基于图像处理的车牌识别系统的研究

基于数字图像处理,开发了一套车牌识别系统。在对车牌图像预处理后,采用投影法对车牌图像定位,在采用Canny边缘检测方法对图像二值化的基础上,采用模板匹配法对车牌图像中的字符进行识别。结果表明,该系统合理可行。     

基于模板匹配和特征点匹配相结合的快速车牌识别方法

介绍了一种简单易行的车牌识别方法。对于车牌灰度图像进行滤波去噪后先用峰谷法二值化，再用垂直投影法进行分割，最后进行模板匹配，并用特征点匹配对几组易出错的字符进行检查，从而得到车牌号。     

车牌识别系统设计与实现

通过对车牌定位、车牌字符分割和车牌字符识别进行研究,提出了一种车牌识别系统的设计和实验方法。车牌定位模块中,提出了采用基于小波变换的车牌边缘提取和数学形态学相结合的方法定位出车牌,进行二值化、滤波后使用垂直投影法分割出车牌字符,最后使用多模板匹配和二次细分识别相结合的方法识别出车牌字符。经实验验证,基于该算法的车牌识别系统能够达到较高的车牌识别率。     

一种改进的车牌定位算法研究

为了实现车牌的准确定位及后续的车牌识别,提出一种改进的车牌定位算法。该方法首先对预处理后的车牌图像进行模板匹配来大致确定车牌区域,为了节约运算时间,对模板匹配法进行优化。接着,运用形态梯度方法对粗定位后的图像进行边缘检测,从而更好地保持车牌的边缘。最后,采用投影法进行精确定位,通过对投影的分析找到车牌的准确位置。实验结果表明,该算法对车牌定位的准确性和处理速度都有很大提高,基本满足了系统实时性和准确性的要求。     

基于垂直投影的车牌字符分割方法

车牌的字符分割是车牌识别系统中的重要环节,通过车牌字符的垂直投影可以对字符进行分割,所以可应用于分割车牌图像中的字符。首先对车牌进行图像预处理,提取出车牌的灰度图像;然后根据垂直投影法确定字符边界以及车牌字符的7个投影块;最后结合实际车牌情况,提出了对粘连和断裂字符的处理方法。实验结果表明,该算法能有效的分割出车牌图像中的字符。     

一种基于能量滤波和小波的车牌定位方法

提出一种基于能量滤波和小波的车牌定位方法。根据车牌在水平方向能量高且集中的特点构造能量函数．并将沿垂直方向变化的能量反映到投影图上,能量滤波后获取车牌的大致位置。再由小波分析获取车牌的水平细节图像和垂直细节图像,然后利用形态学对小波分解后的细节图像进行一系列处理,进一步消除无用信息和噪声,最后由投影法准确确定车牌位置。实验结果表明,定位准确率为96．2％．平均定位时间为3．62s。     

一种多视角自适应的模板匹配目标检测方法

基于灰度的模板匹配方法难以解决航空图像多视角变换问题,而基于特征点的模板匹配方法难以解决低分辨率小目标模板图像匹配不稳定的问题。为此,提出了一种基于变换矩阵空间优化搜索的模板匹配方法。首先将多视角下的投影变换空间进行离散化建模,利用归一化灰度的模板与实时图像,以投影后模板图像与实时图像之间的绝对误差和（SAD）建立优化模型;然后通过优化搜索算法寻找到模板图像与实时图像之间的最优变换矩阵,检测出实时图像中的包含的模板目标;最后针对搜索的时间复杂度较高问题设计了基于分支界限法的加速算法。利用公开数据集和实际图像进行仿真实验,结果表明所提的模板匹配方法相比传统特征匹配方法对于高斯噪声、高斯模糊和图像有损压缩等图像退化具有更好的适应性,在大视角差异和低分辨率条件下具有更低的投影误差和更高的稳定性,并解决了单模板多目标的匹配检测问题。     

分块思想在汽车牌照粗定位中的应用

分块思想,是相对于模板匹配而言的一种图像处理思想。它是采用相对静止的方式进行图像匹配,首先根据待匹配图像的某些特征选择块的尺寸,对整幅的图进行分块,利用某些特征值来进行匹配。在以往的车牌定位算法中,有很多文献提出利用模板匹配方法进行车牌定位的思想,但是由于模板匹配方法本身存在计算量大的缺点,直接明显地影响到车牌定位速度,无法满足车牌照自动识别系统的实时性要求,所以本文提出把分块思想应用到车牌照粗定位过程中,利用车牌区域字符自身的一些纹理特征,采用固定分块划分出若干大小相同的特征区域,在各区域内通过水平差分突出垂直方向纹理特征,寻找水平差分累加值最大的区域即为车牌的大致位置,这样就大大提高了车牌定位速度,同时也为后续的车牌精确定位奠定了基础。     

基于灰度积分投影和模板方法的人眼定位

提出了一种新的人眼定位方法。使用中值滤波和直方图均衡方法去除噪声和光照对图像的影响后,将图像做积分投影以缩小到人脸的眼部区域,在得到的眉眼区域中再做一次水平积分投影,找到两眼的垂直位置。最后利用人眼模板沿着该垂直方向进行匹配,匹配程度最高的部分即为要定位的人眼位置。     

