基于字符行特征的车牌倾斜矫正算法

针对Hough算法在识别白色反光车牌时的不足,提出了基于车牌字符行特征的倾斜矫正算法.该方法采用通过字符行倾斜度恢复车牌原貌的机理,即从多个角度来对图像倾斜的方向扫描,分别记录各扫描平行线组中具有车牌字符信息的行数,对应字符行数目最多的扫描角度就是图像倾斜的角度.实验表明,该算法能较理想地减少车牌倾斜给车牌字符分割及识别带来的负面影响,运算量小且易行可靠.     

车牌字符分割问题分析

车牌字符分割是车牌自动识别系统中的一个重要步骤。这一模块的正确性受到二值化、倾斜校正、噪声等因素的影响。本文对定位后的车牌图像的预处理和字符分割技术进行了比较研究,提出将多种车牌字符分割方法结合,可以提高效率和准确性。多车牌的分割将成为车牌识别中的热点问题。     

基于差分投影与优割字符的车牌字符分割

针对车牌字符分割提出一种基于差分投影与优割字符的车牌字符分割算法.该方法利用水平差分投影图进行倾斜校正和水平切割,使得倾斜校正和水平切割同时进行,在降低算法的复杂度的同时提高了水平定位精确度.然后,结合垂直投影和连通域算法寻找车牌的优割字符,生成滑动的分割模板进行字符的垂直分割,有效地解决了字符粘连、断裂情况下字符识别问题.实验证明该方法分割速度快,分割质量好,对于模糊车牌识别具有自学习品质和很强的抗干扰性能.     

MATLAB在车牌字符分割中的应用

车牌字符分割是车牌自动识别系统的一个重要环节,分割效果直接影响到后续的字符识别.提出了一种基于连续字符块长度特征的字符分割算法,通过预先设定阈值,判断字符是否需要分割.利用定位好的74个车牌图像在MATLAB环境下进行仿真实验,实验结果显示字符分割准确率高达91.9%,说明该方法具有简单、实用的特点.     

基于明暗度分类和改进二分法的车牌字符分割

车牌字符分割易受到车牌倾斜及边界、杂点的干扰,致使复杂条件下的车牌图像分割准确率不高,针对该缺点提出一种鲁棒性强的分割算法。在车牌预处理阶段进行图像明暗度分类及灰度图增强,以此为基础进行倾斜校正及上下边界定位;在字符切分阶段采用改进二分法进行分割,之后对1,2,6,7四个字符实现了边界精确定位。实验表明,该算法实时性较好,能够有效克服车牌对比度不高、模糊、粘连和倾斜的缺点。     

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.     

基于字符整体特性及blob分析的车牌字符分割

为克服车牌边框、铆钉、车牌倾斜及车牌图像中亮度不均等不利因素的影响,利用水平结构元素对图像进行灰度Top-hat/Bottom-hat形态学锐化增强;然后通过中间行扫描,对各连通体进行blob分析.在字符分割过程中,利用车牌字符高度整体一致、相邻字符水平位置基本一致以及相邻字符中心间距所特有的比例关系等整体特性,作为车牌字符分割的依据.可有效克服常用方法中单个字符特性及单个字符与车牌总体的相对特性对图像倾斜、拉伸、缩放敏感及难以处理字符中的"1"的缺陷,实验结果证明了该算法的有效性.     

基于数学二值形态学的车牌定位与字符分割

本方法是基于数学二值形态学的车牌定位和字符分割的方法.在车牌定位中,首先提取图像的边界,腐蚀非车牌边界,用矩形结构元素连通剩下的区域,去除最大面积以外的其它区域.最大的连通区域即为车牌所在的位置.在字符分割中,首先用双线性插值将车牌图像调整到固定大小,确定字符的上下边界,然后逐个判断字符的具体宽度,用于分割字符.通过matlab 7.0的验证,该方法解决了车牌褪色,车牌开裂,非连通字符和连续的数字1等对自动识别系统的影响问题.     

