基于MATLAB的车牌识别

使用MATLAB工具箱对车牌进行识别。根据图像识别理论,在现有技术基础上,综合利用图像处理、计算机视觉、模糊识别等技术,重点对车牌定位、模板匹配等进行了应用性的研究。实验结果表明,所述方法是有效的,能够定位和识别车牌字符,达到了预期的目的。     

基于ARM S3C2410的车牌识别系统的研究

为实现车牌识别系统实时动态监控,设计一种基于ARM9的嵌入式微处理器的车牌识别系统。采用S3c2410嵌入式处理器和高速闪存,提高了系统处理速度;为解决车牌图像倾斜的问题,进行了车牌校正,提高了系统的识别精度。该系统已应用于作业现场,运行可靠,效果良好。     

一种基于特征点的车牌识别改进算法

车牌识别技术已经成为公路交通自动控制与管理(RTACM)以及智能运输系统(ITS)中的一个重要组成部分。提出一种基于特征点的车牌识别改进算法,利用车牌的纹理特征和形状特征定位车牌区域,采用垂直投影分割车牌字符,通过统计特征点进行字符识别。实验结果表明,该算法能显著提高由于拍摄角度引起的车牌图像中字符拉伸、变形等情况下的识别率,同时缩短了识别时间。     

基于DM642的车牌识别系统

为了提高智能交通系统的管理效率,给出一种基于芯片DM642的车牌识别系统。系统采用基于DM642的硬件平台,由车辆信息采集模块、DSP处理模块、监视器和PC系统4大模块组成。对采集图像进行灰度化、灰度增强和滤波降噪的预处理;利用基于字符竖向纹理特征的定位方法实现车牌定位;再经几何变换,完成字符分割;对分割图像进行字符分类并做归一化处理,通过模式匹配得出识别结果。实验选取3组不同特点的车牌图像,结果显示,所给系统的正确识别率可达93.5%~95.4%。     

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.     

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.     

基于小波分析的混合车牌定位算法

目的提出一种基于小波分析的车牌定位方法,保证车牌定位的准确性,满足车牌识别系统的实时性要求．方法首先对原始图像进行预处理,去除噪声和增强对比度,然后利用原图像的垂直梯度的水平投影实现车牌图像的粗定位,最后利用小波分析提取车牌图像的高频信息,实现车牌精定位．结果通过先粗定位再细定位的方法提高了车牌定位的速度,并且抗噪声能力强,定位效果较好．结论实验证明了该方法的有效性和实用性,为车牌识别系统的后续处理提供了有利条件．     

基于识别结果校正的车牌字符分割算法

在车牌识别系统中,字符分割发挥着承上启下的作用。由于外界环境如光照、尘埃的影响,造成预处理后的车牌图像产生字符断裂和粘连现象,造成分割错误,影响后续字符识别。通过研究多种字符分割算法,提出了一种结合垂直投影法、连通域分析以及通过模板匹配字符分类器的识别结果进行反馈校正的分割方法。分别对停车场车辆车牌、高速公路路口抓拍的车牌以及公路行驶车辆抓拍的车牌进行测试,其中停车场车牌可以实现98%以上的分割正确率,其余2种情况的正确率也在97%左右,表明该方法有实用性。     

基于CBR的车牌识别技术的研究

为提高车牌识别的速度和准确性,在图像处理与车牌识别技术相结合的基础上,提出了一种基于实例推理（CBR）的车牌识别方法,实现CBR在车牌识别领域的应用。描述了基于CBR车牌识别过程,分析了将CBR应用于车牌识别原因和前景,并提出了图像基于实例检索的关键技术和研究方向.     

