基于小波变换和反馈的车牌字符分割

提出一种基于小波变换和反馈的车牌字符分割算法.首先,对车牌图像进行预处理;其次,根据车牌图像的垂直投影进行字符粗分割;最后,通过两级反馈进行字符精分割.第一级反馈是字符个数与字符宽度反馈,第二级反馈是字符识别反馈.在字符识别反馈中,对字符区域图像的垂直投影进行小波变换,利用其低频系数重构垂直投影;最后根据纹理特征进行字...     

一种改进的车牌字符分割算法

提出了一种改进的投影分割算法，其基本思想是将数列平滑的方法用于曲线投影上，该方法避免了传统分割算法的缺点，不仅有效地去除了噪声，而且相对于直线检测分割方法计算量减小，又比简单的投影方法分割效果明显。     

基于投影的车牌字符分割方法

运用像素水平投影与竖直投影的方法,结合车牌字符的先验信息可以准确地对车牌字符进行切割。同时,针对某些汉字易被错误分割或漏割的情况。对汉字左右边界的起始位置进行标记,利用此标记获得该汉字的原始灰度图像,对其单独进行分割及二值化．避免汉字笔画退化为噪声。实验表明,该方法能够准确分割字符。     

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。     

退化车牌字符的两级分割算法研究

为了准确进行车牌字符分割,提高车牌字符识别的准确率,提出了一种改进的车牌字符分割算法.对定位出来的车牌进行有效预处理,通过两级字符分割算法对车牌进行单字符分割.第一级字符分割是结合连通域分析法和垂直投影进行字符粗分割,第二级字符分割是基于车牌字符的先验知识通过多次判断进行车牌字符精分割.实验结果表明,该算法对受到光照不均、污迹、字符粘连和断裂、质量退化等严重影响的车牌字符能进行很好的分割.     

基于HSI空间的车牌字符分割

本文提出了一种基于车牌的HSI颜色空间来识别车牌类型再分别进行切割的方法。本文在HSI颜色空间中利用树形判决结构,对车牌的类型进行判别,再基于投影法和车牌每符规则的分割方法。对车牌图像进行投影分割寻找边界．以定位字符区域。     

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.     

一种新的面向字符分割的车牌图像预处理方法

首先进行图像增强以滤除噪声、校正不均匀光照,增强对比度,然后分析了车牌的倾斜模式,提出了一种新的车牌倾斜校正方法。该方法采用水平和垂直边缘检测结合旋转投影求取车牌的水平和垂直倾斜角度并通过垂直边缘检测进行上下位置精定位,对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正。实验结果表明,该方法简单实用,对光照不均、低对比度、污迹及倾斜等退化图像具有很好的鲁棒性。     

基于投影特征值的车牌字符分割算法*

在车牌先验知识的基础上提出了一种基于垂直投影特征值的分割方法。大量实验表明,该算法能够快速找到字符之间的最优分割点,并自动去除车牌垂直边框和其他噪声点的干扰,适用于各种质量的车牌图像,分割准确率较高。     

一种利用颜色信息的车牌字符分割新算法

汽车牌照自动识别系统中由于拍摄得到的字符模糊经常造成分割效果不佳。通常采用的灰度处理方法也丢失了很多颜色信息。本文提出一种基于模糊神经网络的算法，充分利用车牌的颜色信息，根据车牌底色对不同分量进行加强，直接对彩色车牌进行字符分割。实验结果表明，该算法是有效的，尤其是对车牌上汉字的分割效果较以往算法有明显提高。     

用于多光照条件下车牌定位的遗传算法

针对多光照条件下由于车牌图像退化难以定位的问题,提出一种基于遗传算法的解决方案。该方法首先对图像局部区域进行二值纹理特征增强处理,并通过一组一维滤波器获取其纹理特征向量,最后使用基于实整数编码的遗传算法对全图进行车牌特征匹配搜索最终准确定位车牌。测试结果表明,结合遗传算法的局域特征增强算法对多种光照条件下的抓拍图像定位性能稳定,定位成功率优于传统的直线检测方法和灰度变化特征检测方法。     

