     

车牌识别系统中的车牌定位算法研究

汽车牌照识别技术（LPR）是智能交通系统（ITS）的重要组成部分,该系统能从一幅图像中自动提取车牌图像,实时准确地自动识别出车牌的数字、字母及汉字字符,使得车辆的电脑化监控和管理成为现实,而在LPR中首先必须实现的就是车牌定位。本文主要利用边缘检测算法和旋转投影法来进行车牌定位。利用边缘检测算法寻找车牌边缘,利用旋转投影法寻找车牌倾斜角度,进行精确定位。     

基于车牌识别技术的双车道一体化智能道闸系统设计

对基于车牌识别技术的双车道一体化智能道闸管理系统的软硬件进行了设计.系统采用地感线圈检测车辆并对监控相机进行触发,使获取到的车辆图像清晰、牌照位置突出;然后通过对车辆图像的预处理、牌照定位和提取、校正、车牌字符分割、归一化处理,实现汉字、字母和数字字符的识别;最后将识别结果和数据库中的预存信息进行比对并根据比对结果输出反馈控制信号,实现道闸的全自动智能控制.系统采用单主机双车道同步监控,同时具备车型预识别功能,并根据车型识别的结果进行车辆图像的分类存储和查询,进一步提高了系统的实用性,具有很重要的现实意义.     

高速公路收费系统图像识别技术的研究

本论文主要完成对于车辆牌照的图像识别,车辆牌照的识别是基于图像分割和图像识剐理论,对含有车辆号牌的图像进行分析处理,从而确定牌照在图像中的位置,并进一步提取和识别出文本字符。识别步骤概括为：车牌定位、车牌提取、字符识别。     

基于Matlab的车辆牌照识别系统

介绍了一种基于Matlab的车辆牌照识别系统,采用基于灰度跳变的定位方法,先对图像进行预处理,再用CAN-NY算子做边缘检测、开闭运算子和车牌长宽比特征识别以实现车牌的定位,最后用二次水平投影分析和阈值技术有效检测了车牌图像的上下左右边框、旋转角度,从而准确实现车牌字符的分割.     

基于图像处理的车牌定位方法的研究

对智能交通系统的核心技术——汽车牌照识别技术进行了研究,在图像处理技术的基础上,着重研究了车牌区域定位技术,分析了目前有代表性的车牌定位方法,介绍了利用粒子图像测速关联PIV（Particle Image Velocimeter）算法原理,提出了一种采用车牌字符笔画2个边缘互相关值最大的方法进行车牌定位的算法,准确而快速地检出了车牌区域,为后续车牌字符识别打下了很好的基础。     

关于高速公路收费系统车牌识别技术的研究

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。     

基于改进倾斜校正算法的车牌识别技术

随着计算机图像处理技术的发展,车牌识别已经成为计算机图像处理技术的重要研究方向和广泛应用领域之一,车牌识别技术在智能交通系统中显得尤为重要.基于改进倾斜校正算法的车牌识别的算法,对含有车辆牌照的图片进行图像滤波、图像增强、车牌定位、车牌的字符分割和字符识别.对车牌定位技术和车牌倾斜校正技术进行改进,以应对复杂的环境变化.实验表明,车牌的识别率有明显的提升.     

一种复杂背景下的多车牌图像分割与识别方法

提出一种复杂背景下的多车牌图像分割和知识方法，采用统计和特征匹配相结合的方法去除待识别图像中的背景，提取可能存在车辆的区域；分别对可能的车辆区域进行局部边缘检测，并使用车牌的先验知识确定车牌的位置和单个字符分割，包括车牌倾斜时的字符分割，使用PCA和BP神经网络相结合的方法精确识别车牌，实验结果表明，该方法对复杂背景下多车牌的分割和识别是有效的。     

基于Faster R-CNN的车牌识别算法

针对传统车牌检测方法定位不准确、检测结果易受环境影响的问题,提出一种基于Faster R-CNN和Inception ResNet_v2的车牌检测算法:通过迁移学习的方式实现精确的车牌定位,用像素点统计法处理车牌图像,实现单个字符的有效提取;mLeNet5卷积神经网络模型用于对单字符进行识别。结果表明,算法对有遮挡及角度倾斜的车牌字符能实现高效、高精确度的识别.      