车牌自动识别系统的研究与实现

为了缓解日益严重的交通压力、提高城市交通管理的工作效率和增强人们的安全防范意识,采用基于纹理和颜色信息的综合车牌定位方法对车牌区域精确定位。通过分析水平投影的统计特征和竖直投影的特征进行车牌字符分割,利用自适应性和学习能力强的BP神经网路进行字符识别,研究和实现了车牌自动识别系统。测试结果显示,车牌识别时间小于200 ms,识别率可达90%以上。说明本系统是可行和实用的。     

汽车牌照图像的预处理研究

讨论了平滑和二值化方法，提出了一种改进的适合汽车牌照图像自身特点的去噪及二值化方法，该方法将平滑和二值化结合起来，对螺丝钉、大污点、牌照边框、字符分割不当等引起的噪声非常有效，为正确的特征抽取提供了保证。     

基于流形学习的车牌图像超分辨率算法

为了解决视频监控系统中车牌图像分辨率较低、车牌字符难以辨识的问题,提出一种基于流形学习的车牌图像超分辨率重建算法。首先学习训练样本库中高、低分辨率图像之间的映射关系,然后利用线性判别分析(Linear Discriminant Analysis,LDA)算法提取图像特征,并利用流形学习中的局部线性嵌入(Locally Linear Embedding,LLE)算法对特征向量进行参数建模,最后通过特征映射关系获得高分辨率图像。实验表明,该方法对监控系统中的低分辨率车牌图像具有较好的超分辨率复原效果,不仅提高了字符的可读性,而且具有更高的峰值信噪比。     

一种基于模糊聚类的车牌图像分割方法

车牌图像分割是车牌特征提取和识别的前提,其分割效果直接影响到车牌识别的准确率。针对运动中的车辆牌照受天气等环境的影响,导致车牌图像存在不确定性和模糊性的特点,提出一种基于C均值模糊聚类的车牌图像分割方法,避免图像分割时的阈值设定问题。利用采集的原始车牌图像,在MATLAB7.0环境下进行分割仿真实验,实验结果表明,算法可以有效地去除干扰信息,突出车牌区域的图像特征,为后续的车牌定位、字符分割和字符识别提供重要保证。     

不均匀光照下车牌图像二值化研究

不均匀光照下的图像二值化是数字图像处理中的一个难题,汽车牌照自动识别系统工作在复杂的光照环境下,经常会出现车牌光照不均的现象,给图像二值化带来困难.为此,提出一种解决办法,首先使用同态滤波去掉车牌图像的不均匀光照的影响,然后使用改进的Bernsen算法对车牌图像进行二值化.实验表明,使用该算法能有效地克服不均匀光照的影响,二值化效果良好,车牌识别率得到显著的提高.     

汽车牌照快速搜索算法研究

对汽车牌照自动识别技术中牌照快速搜索问题进行研究，采用水平隔点垂直隔行的数据压缩方法。以解决图像处理数据量大，实时性差的瓶颈问题；利用一种增强差分算子，以解决纹理特征提取问题，推导出一种递推公式，以实现快速窗口搜索。     

车牌图像自动识别系统预处理算法研究

车牌预处理是汽车牌照自动识别系统中的一个重要的环节,预处理的好坏直接影响到后面的识别结果.在开发一套实用的自动车牌识别项目的过程中,分析研究了车牌预处理的各个环节,对其中关键算法———倾斜校正算法、二值化算法、字符分割算法做了详细的研究.在大量试验的基础上,提出了一种基于区域滤波的预处理算法和一种改进的车牌倾斜校正算法,并用于工程实际中,取得了良好的效果.     

一种快速车牌识别系统

本文提出了一种基于模板匹配的快速车牌识别方法。该方法运用了数学形态学知识进行车牌的定位,然后采用基于模板匹配的相关函数做相似度测试,完成字符识别。经大量实验证明该方法能有效地完成不同解析度和不同模糊程度的车牌识别工作,而且识别精度高、速度快,能满足实际系统的要求。     

Harris角点检测与AP聚类结合的车牌定位方法

在车牌识别系统中,车牌的准确定位是关键,针对车牌区域包含有比较丰富的角点,提出了harris角点检测与AP聚类相结合的车牌定位方法.该方法先采用Harris算法检测出车牌区域的角点,然后对角点进行AP聚类并剔除包含角点数较少的类以及远离类中心的离群点,最后进行区域合并,根据车牌区域宽高比识别车牌区域.实验证明该方法能够快速、准确定位出车牌区域.