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。     

基于新模板的算法在车牌字符分割中的应用

针对以往车牌字符分割算法在复杂情况下分割准确率低的问题,提出了一种基于新邻域模板的连通域算法的车牌字符分割算法。采用基于新模板的连通域算法粗分割字符;通过自适应阈值投影法进行字符细分割;同时使用区域合并算法保证字符的完整性。实验结果表明,该算法将连通域法与投影法有效结合,能够同时解决汉字不连通、字符粘连和边框粘连等复杂情况,该算法对车牌字符进行分割正确率达99.5%。     

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。     

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。     

基于数学形态学边缘检测的车牌字符分割算法

汽车牌照字符分割是车牌识别过程中的关键步骤,直接影响到字符识别的效果。传统的方法对车牌图像质量要求较高,且抗干扰能力较差。提出一种基于Renyi熵和数学形态学边缘检测的车牌字符投影分割算法,首先用二维Renyi熵最大阈值法对车牌图像做二值化处理,然后用形态学腐蚀运算进行边缘检测,再去除车牌边框,最后通过投影分割提取车牌字符。仿真实验表明,基于Renyi熵最大阈值法和数学形态学边缘检测车牌图像预处理使得车牌字符边缘清晰,降低了噪声的干扰,有利于进行字符投影分割。该算法分割速度快,鲁棒性好,可获得比传统方法更好的分割效果。     

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。     

车牌字符分割的研究和实现

从车牌投影出发，根据车牌水平投影的统计特征，借助于多项式拟合的方法，找到阈值进行水平方向上的分割；并根据车牌竖直投影的形状特征，进行竖直方向上的分割。详细描述了车牌分割算法，实验结果验证了算法的有效性。     

一种车牌字符快速分割算法

在深入研究了大部分常用的车牌字符分割算法的前提下,根据车牌区域图像的特征,文章提出了一种综合了连通区域法和先验知识相结合的车牌字符分割算法,该算法经过大量实验证明了其在准确率方面的优越性.     

一种基于数学形态学的车牌定位与分割方法

本文设计与实现了一种基于数学形态学的车牌定位与分割方法,关键步骤包括:灰度变换、边缘检测、数学形态学处理、基于行列投影的车牌定位、定位后的车牌图像二值化、基于垂直投影的字符分割等。通过在MATLAB上的仿真,验证了方法的有效性。实验结果表明,该方法复杂性低,速度快,适合实时应用。     

基于数学形态学和Hough变换的车牌定位算法

针对复杂环境下的车牌定位率较低的问题,提出了一种基于数学形态学和Hough变换检测车牌区域的方法。首先,对车牌图像进行图像预处理,然后,利用数学形态学的高帽变换突出车牌字符区域,并对图像进行边缘检测和连通区域分析;最后,结合Hough变换和车牌的先验知识实现车牌的精确定位。实验结果表明,针对不同复杂背景下采集到的车辆图像,该算法具有很强的鲁棒性,准确率达97.3%,能够满足现代智能交通系统对车牌定位准确性和实时性的要求。     

基于数学形态学的模糊集理论在车牌字符识别中的运用

为了更加高效地利用模板匹配的方法实现对车牌字符图像的识别,结合数学形态学和模糊集理论,提出基于数学形态学的模糊模板匹配方法。首先,对于二值图像的每个像素点及其8-邻域,以赋权的方式刻画中心像素点隶属于字符的程度;其次,加4×4窗口选取代表点,并有重叠地遍历整个字符图像,以构造字符图像的模糊隶属度矩阵;进而运用海明贴近度计算待识别字符的归类,实现对字符的识别;最后,使用Matlab对模糊模板匹配方法进行编程,并在实际字符图像中测试识别效果。与传统模板匹配方法相比较,测试的结果表明,车牌字符的识别准确率得到了显著的提高。     

一种基于自适应形态学结构元素的车牌定位算法

针对传统的基于数学形态学的车牌定位算法结构元素选取的弊端,即依据经验或实验而选择一个固定大小和形状的结构元素对车牌图像进行全局处理,导致定位算法的普适性和鲁棒性低,提出了一种基于自适应结构元素的车牌定位算法,算法充分利用车牌二值图像自身信息,通过计算字符水平边缘所形成的线段长度的均值作为结构元素,因此结构元素的大小能随着车牌图像的不同而自适应调整,更加有效地定位车牌目标区域。实验结果证明,算法具有较强的自适应能力,定位准确率满足应用需要。     

