基于字符块提取的车牌字符分割算法

为了解决车牌图像倾斜、背景复杂、分割过程中出现的字符间粘连、断裂等问题,提出简便有效抗干扰强的基于字符块提取的车牌字符分割算法,以此提升车牌字符的识别效果.通过车牌图像二值化处理、倾斜矫正、去除干扰以及字符块提取一系列步骤,实现车牌识别前对车牌字符的准确有效分割.实验结果表明,该车牌字符分割方法可靠、准确度高,为后续车牌字符的正确识别奠定基础.     

基于字符整体特性及blob分析的车牌字符分割

为克服车牌边框、铆钉、车牌倾斜及车牌图像中亮度不均等不利因素的影响,利用水平结构元素对图像进行灰度Top-hat/Bottom-hat形态学锐化增强;然后通过中间行扫描,对各连通体进行blob分析.在字符分割过程中,利用车牌字符高度整体一致、相邻字符水平位置基本一致以及相邻字符中心间距所特有的比例关系等整体特性,作为车牌字符分割的依据.可有效克服常用方法中单个字符特性及单个字符与车牌总体的相对特性对图像倾斜、拉伸、缩放敏感及难以处理字符中的"1"的缺陷,实验结果证明了该算法的有效性.     

车牌识别中倾斜度调整算法

为减少计算机对车牌图像识别的复杂性，在图像识别前，要对车牌图像进行倾斜度的调整。针对二值化后的车牌图像进行特征分析，利用垂直投影，计算出字符间的距离，根据倾斜车牌和非倾斜车牌垂直投影的字符间距离大小的变化，确定图像的倾斜角度；利用图像旋转的算法，得到非倾斜的图像，从而完成车牌的倾斜度的调整。基于效率的考虑，又提出了该倾斜算法的优化算法。     

基于Faster R-CNN的车牌识别算法

针对传统车牌检测方法定位不准确、检测结果易受环境影响的问题,提出一种基于Faster R-CNN和Inception ResNet_v2的车牌检测算法:通过迁移学习的方式实现精确的车牌定位,用像素点统计法处理车牌图像,实现单个字符的有效提取;mLeNet5卷积神经网络模型用于对单字符进行识别。结果表明,算法对有遮挡及角度倾斜的车牌字符能实现高效、高精确度的识别.      

基于方向场的车牌倾斜校正方法

车牌字符分割与识别是智能交通系统中的重要环节,而倾斜变形的车牌图像对车牌字符分割与识别有很大影响,为解决这个问题,提出了一种基于方向场的车牌校正方法.建议方法采用Sobel算子计算车牌图像的梯度方向场,通过对方向场角度直方图的分析找出车牌水平倾斜角,根据水平倾斜角对车牌图像进行水平旋转校正并二值化.然后,应用垂直投影法...     

利用投影最小距离的车牌校正优化算法

提出一种利用字符投影最小距离进行的车牌校正方法.该方法根据车牌垂直旋转计算字符区域在垂直坐标轴上的投影,利用投影的最小距离获取垂直倾斜角度;根据车牌水平错切计算字符区域在水平方向投影,利用投影最小距离获得水平错切角度;最后进行仿射变换,并利用双线性插值对图像进行校正.校正过程中,采用折半查找和记录校正角度,最后利用原始图像校正一次获得结果图像来优化算法,以减少计算次数和毛刺的产生.该方法不依赖车牌边框特征,抗干扰性强.实测车牌图像证明,该方法具有较高的鲁棒性和工程实用性.     

基于改进倾斜校正算法的车牌识别技术

随着计算机图像处理技术的发展,车牌识别已经成为计算机图像处理技术的重要研究方向和广泛应用领域之一,车牌识别技术在智能交通系统中显得尤为重要.基于改进倾斜校正算法的车牌识别的算法,对含有车辆牌照的图片进行图像滤波、图像增强、车牌定位、车牌的字符分割和字符识别.对车牌定位技术和车牌倾斜校正技术进行改进,以应对复杂的环境变化.实验表明,车牌的识别率有明显的提升.     

车牌识别系统中的车牌定位算法研究

汽车牌照识别技术（LPR）是智能交通系统（ITS）的重要组成部分,该系统能从一幅图像中自动提取车牌图像,实时准确地自动识别出车牌的数字、字母及汉字字符,使得车辆的电脑化监控和管理成为现实,而在LPR中首先必须实现的就是车牌定位。本文主要利用边缘检测算法和旋转投影法来进行车牌定位。利用边缘检测算法寻找车牌边缘,利用旋转投影法寻找车牌倾斜角度,进行精确定位。     

基于差分投影与优割字符的车牌字符分割

针对车牌字符分割提出一种基于差分投影与优割字符的车牌字符分割算法.该方法利用水平差分投影图进行倾斜校正和水平切割,使得倾斜校正和水平切割同时进行,在降低算法的复杂度的同时提高了水平定位精确度.然后,结合垂直投影和连通域算法寻找车牌的优割字符,生成滑动的分割模板进行字符的垂直分割,有效地解决了字符粘连、断裂情况下字符识别问题.实验证明该方法分割速度快,分割质量好,对于模糊车牌识别具有自学习品质和很强的抗干扰性能.     

