基于OpenCV的车牌识别系统研究

车牌识别系统是以汽车牌照为特定目标的专用计算机视觉系统,是智能交通系统的重要组成部分.介绍了一种基于Visual C++平台与Intel开源计算机视觉库OpenCV的静态复杂背景下的车牌识别系统的开发方式.该方式中采用空间域滤波和形态学方法确定车牌的轮廓,采用频域、空间域分析和几何校正相结合的方法对车牌歪斜情况进行校正,最后通过字符分割和模板匹配实现车牌号码识别.经在Visual C++平台下验证,此方法适用于车牌歪斜的情况,识别速度快,准确率高.     

两种形状识别方法及其实验

物体的形状识别是模式识别的重要方向,广泛应用于图像分析、机器视觉和目标识别等领域.目前,对形状识别的主要方法有傅里叶描述子、主分量分析等.对傅里叶描述子、主分量分析方法进行了详细阐述,通过对仿真得到的数据分析比较,验证了主分量分析法和傅里叶描述子方法对形状识别具有比较好的效果.     

一种新的车牌数字及字母字符识别方法

车牌字符识别是车牌自动识别系统的关键环节．车牌数字及字母字符识别是车牌字符识别的重要组成部分．传统的模板匹配法的缺点是在车牌图像质量退化时识别率较低．提出一种新的改进的模板匹配法．该方法定义前景匹配度、背景匹配度和整体失配度3种匹配测度进行模板匹配,匹配成功则直接获得识别结果,否则,对相似字符情形应用特征区域模板匹配法,对其他情形应用空心模板匹配法．实验结果表明,该方法对车牌字符褪色、污迹、断裂、模糊、光照不均等质量退化车牌图像具有较好的识别效果．     

基于傅里叶描述子的形状特征匹配方法在机场掩体目标检测中的应用

文章研究了基于傅里叶描述子的形状特征匹配方法在机场掩体检测中的应用。本文利用傅里叶描述子对目标旋转、缩放和平移描述的不变性,确定了用基于傅里叶描述子的特征匹配方法来检测掩体目标,井对匹配方法的原理、步骤和方案进行了论述。用仿真数据进行了试验,试验结果验证了文中设计的形状匹配方法对掩体类目标检测的有效性。     

基于傅立叶描述子的轮胎标识点形状识别

针对人工识别轮胎标识点形状效率低、误差大等问题,提出了一种基于傅里叶描述子的轮胎标识点形状识别算法.首先对采集的轮胎标识点图像进行降噪、分割、轮廓提取等图像预处理操作;然后通过对预处理后的轮胎标识点图像进行傅里叶变换,提取轮胎标识点轮廓的傅里叶描述子系数;最后通过计算待识别轮胎标识点图像的傅里叶描述子系数,与轮胎标识点模板库中图像的傅里叶描述子系数的欧氏距离数值,其中与最小欧氏距离相对应的模板库形状即为待识别轮胎标识点轮廓的近似形状,从而实现轮胎标识点的形状识别.实验选取圆形、方形、菱形以及十字形,四种共计200幅轮胎标识点形状图像,进行标识点形状识别准确率测试.实验结果表明,该算法能准确地识别出轮胎标识点形状,四种轮胎标识点形状的平均识别准确率为97.25％,其中圆形和方形轮胎标识点的形状识别准确率达98％.     

基于傅里叶描述子的图像检索技术研究

物体的形状分析和识别是模式识别的重要研究方向,其中傅立叶描述子是其重要方法之一,归一化傅立叶描述子具有旋转、平移、放缩不变性和对起始点的选取不敏感的特点.利用傅里叶描述子对二值图像轮廓进行处理得到特征向量,在获得特征向量后,对待检索图像的特征向量和数据库中的图像用过使用相关系数的度量方法进行相似性比较.在P100数据库上进行实验,通过对实验结果进行分析,表明傅里叶描述子在图像检索准确率方面与保留傅里叶描述子点个数的多少有很强的相关性.     