复杂背景下的车辆牌照字符提取方法研究

针对复杂背景中字符难于提取的问题，提出了 一种通用的提取字符的方法．该方法很好地利用了字符固有的特性，先对图像进行基于变分 法的自适应二值化，再用一种快速区域标号算法求取连通域，然后对连通域进行处理，提取 出字符行，最后进行倾斜校正．实验结果表明，该方法简单可行，成功率达到了96%以上．     

一种基于HSI和YUV颜色模型的车牌定位方法

车牌定位是整个车牌识别模块实现的前提。针对车辆图像车牌位置定位不准等问题,采用HSI和YUV颜色模型,根据每个像素S值的分布,动态决定选用H值还是Y值,并经过水平垂直投影技术对车牌区域进行定位分割。实验表明,该方法提高了定位的精确性,克服了光照的影响和单一颜色空间的不足。     

基于条件随机场的低图像质量车牌字符分割

提出一种基于条件随机场的车牌字符分割算法,能够对光照不均、相机拍摄角度造成的低图像质量的车牌图像,特别是日益增多的车牌边框与字符相连接车牌图像进行有效的字符分割。算法首先进行车牌图像校正,然后利用标注车牌数据进行模型学习,对车牌图像像素列进行分类识别,最后组合成车牌字符分割结果。理论分析与实验结果验证了算法的有效性。     

基于评分模型的车牌字符识别方法

现如今摄像头的普遍应用,使运用于监控视频中的车牌识别算法越来越受到重视。从监控视频中切割出来的车牌字符图片往往具有低像素、模糊、字符混淆严重或者边缘凹凸不齐等缺陷,针对传统的车牌字符识别算法对于这种类型车牌字符的低识别率,提出一种基于评分模型的车牌字符识别算法。该算法是将字符图片分成若干个方格,全部格子根据白点的数目划分为不同的等级,标准字符模板也是如此划分等级。在识别匹配时,待识别字符图片与字符模板相对应的方格分别进行等级匹配,按照该算法中的评分模型打出相应的分数,有加分、减分或者给零分,最后将分数相加,匹配得出最高分的字符模板将是最终的识别结果。实验结果验证了该算法的有效性。     

一种改进的基于边缘特征提取BP网络车牌定位的新方法

以改进智能交通控制中的车牌定位性能为目的,提出一种基于改进的边缘特性提取和改进BP神经网络的车牌定位新方法.该方法通过改进的图像的边缘特征提取方法,将边缘特征送入改进的BP神经网络进行训练学习,实现车牌的粗定位;再利用车牌本身的几何特征实现车牌的准确定位.实验结果表明该方法定位精度高,并提高了信息的实时处理性.     

复杂背景中基于纹理和颜色的车牌定位研究

提出一种将车牌纹理和颜色相结合的车牌定位方法,即基于纹理粗定位得到车牌候选区域后,运用改进的自主确定聚类数和聚类中心的RGB空间k-means聚类算法,而不是定义颜色范围来分割车牌。该方法的优越性在于首先利用纹理排除了颜色干扰区域,其次利用颜色聚类去除了纹理干扰区域,又克服了量化定义颜色适应性不强、稳定性差的缺点。实验表明,该方法可以准确定位复杂背景中任意方向和不同光照下的车牌,具有很强的稳定性和鲁棒性。     

傅立叶变换在粘连文字图像切分中的应用

对于已具有相当识别率的手写体文字识别系统来说切分算法已成为一个关键技术之一,它的正确率对系统性能有着极大影响。该文主要对文字图像的傅立叶变换的性质进行了讨论,提出了消除交换中笔画宽度影响的算法。在此基础上建立了基于傅立叶变换的单／多字图像的判定的基本准则以及基于此准则的粘连文字判别算法。实验表明该算法的粘连文字判断正确率达到９６％。为粘连文字的正确切分开辟了新的途径。     

指纹自动识别中图像分割方法的研究

指纹图像分割是指纹自动识别的重要组成部分。本文是把直方图技术和高斯统计分布函数有效地结合起来，作为求取指纹图像二值化阈值的理论基础，在此基础上提出一种称之为“黄金分割算法”的最优化阈值法，计算机仿真结果表明利用该算法图像分割结果比较理想。