车牌识别系统中的关键技术研究

针对目前车牌识别系统中的多项关键技术做了改进。车牌识别系统主要包括车牌定位、字符分割和字符识别。首先提出了基于图像转换和数学形态学的车牌定位技术;然后结合垂直投影和连通域算法对车牌进行字符分割;最后采用13点特征法提取字符特征和改进BP网络神经算法对车牌字符进行识别。实验结果表明,本算法能大大提高了车牌识别系统的准确性和鲁棒性,具有较强的实用性。     

基于改进的BP神经网络在车牌识别中的应用研究

考虑到现有的车牌识别系统存在的问题,针对图像预处理、字符切割与归一化技术进行了有效的改进,此外针对字符识别给出了一种基于改进的BP神经网络的识别方案。通过改进目标函数、利用贝叶斯统计方法来自动决定正则化参数及加入改进动量项方法实现车牌字符算法的优化设计,车牌识别的准确率达到96%。实验表明,通过该方法进行车牌识别具有较高的识别率及实用价值。     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重。基于VC++6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别。车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤。利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效。     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重.基于VC++ 6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别.车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤.利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效.     

基于神经网络的车牌识别系统在特定场合的应用

对车牌识别系统的组成进行简要的介绍,并以BP网络为例介绍了人工神经网络在车牌识别系统中的应用,提出了对于特定场所的识别系统可以通过简化网络,提高识别率和识别速度.     

基于神经网络的车牌识别系统在特定场合的应用

对车牌识别系统的组成进行简要的介绍,并以BP网络为例介绍了人工神经网络在车牌识别系统中的应用,提出了对于特定场所的识别系统可以通过简化网络,提高识别率和识别速度。     

基于置信度分析和特征融合的车牌识别研究

利用车牌识别技术来管理车辆已成为现实,针对车牌识别时间长等提出了一种基于置信度分析的加速算法;同时为提高车牌识别精度,对BP网络进行了优化及改进;通过实际试验,识别率在90%以上,基本达到理想效果.     

基于字符笔画斜率特征的车牌识别算法研究

车牌字符识别是车牌智能识别系统中的关键技术之一,为了提高车牌字符识别准确率和实时性,提出了一种基于车牌字符笔画斜率特征的字符识别算法,新算法在对准确分割后的车牌字符图像进行归一化、二值化和细化等预处理后,提取车牌字符笔画像素点的斜率值,再将斜率值构造成识别向量,进而通过计算特征向量的夹角值实现待识别字符与标准模板字符的相似度判断;实验结果表明,新的算法与已有的传统字符识别算法相比,既提高了识别准确率,又降低了识别耗时,结果满足实际工程应用需要.     

多雾霾天气车牌识别系统图像预处理算法

为提高车牌识别系统在雾霾环境下识别车牌的准确性,提出了一种新的图像预处理算法.首先,用主成分分析(PCA)和Fisher线性判别分析(LDA)方法对车牌图像进行雾霾检测;然后,用基于暗原色先验的方法对有雾图像进行去雾处理.仿真结果表明:该预处理算法不仅可以满足车牌识别系统实时性要求,而且可以提高系统在雾霾环境下识别车牌的准确性.     

基于神经网络的车牌汉字识别方法

为提高车牌汉字识别率,提出一种基于BP神经网络的车牌汉字识别方法。首先使用图像与处理技术对车牌汉字进行处理,包括自适应二值化、规范化、细化等;其次采用改进训练过程和参数的BP神经网络对汉字进行识别。实验结果表明,较其它算法,该算法运算速度快、自学习能力强、识别率和效率高。     

Wavelet packet based feature extraction and recognition of license plate characters

~~Wavelet packet based feature extraction and recognition of license plate characters1. Poon, J. C. H, Ghadia, M., Mao, G. M. T. et al., A robust vision system for vehicle license plate recognition using gray-scale morphology, in Proc. of the IEEE Interna…     

基于灰度跳变与形态学的车牌定位法

车牌定位是车牌识别系统的关键步骤,定位的准确与否直接影响车牌识别的结果.提出了一种基于灰度跳变与形态学的定位方法.对于车牌候选区的二值图像,根据车牌的水平分布特点,从长宽之比、面积之比等多个方面进行综合分析,从而可以更加精确地对车牌进行识别.实验验证表明,基于该算法的车牌识别系统能够达到较高的车牌识别率.     

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。     

径向基神经网络算法在车牌字符识别中的应用

提出一种基于径向基网络的汽车车牌字符识别算法.在预处理阶段,采用灰度化、自适应阈值分割去除图像噪声并增强图像对比度;在字符分割阶段,采用极限元素位置确定法实现独立字符分割;在字符识别阶段,利用自行构建的字符子块图像库对径向基神经网络进行训练.选取基于反向传播(BP)神经网络的字符识别算法和基于支持向量机(SVM)的字符识别算法与文中方法进行比较.实验结果表明:文中方法在识别准确率上具有明显优势,更适用于汽车车牌的字符识别.     

基于区域最大有效信息量的牌照定位新方法

汽车牌照定位的效果直接影响车牌识别系统的工作性能。为了提高定位的准确性,在对现有牌照定位算法的研究和分析的基础上,结合实际工程实例,提出了一种基于区域最大有效信息量的车牌定位新方法,该算法提取图像的垂直信息,通过阈值判断准确定位车牌区域。并使用在不同光照情况下,不同种类车牌图像对该算法进行实验。实验结果表明,该新方法不仅具有良好的定位能力,而且定位速度快,定位准确率高。     

基于HSV和MB_LBP特征的级联Adaboost车牌检测算法

车牌检测作为车牌识别系统中的重要环节,直接影响着车牌识别的准确度.为提高车牌的检测率和检测速度,提出了一种基于HSV颜色模型和多分块局部二值模式(MB_LBP)特征的级联Adaboost车牌检测方法.首先将车牌图像由RGB颜色空间转换到HSV颜色空间,统计蓝色像素占车牌总像素的比例,来构建第一层强分类器;其次对车牌字符样本提取MB_LBP特征,利用Adaboost分类器训练方法进行特征选择及分类器训练,最后利用Cascade结构检测法形成一种新的车牌检测算法.实验表明,本文算法有效的提高了车牌检测率和检测速度.     

车牌定位系统中关健技术的研究与实现

针对车牌识别系统中由于分割不准确而造成识别率低的问题,提出一种基于一阶水平差分算子的自适应边缘检测的分割方法,以便更好的将汽车图像从复杂的背景中分割出来,同时用优化投影法对车牌进行定位,并在字符识别中利用改进15特征点提取法实现了车牌字符的识别.实验结果表明,该算法对车牌识别的准确性高,识别速度快,鲁棒性好.     

基于神经网络的车牌自动识别算法

由于车牌字符自动识别系统对实时性要求较高，采用一种全局自适应快速BP算法神经网络，根据车牌字符特征，分别构造了4个子神经网络，实现了能够应用于实际的牌照自动识别系统。实验证明，用该算法实现的车牌字符识别系统识别率高，误识率低，可直接用于实际的牌照自动识别系统。     

一种快速精确的汽车牌照字符切分算法

针对汽车牌照具有字符间距、字符数、字体等统一的纹理特征，提出了一种快速精确的牌照字符切分方法，设计了一系列的特征函数和判决函数突出其纹理特点从而进行车牌字符的切分。对在不同气候条件和不同地点采集到的1000幅图片进行了实验，实验结果表明，该算法具有快速和鲁棒性的特征，字符切分准确度达到98.1%。