一种非闭合曲线的傅里叶描述新算法

为实现非闭合曲线的精确识别,基于傅里叶变换和几何对称性,提出了一种用于识别非闭合曲线的新算法.首先,将非闭合曲线二值化,并生成表示此非闭合曲线的点集S1;然后,根据几何对称性生成新的点集S2,将点集S1和S2的首尾点相连,形成由S1和S2表示的封闭二值曲线;最后对新生成的封闭曲线进行傅里叶描述,生成描述此封闭曲线的傅里叶描述符.根据傅里叶变换原理,对傅里叶描述符进行归一化处理.同时,引入χ2置信度来衡量曲线的相似度.实验结果表明:所提出的傅里叶描述符可以实现非闭合曲线的精确识别和重构,且不失旋转、尺度及平移不变性;与传统的傅里叶描述符相比,该傅里叶描述符具有更低的置信度和更好的数据稳定度.     

傅里叶描述子及DIP应用

计算机视觉常以物体特征为基础进行区别、分类,本文以傅里叶描述子描述物体的形状特征,同时借助快速傅里叶变换完成傅里叶描述子的程序实现,并作为数字图像处理DIP的基本技术应用在区域分类、物体轮廓识别等方面。     

基于傅里叶描述子的轮胎标识点形状识别

针对人工识别轮胎标识点形状效率低、误差大等问题,提出了一种基于傅里叶描述子的轮胎标识点形状识别算法。首先对采集的轮胎标识点图像进行降噪、分割、轮廓提取等图像预处理操作;然后通过对预处理后的轮胎标识点图像进行傅里叶变换,提取轮胎标识点轮廓的傅里叶描述子系数;最后通过计算待识别轮胎标识点图像的傅里叶描述子系数,与轮胎标识点模板库中图像的傅里叶描述子系数的欧氏距离数值,其中与最小欧氏距离相对应的模板库形状即为待识别轮胎标识点轮廓的近似形状,从而实现轮胎标识点的形状识别。实验选取圆形、方形、菱形以及十字形,四种共计200幅轮胎标识点形状图像,进行标识点形状识别准确率测试。实验结果表明,该算法能准确地识别出轮胎标识点形状,四种轮胎标识点形状的平均识别准确率为97.25%,其中圆形和方形轮胎标识点的形状识别准确率达98%。     

利用独立成分分析和小波矩对车牌字符特征的识别

车牌识别技术作为智能交通系统的核心,起着举足轻重的作用.通过将独立成分分析和小波矩方法引入到车牌字符识别研究中来,提出了一种对车牌字符按照汉字组、数字与字母组进行分组,然后对不同组提取不同的特征进行识别的新方案.实验结果证明,所提方案可以达到很高的识别率.     

基于轮廓结构和统计特征的字符识别研究

车牌识别系统是智能交通不可缺少的一部分,在车牌识别系统中,字符的特征提取和字符识别是这一系统的关键技术.文章利用字符的轮廓结构特征和统计特征对字符进行识别,根据字符外部轮廓的上、下、左、右4个方向的特点和一些统计特征,如字符最大宽度,垂直方向笔画数等作为识别特征,形成判别树,再利用判别树对汽车牌照中的数字和字母进行识别.此方法识别的准确率比较高,并提高了识别速度,还适用于其他不同字体的数字和字母识别.     

基于改进LeNet-5的车牌识别算法

传统的车牌识别算法包括模板匹配、特征统计等方法,但是这些算法依赖于人工提取图像特征,识别准确率低。卷积神经网络LeNet-5算法能够自动提取车牌图像的特征,提高车牌识别准确率。但是目前基于LeNet-5网络结构的车牌识别算法存在识别不完整,运算时间长等缺点。提出基于改进的LeNet-5网络的车牌识别算法,该算法将输入车牌字符图像归一化为32×16大小,并通过删除传统LeNet-5网络中的C5层、修改输出层中神经元个数等,将车牌字符按照汉字和数字/字母的形式识别输出。通过采集大量车牌数据进行训练验证,结果表明:与前人改进的LeNet-5网络结构相比,本文算法在识别率和时间效率上均得到了提高。     

一种新的基于形状特征的图像检索方法

提出一种新的基于形状的图像特征提取和匹配方法.综合采用改进的不变矩和二维极坐标傅里叶描述子对形状特征进行描述.改进的不变矩可以描述物体的整体形状信息,具有平移、旋转和尺度不变性,二维极坐标傅里叶描述子可以对形状的相似性进行定量判别,具有较强的通用性.最后,采用线性加权求和的方式计算综合相似度,将具有较高相似度的结果集返回给用户.实验结果表明,与其它检索方法相比,该方法可以有效地提高检索的查全率和查准率.     

