基于SVM和BP神经网络的车牌识别系统

针对车牌识别系统的车牌精确定位和车牌字符准确识别问题。提出一种基于SVM(支持向量机)和BP神经网络的车牌定位与识别算法。通过将HSV颜色空间和形态学方法相结合确定候选轮廓,以判断轮廓外接矩形的面积和长宽比筛选符合车牌特征的区域,并利用训练好的SVM模型对候选车牌区域进行测试判断,最终精确定位车牌的位置。此外,还可使用了BP神经网络进行车牌字符识别。经验证,该系统适用于复杂的车牌定位环境,且识别速度快,准确率高。     

一种自适应车牌识别系统设计方法

基于多种格式车牌的共性,提取车牌图像的纵向边缘,然后根据车牌区边缘灰度跳变和边缘密度等特征,采用一系列步骤去除无效和干扰边缘,保留类车牌特征区域;通过横向形态学运算,使类车牌区闭合,有效克服了形态学结构元素难以随车牌大小变化自适应选取的问题.基于扫描线种子填充算法来搜索车牌区域,利用颜色信息进行反色判断,并基于边缘检测的方法来进行车牌区域二值化,利用形态学和连通域检测方法进行字符的精细切分.对实际场景中大量车牌样本加以验证表明,算法准确率高,对车牌大小自适应性良好,具有较好实用价值.     

基于SVM的车牌区域定位系统研究

提出了一种基于SVM算法的汽车车牌定位方法。首先介绍了SVM的数学模型以及汽车车牌图像特征信息的提取方法,然后在VC环境下测得本方法可以使车牌定位的精度和效率都较高,有一定的实用价值。     

一种基于支持向量机的车牌字符识别方法

针对车牌字符图像受客观条件影响较大、样本数量不是很大、分类识别相对容易等实际情况。提出了一种对经过预处理的车牌字符图像采用SVM算法进行识别的方法。该方法将图像数据转变为文本数据作为输入样本，方法简单快速，克服了提取图像特征过程中过分依赖字符结构和图像质量的不足。并通过使用参数归整、交叉校验、选择适当的核函数等方法寻求最优参数．避免欠学习、过学习问题的产生。通过使用高速公路收费口的实拍汽车图像进行实验，验证了算法的有效性。     

基于支持向量机的车牌定位方法

车牌定位是汽车牌照自动识别系统中的关键步骤。对车牌定位文体进行研究,提出一种基于支持向量机的定位方法。首先将图像分割为N×N大小的子块,提取每个子块的灰度特征,训练SVM分类器;然后用训练好的分类器进行牌照子块和非牌照子块的分类,再使用数学形态学滤波和区域合并;最后运用投影方法定位牌照区域。实验结果表明,该方法能正确定位牌照区域。     

车牌识别系统算法综述

本文先介绍了车牌识别过程中的各组成部分的常用算法,对比了各种方法之间的优缺点,并在此基础上讨论了当前车牌识别研究的重点及未来的发展方向。     

基于ARM平台的车牌识别系统的设计与实现

针对车辆出入库管理中存在的问题,提出了基于ARM嵌入式平台的车牌识别系统的设计和实现方案,论述了从车辆图像抓取、图像预处理、车牌区域识别、文字分割、文字识别等过程中所涉及的理论和技术问题,提出了基于POSIX规范多进程技术进行系统整合的方案。     

基于神经网络的车牌识别系统

本文提出了一种基于单片机的车牌识别自动装置的设计思路，给出了系统的设计方案，并详细介绍了它的工作原理及其软硬件设计，提出了一种字符分割的新方法，利用BP神经网络原理对车牌中的汉字、字母及数字进行了分类识别，识别后由单片机控制将数据填入相应的信息管理系统。     

基于半分积分投影的车牌字符快速识别算法

提出了一种用于车牌识别的快速字符识别算法。首先利用半积分投影把大小为W×H的二值化字符图像转化为长度为2(W×H)的一维信号,保留了用于图像识别的关键特征,降低了后续算法的复杂度。然后将投影得到的数据进行离散Harr小波变换,抽取第二层小波变换后的低频系数并送入支持向量机进行训练识别。实验结果表明,所提算法可以使车牌字符的总识别率达到97.60%,平均识别时间为16.2ms,有效地提高了识别速度和精度。     

