对粘连和缺损数字串分割的研究

把缺损和粘连的字符串分割成单个字符以便后续识别,是字符识别的关键问题之一.本文以货运列车车号为例,提出一种有效的分割方法.该方法以弧特征和变基准线区域分割为基础,引入了识别反馈分割策略.将其应用于实际运行的识别系统时获得了较高的正确分割率.     

基于字符综合特征的车牌字符分割算法

字符分割技术是车牌识别系统的关键技术之一。字符分割最主要的问题是字符粘连及车牌边框的影响。鉴于车牌字符具有布局规整,字符个数确定,字符大小一致、宽高存在规律等特征,文章提出一种将投影和字符间距相结合的基于字符综合特征的字符分割算法。实验证明该算法那对分割粘连字符具有较好效果。     

基于背景分析的手写数字切分方法

考虑到手写数字串的结构特点，提出一种以分析特定背景区域为主，针对具体粘连数字采用不同分割策略的切分方法。文中引入蓄水池的概念来形象描绘出背景区域中字符间的粘连部分，并从中抽取某些特征对字符的具体粘连形态进行了归纳分类。在分割过程中，根据字符的粘连类型选用不同的滴水算法来求得分割路径。实验结果表明了该方法对于手写数字分割的有效性。     

一种基于前端预测识别的粘连字符分割方法

在字符识别领域,对粘连字符的识别是一个被广泛关注的技术难点,未能准确分割粘连字符是产生识别错误的主要原因之一。在总结已有方法的特点及不足的基础上,提出了基于前端预测识别来分割粘连字符的方法。首先根据粘连字符图像的特征初步确定前端字符的候选字符集,并通过验证候选字符与前端字符图像匹配的必要条件进一步对其筛选,然后使用候选字符的屏蔽码自适应地提取前端字符图像,最后由分类器对提取结果加以验证,达到分割和识别粘连字符的目的。该方法可以适应多种类型的粘连字符,准确性高,且在字符图像质量较差时具有较强的鲁棒性。     

一种用于手写数字分割的滴水算法的改进

在分析传统滴水算法针对共用粘连字符分割存在不足的基础上,提出一种改进的渗漏过程.该方法首先对字符的笔划粘连部分利用距离变换提取出中心线,并通过计算字符笔划的倾斜角度来指导水滴在中心线上端和下端的渗漏方向,最终形成一条较长倾斜的分割路径,避免了因垂直分割而造成的字符断裂.实验结果中分割效果较好,表明该方法的有效性.     

基于字符分割和LeNet-5网络的字符验证码识别

为了解决传统验证码识别方法效率低,精度差的问题,设计了一种先分割后识别的验证码处理方案。该方案在预处理阶段用中值滤波去噪,再利用霍夫变换对图像字符进行矫正;在字符分割阶段,利用垂直投影算法确定验证码字符块个数,以及字符坐标点,再用颜色填充算法对验证码进行初步分割,根据分割后的字符块数量对粘连字符进行二次分割;在识别阶段,我们对LeNet-5网络进行了改进,修改了输入层,并用全连接层替换了LeNet-5网络中的C5层,以此来对验证码字符进行识别;实验表明,对于非粘连验证码和粘连验证码,单张图片分割时间为0.14和0.15ms,分割准确率为98.75%和97.25%,识别准确率为99.99%和97.7%;结果表明,该算法对验证码分割和识别都有着很好的效果。     

基于滴水算法的验证码中粘连字符分割方法

众多研究表明,如果能将验证码中的字符分割开来,用现有的机器学习算法一般都能取得比较好的识别效果。针对字符粘连情况下的验证码的识别问题,提出了一种粘连字符的分割方法。该方法将字符的宽度统计值和竖直投影直方图中的投影极小值点相结合找到分割点,以这些分割点作为滴水算法的起始滴落点对粘连字符进行分割。实验结果证明,该方法用于分割验证码中的粘连字符具有一般性,能够提高验证码识别率。     

投影和模板匹配相结合分割车牌字符

提出了一种解决断裂、粘连、污损和部分遮挡车牌字符的分割算法.结合字符牌照的特征,对校正后的车牌图像进行投影,处理断裂和粘连的字符,实现字符初次分割.在初次分割的基础上,设计匹配模板对初次分割下来的车牌图像进行模板匹配,寻求误差最小的模板对字符重新分割.实验结果表明,该方法自适应性强,有很强的鲁棒性,可以获得最优的分割效果.     