改进深度学习的车牌字符识别技术

针对传统车牌字符检测方法存在效率低、可靠性差的情况,提出应用Haar级联检测结合深度学习方法的卷积神经网络车牌字符识别法.首先采用Haar级联分类器提取出图片中车牌的位置,通过灰度、阈值、腐蚀、膨胀等预处理提取出车牌字符;然后收集字符数据,对CNN神经网络在角度倾斜、光照变化和噪声污染复杂条件下进行训练,使用训练后得到的模型对车牌字符图片进行识别.实验结果表明,该方法识别车牌字符正确率较高,在角度倾斜、光照变化等噪声污染条件下的准确性和稳定性较好,能够有效地降低车标识别的错误率.     

基于Radon变换和坎尼边缘检测的倾斜车牌校正方法研究

为了解决车牌倾斜对字符分割和字符识别带来的不利影响,文章基于Radon变换的思想,先利用Canny边缘检测器检测车牌边缘,再利用Radon变换搜索构成车牌矩形的直线段,并计算其倾斜角来校正倾斜车牌.测试结果表明该方法能准确地检测出图像的倾斜角,并取得良好的效果.     

车牌字符分割问题分析

车牌字符分割是车牌自动识别系统中的一个重要步骤。这一模块的正确性受到二值化、倾斜校正、噪声等因素的影响。本文对定位后的车牌图像的预处理和字符分割技术进行了比较研究,提出将多种车牌字符分割方法结合,可以提高效率和准确性。多车牌的分割将成为车牌识别中的热点问题。     

一个改进的车牌号码倾斜校正方法

在智能交通系统中,车牌号码倾斜校正是预处理的重要步骤．论文使用加权最小二乘法,把车牌区域拟合成一条直线,然后求得该直线斜率,并计算倾斜车牌图像的倾斜角％最后把图像旋转一Ⅸ完成倾斜校正．实验结果表明：论文方法能快速准确地检测出图像的倾斜角,并具有较强的适应性．与最小二乘法拟合直线比较,倾斜角精度更高,目标函数值更少;与Hough变换校正相比较,论文算法处理时间更短,倾斜角测量精度更高．     

一种基于SIFT特征提取的车牌定位方法

针对传统车牌定位算法对车牌图像质量要求较高、鲁棒性较差、准确率较低等不足,提出了一种基于尺度不变特征（SIFT）特征提取的车牌定位新方法．它利用车牌中汉字字符的局部特征属性,以SIFT特征提取方法进行抽取,并用之构建特征模板库,然后把待识别车牌图像的SIFT特征与之相匹配,用RANSAC算法剔除误匹配点后,便得到仿射变换矩阵,从而实现对车牌较准确的初定位和初倾斜校正．进一步对提取的车牌区域图像二值化,用Radon变换求得倾斜角度后,可生成精确的仿射变换矩阵,并实现对车牌的精确定位和倾斜校正．实验表明：与传统算法相比,本方法不仅能够实现准确的车牌定位及倾斜校正,而且对图像亮度、污损、倾斜、尺寸变化等具有良好的适应性和鲁棒性．     

一种基于车牌特征信息的车牌识别方法

提出一种基于车牌特征信息分析的车牌识别方法，它充分利用车牌定位和字符分割过程中得到的信息对车牌识别过程进行反馈，将二值化、车牌定位和字符分割紧密结合，注重车牌与车辆背景图像分离特征，以连通域分析为字符分割特点，结合局部二值化算法，提高正确率。实际应用结果表明，本方法具有很强的环境适应性和鲁棒性。     

图像处理技术在机动车车牌自动识别技术中的应用

主要分析了图像处理技术在机动车车牌自动识别技术中的应用。按照车牌定位由彩色图转化到灰度图、车牌区域分割、车牌位置校正等步骤,对车牌字符的识别进行了分析,并对自动识别技术进行了改进。基于图像处理技术设计的机动车辆车牌自动识别系统,在保障交通顺畅运行方面发挥着巨大作用。从实际应用效果看图像处理技术在机动车车牌自动识别技术实际运用中效果良好,具有一定的推广价值。     

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。     

面向车辆牌照的L快速二值比算法

就车辆牌照灰度图像的二值化问题，比较Otsu算法和全局动态阈值算法，讨论将字符从车牌背景中分割出来的最佳阈值选取问题。从汉字字符识别角度出发，通过引入光照强度因子L，对全局动态阈值算法进行改进，提出L快速二值化算法。实验结果表明，L快速二值化算法的处理效果，优于Otsu算法和全局动态阈值算法。二值化处理后的车辆牌照字符笔划清晰、饱满、无断裂，克服了光照因素的影响，更有利于汉字字符的识别。     

基于改进差分边缘检测法的车牌字符二值化算法

针对车牌字符光照和污损的复杂特征,对车牌图象的二值化算法进行了深入的分析和研究,提出了一种基于差分边缘检测算法的改进图象二值化算法.实验结果表明,改进算法能够有效地将字符清晰地从背景中分割出来,分割速度快并且有助于提高字符识别的正确率.