基于数字图像处理的车牌识别系统

图形图像技术的快速发展,满足了车牌识别要求高准确率和速度。本文运用数字图像处理,电子控制,光学,电器,人工智能,计算视觉等多项技术,给车牌定位,字符识别,最后将识别结果输出。     

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。     

利用改进的半正定规划的支持向量机识别车牌

针对现有车牌识别系统效率低的问题,提出了一种改进的支持向量机算法。首先对车牌进行预处理和定位,将每个特征区域构建一个多核心组合。以半定规划求解最佳的权系数。使用改进的半定规划来解决多核学习算法,降低搜索空间。最后构建车牌识别模型。仿真实验表明,该算法效率高,稳定性好。     

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。     

小波变换和神经网络在车牌识别中的应用

介绍了车牌识别的背景、意义和一般实现过程，阐述了小波变换和神经网络的基本理论，详细地分析和论述了小波变换和神经网络在车牌识别四个核心阶段（即图像预处理、车牌定位、字符分割和字符识别）中的应用，最后总结并对两者在车牌识别技术中的应用前景进行了展望。     

基于MATLAB的车牌识别系统的研究

汽车牌照识别是图像识剐领域的重要研究课题。这里运用MATLAB研究车牌识剐技术中的图像预处理、车牌定位、字符分割与字符识别等核心部分,并提出一种基于MATLAB的车牌识别系统的实现方法．综合使用多种方法提高系统的有效识别能力。该方法解决了在自然背景的图像中定位分割牌照区域、车牌倾斜和提取分割的字符等问题。通过对一定数量的图像进行处理,结果表明MATLAB在车牌识别方面的运用非常有效。     

基于自编码神经网络重构的车牌数字识别

提出了一种基于自编码神经网络重构的车牌数字识别方案.首先对车牌图像进行预处理,利用车牌字符的原图和Gabor特征作为自编码神经网络的输入进行识别实验.然后对每个车牌字符构造一个自编码神经网络,利用训练样本进行图像的重构训练,并根据训练得到的网络权值重构出训练样本集中的各个字符图像或特征.最后,将测试样本输入到每个自编码...     

车辆牌照识别中车牌定位的研究

车牌定位是车牌识别系统的第一步,也是非常重要的一步,对车辆牌照的特征及几种常用的定位方法进行简要介绍,对车牌图像进行图像预处理之后,用微分算子对图像进行边缘提取,并且针对Sobel算子的缺点用形态学出来进行弥补。根据图像行、列像素点灰度值累加和对车牌图像进行定位,最后给出定位出的车牌图像。     

基于L1-BRD的视频图像车牌识别

针对实时视频的车牌识别系统应用,利用车牌的边缘特征和形态学操作对车牌进行粗定位,通过支持向量机(SVM)结合方向梯度直方图特征(HOG)方法对粗定位车牌进行鉴别真伪.在对字符进行分割后,取连续多帧车牌,对字符特征利用L1-BRD(L1-norm Bin Ratio-Based Histogram Distance)自适应计算融合权重,使L1-BRD能够从图像间特征相似度评估扩展到实时视频中.把L1-BRD用于车牌字符识别,可以降低单帧图像中噪声及字符分割误差产生的影响,有助于后期基于多帧加权直方图特征进行字符识别,提高车牌字符识别的准确性和稳定性,并保证了实时性.     

基于一维离散周期小波变换的实时车牌识别方法

利用扫描窗口和一维离散周期小波变换以及BP人工神经网络进行车牌识别.被扫描的图像通过一维离散周期小波变换来选择图像的低频系数,这样可以提高执行车牌识别的速度.文中方法是直接对车牌进行扫描,不对单个字符进行识别,并通过MATLAB编程实现.新方法是一种实时识别,车牌识别的实验结果可高达94.7％.