基于新模板的算法在车牌字符分割中的应用

针对以往车牌字符分割算法在复杂情况下分割准确率低的问题,提出了一种基于新邻域模板的连通域算法的车牌字符分割算法。采用基于新模板的连通域算法粗分割字符;通过自适应阈值投影法进行字符细分割;同时使用区域合并算法保证字符的完整性。实验结果表明,该算法将连通域法与投影法有效结合,能够同时解决汉字不连通、字符粘连和边框粘连等复杂情况,该算法对车牌字符进行分割正确率达99.5%。     

基于改进滴水算法的芯片图像粘连字符分割

为克服粘连字符对芯片字符识别的影响,提出一种基于改进滴水算法的粘连字符分割方法。在芯片图像进行必要的预处理后,提取单张芯片的标准字符信息,利用水平投影和连通域分析提取粘连区域。通过垂直投影和上下轮廓得到上下轮廓极值点;分别以粘连区域左右两端为起点,利用标准字符信息对极值点进行筛选,选取方差较小的一组作为候选分割点;通过分割点对应关系补齐遗漏的有效分割点;上下有效分割点分别作为水滴起始点和终止点,定义新的滴落路径对粘连字符进行分割。实验结果表明,该算法可有效解决芯片图像的字符粘连问题,并且在分割精准度上拥有良好的表现。     

基于单字符注意力的全品类鲁棒车牌识别

复杂场景下的高精度车牌识别仍然存在着许多挑战,除了光照、分辨率不可控和运动模糊等因素导致的车牌图像质量低之外,还包括车牌品类多样产生的行数不一和字数不一等困难,以及因拍摄角度多样出现的大倾角等问题.针对这些挑战,提出了一种基于单字符注意力的场景鲁棒的高精度车牌识别算法,在无单字符位置标签信息的情况下,使用注意力机制对车牌全局特征图进行单字符级特征分割,以处理多品类车牌和倾斜车牌中的二维字符布局问题.另外,该算法通过使用共享参数的多分支结构代替现有算法的串行解码结构,降低了分类头参数量并实现了并行化推理.实验结果表明,该算法在公开车牌数据集上实现了超越现有算法的精度,同时具有较快的识别速度.     

面向车牌字符分割的图像预处理方法研究

车牌字符分割是车牌识别系统中的核心步骤,而车牌预处理的效果直接关系到分割的准确率。针对传统基于灰度图的预处理方法难以消除由拍摄硬件和成像环境造成的干扰特征,提出一种基于R通道和灰度拉伸的车牌图像预处理方法。该算法将原始图像以R通道的数据表征,抑制车牌成像的干扰特征,提高了字符与背景底色的区分度;为了进一步增强图像的对比度,提出改进的灰度拉伸算法,有效分离字符和背景。为验证提出的预处理算法对字符分割的效果,引入一种基于投影和模板匹配的分割算法,实验表明,该算法不仅改善了污损车牌的成像效果,同时也有效提升了分割准确率。     

基于灰度跳变的车牌定位算法及其实现

研究车牌识别定位算法问题。传统的车牌设识别定位算法的识别精确度难以满足现实在交通管理和流量监测中的应用,存在车牌图像定位的精度的不高等问题。为解决上述问题,在对车辆图像预处理基础上,提出了一种基于图像灰度跳变特性的车辆牌照定位算法。主要给出了粗定位和细定位两种定位算法,并用VC++设计实现定位算法。通过实验对实际交通中多幅车牌图像进行处理,对不同的车牌图像进行定位。实验结果表明,新算法能够对车牌图像进行高精度定位,并且具有较强的鲁棒性,为车牌字符的识别与分割奠定了一定的基础。     

基于深度学习的含堆叠字符的车牌识别算法

车牌识别是构建智慧城市交通系统的重要技术,当前车牌识别系统对于单行车牌已经达到了较好的识别和应用效果,但无法满足对包含堆叠字符的车牌的识别需求。针对该问题,提出了一种基于深度学习且不依赖于字符分割的方法以识别含堆叠字符的车牌。首先对倾斜、扭曲的车牌进行投影矫正;然后使用MobileNet-SSD算法检测定位车牌中的单排字符和堆叠字符;之后将堆叠字符送入基于CTC损失的堆叠字符识别网络,进行非字符分割的端到端识别。实验结果表明,该算法不仅对含堆叠字符的车牌具有较高的识别精度,同时对倾斜、扭曲等复杂环境下的车牌具有鲁棒性,极大提高了车牌识别系统的通用性。     

机动车车牌自动识别系统与VMLA定位算法

介绍了一种机动车车牌自动识别系统及其机动车车牌自动定位的 VML A (Vector Map L ocationAlgorithm)新算法 .该算法基于机动车车牌字符笔画两个边缘互相关值最大这一特征 ,先利用粒子图象测速原理得出位移矢量图 ,然后在位移矢量图中定位机动车车牌 .VML A算法具有实时、机动车车牌大小在较大范围内自适应的特点 ,同时还能得到机动车车牌字符与背底对比情况、机动车车牌大小的粗略估计等信息 ,这些信息对后续车牌的精确定位、分割、识别非常有用 .5 4 0幅机动车车牌图象的初步实验结果为定位速度 0 .2 s/个 ,定位正确率98.9% .这表明该方法速度快、一次定位正确率高 ,是一种极有潜力的定位新算法     