基于神经网络集成的汽车牌照识别

对基于神经网络集成的汽车牌照识别的原理和方法进行了研究,并着重分析了现有技术的积极因素和潜在问题,提出了一种基于神经网络集成进行车牌文字识别的方法.在特征提取时采用了多种特征提取的方法,对提取的每种特征构建一个BP神经网络分别进行训练.最终待识别的字符将被神经网络集成进行识别.实践证明,利用该方法比单个神经网络识别有更高的识别率,具有较高的使用价值.     

基于混合特征的车牌定位算法

车牌定位技术是汽车牌照自动识别和智能交通系统的用车牌的颜色、纹理和结构几何等多维特征,实现车牌定位.该算法利用车牌的彩色信息进行彩色分割,实现车牌图像的二值化,而后提取边缘增强,在此基础上利用数学形态学方法去噪并去除车牌边框,并利用车牌纹理特征利用投影实现车牌的最终定位.该算法克服了单一特征信息不完备引起的车牌定位误差,实验表明该方法具有较好的车牌定位效果.     

基于改进遗传算法的车牌图像分割

为了解决简单遗传算法存在的早熟、收敛到全局最优解难问题,提出了适应度标定公式,提高选择压力;定义相似度概念,保留相似性差的个体,剔除相似性个体.在不增加群体规模的前提下,增加了群体的多样性.改进遗传算法能够避免简单遗传算法所存在的问题.为了解决车牌图像识别率低问题,提出基于改进遗传算法的车牌图像分割方法,进行车牌图像识别.实验证明利用此方法进行车牌图像识别效果较好.     

融合特征和先验知识的车牌字符图像检测算法

提出一种融合车牌字符切割后的二值字符图像的结构特征及对应的彩色小字符图像的颜色信息对车牌分割后的小字符图像进行真伪字符图像区分,以此达到检测字符图像目的的算法。为满足实时车牌对时间响应的要求,对车牌字符切割得到的灰度图像作快速二值化,在二值化的图像上提取结构信息,结合车牌字符分布的特点去除了大部分非颜色车牌的伪字符图像。对于难以从结构上进行字符检测的颜色车牌伪字符图像,在结构特征分析的基础上再次通过从彩色图像提取的颜色信息进行相似性分析,排除伪字符图像。对候选字符图像融合大间隔这个先验知识得到输出的字符图像。实验结果表明算法有良好的字符检测效果,可以用于实时车牌识别系统中作为字符切割后期处理一部分。     

基于DSP和ARM的车牌识别系统设计

研究了一种基于DSP和ARM的嵌入式车牌识别系统,通过DSP实现视频图像数据采集、车牌识别算法处理、网络传输等任务;ARM处理器使用Linux系统调度和管理视频接收、视频显示、识别结果显示等控制任务。整个系统通过网络实现通信与同步。     

基于深度学习的含堆叠字符的车牌识别算法

车牌识别是构建智慧城市交通系统的重要技术,当前车牌识别系统对于单行车牌已经达到了较好的识别和应用效果,但无法满足对包含堆叠字符的车牌的识别需求。针对该问题,提出了一种基于深度学习且不依赖于字符分割的方法以识别含堆叠字符的车牌。首先对倾斜、扭曲的车牌进行投影矫正;然后使用MobileNet-SSD算法检测定位车牌中的单排字符和堆叠字符;之后将堆叠字符送入基于CTC损失的堆叠字符识别网络,进行非字符分割的端到端识别。实验结果表明,该算法不仅对含堆叠字符的车牌具有较高的识别精度,同时对倾斜、扭曲等复杂环境下的车牌具有鲁棒性,极大提高了车牌识别系统的通用性。     

非正交haar小波变换的车牌定位技术研究

车牌定位技术是车牌识别系统的关键技术之一,在haar小波变换的基础上,提出非正交haar小波概念,改进了haar小波不连续性特点。基于非正交haar小波变换,结合线扫描法快速性特点与数学形态学准确性特点,研究一种车牌快速定位算法,在此基础上运用visual C++ 6.0编程进行实验验证。实验结果表明,此算法车牌定位准确率达到95%以上,对倾斜车牌的检测鲁棒性较强。