基于车牌自动识别技术的车辆违章系统研究

基于车牌自动识别技术的车辆违章系统是利用每一个汽车都有唯一的车牌号码,通过摄像机所拍摄的车辆图像进行车牌号码的识别。在不影响汽车运行状态的情况下,计算机自动完成车牌的识别,可降低交通管理工作的复杂度。     

多特征与BP神经网络车牌识别系统研究

汽车牌照识别技术是智能交通管理系统中的关键技术;基于数字图像处理理论,将计算机视觉与模式识别技术相结合,对车辆牌照识别系统进行了研究。为了提高系统车牌识别能力,提出了一种综合颜色特征和投影特征相结合的车牌定位方法。字符分割采用了投影法;字符特征选取了互补性强的粗网格特征、投影特征以及外围轮廓特征;最后采用BP神经网络进行车牌字符识别。对车牌字符的识别分为汉字、字母及字母数字三类进行。实验表明,多种图像处理技术与模式识别技术有机结合能有效地提高系统的识别能力;本系统所采用的方法取得了较好的识别效果。     

基于WEB的车牌识别与管理系统设计与实现

为了利用图像处理技术和互联网技术及数据库技术来识别和管理车牌号码,以便最终获得车辆和车主的身份信息,本文设计和实现了一个基于WEB的车牌识别与管理系统,以实现对各类车牌和车主信息的智能化管理和应用。利用基于WEB的车牌识别与管理系统,用户可以实时和方便地识别和获取车牌数据库中车辆和车主的信息。本系统具有很强的实用性和扩展性。     

有相对运动的车牌识别技术研究

汽车车牌识别是图像识别技术的一个重点课题．介绍了拍摄装置与汽车有相对运动的车牌识别方法;结合警车跟踪系统的核心部分,研究了具有相对运动的汽车车牌的提取、车牌的预处理以及车牌数字的识别;着重阐述了自适应模板的中心骨架匹配方法．     

基于多级三角形面积函数的傅里叶形状描述子

提出了一种用于形状检索的基于多级三角形面积函数的傅里叶描述子.对形状轮廓上任一点,多级三角形面积函数通过轮廓的非等弧长分割计算得出,可以很好地描述形状的整体特征和局部细节特征.形状特征向量由多级三角形面积函数的低频傅里叶变换系数构成.在标准的MPEG-7形状图像库上对该方法进行了图像检索实验,并与已有的分别基于中心距离函数、面积函数、最远点距离函数、角度半径复函数、拱高半径复函数的傅里叶描述子以及混合傅里叶描述子进行了检索性能比较.实验结果表明,所提出的方法在相同查全率时具有最高的查准率,且具有较低的计算复杂度,证明该方法的有效性.     

边界链码在字母与数字混合识别中的应用

将链码技术应用到字母与数字的混合识别中,用链码跟踪其轮廓,提取形状特征.针对链码间的差异性,设计了多级分类器,获得了良好的分类器品质.方法简单有效、存储量小,具有实用性,可嵌入到车牌、图书索号识别等应用领域.     

基于自适应神经模糊推理系统的树叶特征的提取以及分类

通过植物的几何特征:长宽比,矩形度,面积凹凸比再根据傅里叶描述子和得到的傅里叶系数来提取树叶的一些形状特征:圆形度、细长度、密集度、凹凸度,再利用广泛应用于处理与分析具有复杂细节特征的分形维数来对植物特征进行提取,最后采用自适应神经模糊推理系统(Adaptive Network-based Fuzzy Inference System,ANFIS)基于sugeno模糊来对树叶进行分类,并对树叶的分类进行分析,结果显示:随着适应神经网络的训练次数的增加,识别的误差越来越低,最后达到了比较好的效果,能够准确的进行分类.