一种基于机器学习的车牌识别系统的设计

以车牌识别的实用性为目的,设计一种鲁棒的车牌识别系统。首先提出了Sobel-Color算法,以Sobel边缘和颜色两种特征进行车牌定位,并结合MSER算法,设计了一种可靠的车牌定位方法来获取候选车牌区域,然后采用SVM算法对候选车牌区域进行车牌判断;最后根据车牌特征设计了一种车牌字符分割算法,能正确分割车牌的各个字符,并有效地去除车牌边缘部分的虚假字符,又根据分割出的车牌字符特征对LeNet-5深度网络模型进行改进,然后采用改进的LeNet-5网络对车牌字符进行识别。对设计的车牌识别系统进行了正常条件测试、恶劣条件测试以及效率测试等实验,实验结果表明设计的车牌定位和车牌判断方法具有较高的可靠性,车牌字符识别具有较高的准确率,因而设计的车牌识别系统具有较好的鲁棒性和实用性。     

基于自适应阈值投影的双行车牌分割方法

Aiming at the problem that there are few algorithms and low correct segmentation rate of double row license plate number in China, an adaptive projection method for double row license plate segmentation is proposed. Firstly, the image of license plate in HSV (Hue Saturation Value) space is binarized. Secondly, the double line license plate is segmented into a single line license plate by the adaptive projection method. Finally, the characters on the license plate number are segmented. Experiments show that this method can effectively segment the double line license plate with white characters on blue background, red characters on white background, black characters on green background, and black characters on yellow background, and the correct segmentation rate of the double line electric bicycle brand is higher. At the same time, this method overcomes the shortcomings of the deep learning method such as long training time and a large number of data sets. The proposal t is a simple and efficient segmentation method.     

利用Hough变换和先验知识的车牌字符分割算法

随着科技的发展，车牌识别系统得到了很多应用。车牌识别系统包含三个部分：车牌定位、字符分割和字符识别。车牌字符分割是车牌自动识别系统中的重要步骤。车牌字符分割中存在噪声干扰、边框影响、铆钉和间隔符影响、车牌旋转、光照不均等问题。这些问题容易造成分割不准确，甚至分割错误。针对这些问题，该文提出了一种先分段，再利用Hough变换拟合直线的水平分割方法和基于先验知识约束的垂直分割方法，同时提出目标增强的预处理方法。大量实验表明，该算法较好地解决了以上问题，适用于各种质量的车牌图像，分割的准确率较高。     

车牌超分辨率重建与识别

为了从图片中快速准确地识别车牌,提出一种结合图像超分辨率技术的车牌识别方案。车牌图片具有明显的特定的模式特征,只是具体的字符编码不同。因此车牌图片非常适合做超分辨率重建。本文提出的系统主要由车牌检测定位、车牌超分辨率重建、字符分割、字符识别等模块组成。综合基于边缘、基于颜色和基于最大稳定极值区域三种车牌检测策略并采用并行编程方法来综合检测结果得到候选车牌。采用车牌图片正负样本来训练支持向量机分类器。得到分类器模型后对候选车牌判决得到真正的车牌。随后对真实车牌图片进行超分辨率重建。该部分主要由基于固定邻域回归的方法实现。这种方法综合了稀疏字典学习和领域嵌入的方法,比较好的兼顾了准确率和计算速度。运用OpenCV提供的图像处理库来对重建后的图片做字符分割。得到单独的字符图片后采用人工神经网络进行识别。识别前先使用一定数量的字符图片对网络进行有监督训练获取识别模型。采用一个单隐层的神经网络,运用反向传播算法进行训练得到识别模型。最后提取字符图片的特征并输入网络进行分类完成识别。为了测试系统的表现,在实际场景中采集了一百张车牌图片作为测试集。实验表明,该系统具有较高识别准确率和较快的处理速度。     

基于水平垂直灰度开运算的车牌字符分割算法

采用Hough变换检测车牌的倾斜角度进行车牌的矫正。提出了一种基于水平垂直结构元素开运算的数学形态学方法,对字符分割前的车牌进行预处理。该方法能够在车牌定位不精确的情况下有效地去除车牌边框、铆钉及其他噪声,消除干扰突出字符。运用传统的投影法以及车牌的先验知识进行字符间的分割,有效地提高了字符分割的效果。实验结果证明,该方法有效可行。