基于形状上下文的车牌字符识别

针对车牌字符识别问题,该文提出一种基于形状上下文的识别算法,对分割好的车牌字符进行识别。对分割字符进行边缘检测,提取部分边缘点作为样本点,计算每个边缘点的形状上下文描述算子;再对分割字符和字符模版进行相似度比较,得到相应的对数极坐标图,计算相似度是否达到预设的阈值来判定分割字符是否可识别,并判别结果。实验表明,此算法在二维目标的不变性中,具有精确的匹配效果。     

基于Gabor变换和支持向量机的车牌字符识别算法

为了提高车牌字符识别率，将支持向量机SVM方法用于车牌字符的识别，算法首先采用Gabor变换和整体结构特征提取的方法提取车牌字符图像的特征参数，然后采用提取的特征训练SVM分类器，再应用SVM分类器分类和判别车牌字符。实验表明这种方法具有良好的车牌识别效果，较强的鲁棒性，有较大的应用价值。     

基于小波空间的车牌字符识别算法

根据车牌中字符的形态特征和横向纹理属性,以小波空间作为车牌字符识别的特征空间,用小波系数能量和熵的动态阈值提取车牌字符相应的统计特征并作为BP神经网络的输入进行识别.实验结果表明该算法是一种切实可行、准确高效的方法,对复杂背景下拍摄的汽车牌照识别具有很好的鲁棒性.     

小区民用车辆车牌自动识别算法

采用中值滤波、边缘检测、二值化等方法对车牌图像进行了预处理,并将车牌区域每行的边缘点数量、边缘点数量与车牌区域长度的比值及各候选区域的长宽比等因素作为参考值分别对车牌进行了粗定位和精确定位,利用统计特征和结构特征相结合的方法对字符进行了分类与识别,设计了字符分类器。实验结果表明,所设计的车辆车牌自动识别系统较好地实现了不同环境条件下的车牌识别,识别率达92%。     

基于图像处理的静态车牌识别技术

车牌识别技术(LPR)是智能交通系统(ITS)的重要组成部分,无论从学术方面还是实际应用方面都值得深入地去研究.从提高识别的准确性、实时性和稳定性等方面考虑,提出了一种基于车牌颜色的定位法,基于字符特征的分割法,基于模板匹配的识别法.实验表明,这种算法操作简单、识别率高,具有良好的推广应用前景.     

采用特征点提取算法的车牌倾斜校正方法研究

针对车牌倾斜校正问题,首先简介了四种特征点提取的算法,并结合实验结果分析了各算法的优缺点,进而提出了比传统算法更有效的基于非线性双边滤波器的Harris算法,然后提取出车牌区域的字符角点信息,再结合惯性主轴算法对倾斜车牌进行校正。实验结果证明,改进后算法有效地抑制了伪角点数目,提高了车牌角点检测的精度,使得车牌倾斜校正的精确度和实时性大幅度提高。     

基于小波矩的车牌字符识别研究

牌照字符识别是车牌识别系统中关键的一步,而字符识别的关键在于有效特征的选取.小波矩是小波多尺度分析与矩相结合的新的视觉不变量,图像的小波矩特征能很好地反映图像的局部和全局特征,并且具有较强的抗干扰能力.但不同的小波矩离散化方法在性能上有很大的差异.在分析小波矩和矩快速算法的基础上,引入了一种新的小波矩离散化算法用于车牌字符识别系统,以车牌字符图像的小波矩作为特征量,结合改进的BP神经网络实现了车牌字符的识别,获得了很好的识别效果.     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重。基于VC＋＋6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别。车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤。利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效。     

基于LabVIEW IMAQ的移动车辆牌照识别

车牌识别是指通过图像处理、模式识别和统计分析等方法从实时车辆图像中提取车牌字符信息,从而确定车辆身份的技术。通过对车牌识别中的图像采集与处理、车牌定位、字符分割和字符识别这4个核心技术的研究,在LabVIEW平台上,利用IMAQ强大的图像处理功能,对USB摄像机获得的实现车牌图像进行格式转换,灰度变换以及二值变换等预处理,将边缘提取与图像投影两种方法相结合精确定位车牌,最后根据特征匹配的方法识别出车牌字符信息。结果表明,基于IMAQ程序可以很好的对车牌图像进行处理,并在平均时间为3s左右情况下完成对车牌字符的识别。     

基于灰度跳变的车牌自动识别技术

探讨了汽车牌照识别系统的关键技术并介绍了一种实现该系统的简单方法:利用车牌字符与背景的灰度跳变实现车牌的快速提取,利用投影法进行字符分割,利用字符的层次轮廓特征分类别地识别车牌字符.     

改进的BP神经网络算法在车牌识别中的应用

在车辆牌照自动识别系统中,因自然因素或采样因素使得原本规则的印刷体字符产生畸变,给字符识别带来了很大困难,利用BP神经网络对车牌进行识别得到广泛的应用,如何提高车牌识别的准确率和速度是车牌识别系统最根本的问题.本文用动量因子和自适应学习速率对传统BP网络进行改进.该算法简便,识别率高,可适用于多种高噪声环境中的字符识别.     

一种新的汽车牌照字符切分算法

充分利用车牌字符的局部与整体特征,提出了字符串的车牌相似度概念．并在此基础上提出了一种新的车牌字符切分算法．该算法将搜索连通区域切分与投影切分结合起来,通过聚类分析,遍历各种切分的可能情况,最终按照车牌相似度最大的字符串完成字符切分．实验结果表明,该算法有很好的可行性和有效性．     

信息融合技术在车牌识别中的应用研究

为了提高汽车牌照的识别率,考虑到摄像头安装价格低廉的特点,本文提出采用双摄像头来获取不同角度的车牌图像,并对两幅车牌图像分别进行定位、字符分割和特征提取,再用信息融合的方法来确定更可信的识别结果,以此来降低车牌字符的误识率.实验结果表明,该方法可以提高车牌号码识别的正确率.     

基于颜色与投影特征的车牌定位

车牌定位是车牌识别系统的关键技术。定位的准确与否直接影响车牌识别的结果。本文根据车牌的颜色特征和投影特征提出了一种综合颜色特征和投影特征相结合的定位方法,算法分为粗定位和精确定位。该方法较单一特征的定位方法有较好的通用性,可适应于不同背景、不同光照下的汽车图像,能够确定出车牌区域,准确率得到了较大提高。     

基于图像处理的车牌识别技术

汽车车牌照的识别是智能交通系统必不可少的组成部分,也是保障车辆安全的必要手段。本文针对智慧小区设计一种简易实用的车牌识别系统,设计内容包括图像采集及预处理,车牌定位,边缘检测,字符识别等。系统开发构建在Qt软件平台上,对采集的图像进行灰度化、边缘检测二值化处理,同时,通过水平投影进行区域定位消除边框,再利用处置投影对车牌字符分割,最后根据特征值对系统字符识别,输出字符。实验验证,该系统检测方便易行,识别效果较好。     

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段：首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段：针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。