分块思想在汽车牌照粗定位中的应用

分块思想，是相对于模板匹配而言的一种图像处理思想。它是采用相对静止的方式进行图像匹配，首先根据待匹配图像的某些特征选择块的尺寸，对整幅的图进行分块，利用某些特征值来进行匹配。在以往的车牌定位算法中，有很多文献提出利用模板匹配方法进行车牌定位的思想，但是由于模板匹配方法本身存在计算量大的缺点，直接明显地影响到车牌定位速度，无法满足车牌照自动识别系统的实时性要求，所以本文提出把分块思想应用到车牌照粗定位过程中，利用车牌区域字符自身的一些纹理特征，采用固定分块划分出若干大小相同的特征区域，在各区域内通过水平差分突出垂直方向纹理特征，寻找水平差分累加值最大的区域即为车牌的大致位置，这样就大大提高了车牌定位速度，同时也为后续的车牌精确定位奠定了基础。     

基于彩色数字图像的车牌识别研究

车牌识别是图像识别技术在智能交通领域应用的重要研究之一,是实现交通管理智能化的重要环节。我国交通管理部门对汽车牌照的样式制定了严格的规范,这些规范将为车牌自动识别技术的实现提供重要的技术依据。车牌识别研究充分利用这些规范进行设计,采用彩色数字图像模式识别方法,针对彩色为24位,大小为640×480,以及蓝底白字车牌的图像进行识别研究,并具体描述图像车牌的预处理、车牌特征提取和车牌识别三个连续的过程。在Visual C++环境下实现对汽车牌照自动识别功能。实验结果表明,车牌识别自动技术识别效果可靠,具有很好的实用性。     

基于权系数标识符矩阵的车牌字符识别方法

为了提高对车牌字符的准确识别能力,提出了一种基于权系数标识符矩阵的模板匹配车牌字符识别方法。具体方法是在进行字符识别前为每一个车牌字符制定一个标准化的模板,再将每一个模板字符的像素依据像素区域、像素边缘区域和非像素及非像素边缘区域等标记成不同的区域,并依此为基准生成一个模板矩阵。根据车牌字符闭合区域个数及字符二值图像中间行、中间列黑白跳变次数,可将字符分为10类。进行字符识别时,首先判定待识别字符属于哪一类,然后与所在类的每一个字符的标准模板进行匹配,统计待识别字符落在每一个标准模板矩阵的不同区域的像素数,并根据不同区域的不同权值计算相似度值,相似度值最大的即为识别结果。该方法采用两级分类法对车牌字符图像进行分类,再采用基于权系数标识符矩阵的模板匹配法对车牌字符进行识别。实验结果表明,该方法提高了识别结果的准确度,对于存在字符断裂以及形状相似而容易混淆的字符有较好的识别效果。     

基于边缘检测的车牌识别算法的实现

针对传统车牌识别的不足,本文提出了基于边缘检测的车牌识别的算法.该算法首先对摄像头获取的车牌图像预处理,去除图像无用信息,然后运用Robert算子检测车牌边缘,并对车牌区域进行图像较正,用高斯滤波法去除噪声并且提取车牌信息特征,接着对车牌区域水平和竖直方向运用触点定位法分割字符,对车牌分割后与相应字符模版匹配,利用预测模型预测识别结果,最后识别出车牌字符.     

基于机器视觉的分级车牌字符识别方法

为提高车牌字符识别率,提出一种考虑整体和局部特征,分别采用两级SVM分类器的识别方法,其工作模式为:第一级分类器针对所有字符,在识别结果属于形似字符的情况下,送入对应的第二级分类器作进一步识别。第一级分类器提取字符图像整体的各网格比例作为SVM的分类特征。将形似字符分为5组,分别对应的5个SVM构成第二级分类器。通过分析各组内字符笔画特征的局部相异性,提取相应网格中字符轮廓的垂直、水平投影方差、比例等特征并进行特征融合作为相应SVM分类特征。实验结果表明,该方法字符平均识别时间为23.45 ms,且在形似字符的识别率和总体识别率方面均优于模板匹配、神经网络和同类的分级识别方法,是一种有效的方法。     

基于GSM和图像处理技术的车辆牌照手机自动识别系统设计与实现

融合无线通信、图像处理和信息提取技术,开发了车辆牌照手机自动识别系统,重点研究实现了基于水平扫描与垂直投影的车牌定位方法,及基于垂直投影与先验知识的字符分割算法;采用GSM技术传输车辆牌照图像,实现了无人值守的车辆牌照手机自动识别系统.     

Optical recognition of motor vehicle license plates

A system for the recognition of car license plates is presented. The aim of the system is to read automatically the Italian license number of a car passing through a tollgate. A CCTV camera and a frame grabber card are used to acquire a rear-view image of the vehicle. The recognition process consists of three main phases. First, a segmentation phase locates the license plate within the image. Then, a procedure based upon feature projection estimates some image parameters needed to normalize the license plate characters. Finally, the character recognizer extracts some feature points and uses template matching operators to get a robust solution under multiple acquisition conditions. A test has been done on more than three thousand real images acquired under different weather and illumination conditions, thus obtaining a recognition rate close to 91%     

复杂车辆图像中的车牌定位与字符分割方法

车牌定位和字符分割是车牌照自动识别系统中的关键步骤。提出了一个综合多种特征的车牌定位算法和一个基于模板匹配的字符分割算法,有效地解决了背景复杂的彩色图像中车牌定位和字符分割的问题。综合这些算法并结合字符识别核心,实现了一个完整的车牌照自动识别系统。该系统对不同背景、光照条件下采集到的车辆图像进行了大量实验,实验结果证明算法准确率高、鲁棒性好。