一种实用快速的车牌字符分割方法

针对车牌自动识别系统中的字符分割问题,提出了一种基于车牌字符几何特征的分割字符算法。该方法先用数学形态学对二值化后的车牌图像进行一系列的形态运算,去除掉一些无用信息,使得字符与车牌左右边框、字符与字符之间空懈变大,便于划出字符间的垂直分割线,然后使用一种新的快速测量车牌倾斜度的方法进行校正。实验结果表明,该算法原理简单实用,分割速度快,分割的质量好,便于下一步的识别。     

基于改进的Stroke滤波器的车牌字符分割

提出一种基于改进的Stroke滤波器的车牌字符分割算法.该算法首先将stroke结构中央的矩形视为stroke主体,推测出stroke的形状;从车牌图像中搜索stroke的存在和变化.再通过连通成份分析补偿字符,对车牌图像进行分群,排除非车牌字符像素,从而达到车牌字符分割.实验表明算法能够准确快速地分割车牌字符.     

径向基神经网络算法在车牌字符识别中的应用

提出一种基于径向基网络的汽车车牌字符识别算法.在预处理阶段,采用灰度化、自适应阈值分割去除图像噪声并增强图像对比度;在字符分割阶段,采用极限元素位置确定法实现独立字符分割;在字符识别阶段,利用自行构建的字符子块图像库对径向基神经网络进行训练.选取基于反向传播(BP)神经网络的字符识别算法和基于支持向量机(SVM)的字符识别算法与文中方法进行比较.实验结果表明:文中方法在识别准确率上具有明显优势,更适用于汽车车牌的字符识别.     

基于改进LeNet-5的车牌识别算法

传统的车牌识别算法包括模板匹配、特征统计等方法,但是这些算法依赖于人工提取图像特征,识别准确率低。卷积神经网络LeNet-5算法能够自动提取车牌图像的特征,提高车牌识别准确率。但是目前基于LeNet-5网络结构的车牌识别算法存在识别不完整,运算时间长等缺点。提出基于改进的LeNet-5网络的车牌识别算法,该算法将输入车牌字符图像归一化为32×16大小,并通过删除传统LeNet-5网络中的C5层、修改输出层中神经元个数等,将车牌字符按照汉字和数字/字母的形式识别输出。通过采集大量车牌数据进行训练验证,结果表明:与前人改进的LeNet-5网络结构相比,本文算法在识别率和时间效率上均得到了提高。     

车辆牌照字符识别

介绍了一个牌照字符识别系统的字符串图像提取部分和字符识别部分 .前者采用基于纹理的分割阈值选取方法 ,即先对牌照图像进行纹理分析 ,然后对取得的直方图采用模式识别中的最大最小准则决定分割阈值 ,其效果优于传统的直方图方法 .后者采用多个简单识别器融合方法进行字符识别 .这一方法根据不同类型识别器的特性 ,采用串、并联混合的方案将它们组合在一起 .与单一识别器相比 ,不仅大幅提高了识别率而且缩短了识别耗时 .这一系统对牌照汉字、数字和字母的识别率均大于 96%,总的牌照识别率为 82 %.     

一种基于先验知识约束的车牌字符分割新算法

车牌字符分割是车牌自动识别系统的三大核心技术之一,字符分割是字符识别的基础;针对传统的基于连通域分割字符算法计算量大、处理时间长的不足之处,在此提出了一种改进的算法,充分利用先验知识进行字符粗分割,在此基础上再利用连通域法最终实现字符完整分割,同时利用先验知识改进了传统的迭代法求二值化阈值算法,减少了迭代次数;实验表明:在此提出的字符分割算法在准确提取了车牌字符的前提下,大大缩短了处理时间,满足了实时性要求。     

基于改进的投影方法的车牌图像字符分割

提出了一种用于车牌识别系统中的基于改进的投影方法的字符分割方法.该方法利用数学形态学与投影相结合的方法进行车牌字符分割,首先利用数学形态学突出车牌字符区域特征,然后利用水平投影除去上下边界,用垂直投影突出单个字符区域,再结合车牌固有特征等先验知识最终分割出字符.实验结果表明:该方法实现简单,分割质量好、效率高,便于下一步的字符识别.     

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。