多特征与BP神经网络车牌识别系统研究

汽车牌照识别技术是智能交通管理系统中的关键技术;基于数字图像处理理论,将计算机视觉与模式识别技术相结合,对车辆牌照识别系统进行了研究。为了提高系统车牌识别能力,提出了一种综合颜色特征和投影特征相结合的车牌定位方法。字符分割采用了投影法;字符特征选取了互补性强的粗网格特征、投影特征以及外围轮廓特征;最后采用BP神经网络进行车牌字符识别。对车牌字符的识别分为汉字、字母及字母数字三类进行。实验表明,多种图像处理技术与模式识别技术有机结合能有效地提高系统的识别能力;本系统所采用的方法取得了较好的识别效果。     

基于改进特征提取的BP神经网络车牌识别

车辆牌照的自动识别是计算机视觉与模式识别技术在智能交通领域的重要应用．为提高车牌字符识别系统对字符的整体识别能力,对车牌上的汉字与数字字符做分类处理,利用粗网格、边框和笔划密度方法更好地提取识别对象特征,最后采用BP神经网络进行字符识别．实验表明,本文所采用的方法能达到较好的识别效果,说明多种特征提取方法和神经网络识别技术的有机结合能显著提高系统性能．     

基于字符笔画斜率特征的车牌识别算法研究

车牌字符识别是车牌智能识别系统中的关键技术之一,为了提高车牌字符识别准确率和实时性,提出了一种基于车牌字符笔画斜率特征的字符识别算法,新算法在对准确分割后的车牌字符图像进行归一化、二值化和细化等预处理后,提取车牌字符笔画像素点的斜率值,再将斜率值构造成识别向量,进而通过计算特征向量的夹角值实现待识别字符与标准模板字符的相似度判断;实验结果表明,新的算法与已有的传统字符识别算法相比,既提高了识别准确率,又降低了识别耗时,结果满足实际工程应用需要.     

基于Adaboost和SIFT-SVM的两阶段车牌检测

车牌识别技术是智能交通系统中研究的重要课题之一,车牌检测是整个车牌识别系统至关重要的一步,决定着最终的识别率。该文主要研究了车牌检测技术,应用了一种分两阶段的方法来检测现实生活中的车牌图像。车牌检测(LPD)过程中,可能牌照的字符区域的初始集合,首先由第一级分类器分离,然后传递到第二级分类器来排除非字符区域。36个Adaboost分类器作为第一阶段分类。在第二阶段,从训练子窗口得到的SIFT特征描述符训练了SVM。结果得到了可观的准确率和召回率。     

车牌识别系统中若干问题的探讨

研究机动车牌照自动识别系统设计中,车牌区域的检测和牌照字符的分割,以达到对字符的区别。实验证明,利用车牌的纹理特征和形状特征检测车牌区域具有较高的准确性,算法的实现以边缘检测技术和数学形态学为基础。字符分割受车牌倾斜角度的影响较大,在运用Hough变换检测出车牌水平和垂直倾斜度后,再对字符进行分割,具有较好的效果。     

汽车牌照字符分割的自适应算法

本文提出一种针对汽车牌照字符分割的自适应算法.该算法首先对获取的彩色车牌图像进行灰度化、灰度拉伸、边缘检测、Hough 变换、旋转变换、二值化等一系列处理,以突出车牌文字、矫正车牌位置;然后对预处理结果的水平投影进行削峰填谷操作,以获得车牌字符的上下边界,再对上下边界内子图像的垂直投影进行削峰填谷操作,以获得车牌每个字符的左右边界.进而最终确定车牌每个字符的具体位置.实验结果表明该方法字符分割准确、运算速度快、适应能力强,有很好的实用性.     

基于神经网络的汽车牌照自动识别

介绍行驶车辆牌照自动识别系统基础上 ,对所获取的车辆正面车头图象 ,采用了多层次分割算法来定位车牌照 ,从图象背景中分离出牌照 ,再采用一种阴影掩膜技术对单个英文字母及阿拉伯数字进行编码 ,提取字符特征 ,并进而用BP网络进行识别。整个算法简单 ,识别率可达 96%。     

基于并行特征匹配的车牌定位与识别算法

针对智能交通系统中车牌定位速度慢,信息识别准确度低的问题,提出了一种高性能的车牌定位及字符识别算法.进行车牌图像预处理,在彩色图像中搜索边缘密度快速突起的矩形域,在搜索后的矩形区域内采集相似走向的双边曲线,筛选出双边走向具有突出相似特征的区域,以此定位出包含字符的真实车牌区域,通过改进的神经网络模型进行多模板同位权值匹配,将待匹配模板逐层剔除,接着进行相似模板的异位权值匹配,准确识别出车牌图像里的字符信息.该算法抓住了车牌的矩形特征和字符具有的并行双边走向的重要特点,利用新型的同异位并行模板剔除方法,提高了车牌定位的速度和字符识别的准确度.