基于神经网络算法的汽车牌照自动识别系统设计

论述了汽车牌照自动识别系统的组成、原理及车牌图像预处理、字符的定位和分割方法,并在对字符进行特征提取的基础上,研究了利用神经网络算法对字符进行识别这一问题.     

基于FPGA的车牌识别算法研究

车牌自动识别系统在实现智能交通系统方面发挥着重要作用,整个系统包括车牌定位、字符分割和字符识别三部分.本设计先确定车牌在获取图像中的具体位置,从而把车辆牌照定位出来,进而对车牌用局部投影的方法进行字符分割,最后采用模板匹配法进行车牌字符的识别.本文提出的方法具有实时采集视频图像,车牌定位准确,分割及识别效率高的优点.     

高速公路收费系统图像识别技术的研究

本论文主要完成对于车辆牌照的图像识别，车辆牌照的识别是基于图像分割和图像识剐理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。识别步骤概括为：车牌定位、车牌提取、字符识别。     

汽车牌照字符分割的自适应算法

本文提出一种针对汽车牌照字符分割的自适应算法.该算法首先对获取的彩色车牌图像进行灰度化、灰度拉伸、边缘检测、Hough 变换、旋转变换、二值化等一系列处理,以突出车牌文字、矫正车牌位置;然后对预处理结果的水平投影进行削峰填谷操作,以获得车牌字符的上下边界,再对上下边界内子图像的垂直投影进行削峰填谷操作,以获得车牌每个字符的左右边界.进而最终确定车牌每个字符的具体位置.实验结果表明该方法字符分割准确、运算速度快、适应能力强,有很好的实用性.     

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.     

基于车牌识别技术的双车道一体化智能道闸系统设计

对基于车牌识别技术的双车道一体化智能道闸管理系统的软硬件进行了设计.系统采用地感线圈检测车辆并对监控相机进行触发,使获取到的车辆图像清晰、牌照位置突出;然后通过对车辆图像的预处理、牌照定位和提取、校正、车牌字符分割、归一化处理,实现汉字、字母和数字字符的识别;最后将识别结果和数据库中的预存信息进行比对并根据比对结果输出反馈控制信号,实现道闸的全自动智能控制.系统采用单主机双车道同步监控,同时具备车型预识别功能,并根据车型识别的结果进行车辆图像的分类存储和查询,进一步提高了系统的实用性,具有很重要的现实意义.     

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.     

字符图像识别的分布加权模板匹配方法研究

使用标准模板匹配识别算法对图像中的字符进行识别时,图像中的背景噪声会导致识别准确率较低.为了提高识别准确率,提出一种基于分布加权的模板匹配识别算法,在获取图像与模板在对应的各个像素点上的匹配情况后,根据点间距分别对匹配点和不匹配点进行聚类,将聚集在一起的点划分到同一个分组中,根据聚类结果对不同组内的点设置不同的权重值,再计算图像与各个模板的匹配度,将匹配度最高的模板代表的字符作为识别的结果.实验结果证明,此算法提高了对有背景噪声的字符图像进行识别的准确率.     

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。     

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。     

嵌入式监控影像车牌识别方法

为解决基于PC 机的车牌识别系统成本高、重量大、操作复杂、安全性低等诸多问题, 提出嵌入式监控影像车牌识别方法。将车牌识别与嵌入式相结合, 通过中值滤波、索贝尔边缘检测、全局阈值化、基于纹理特征的近似定位、字符归一化、基于不同分类器的字符识别等技术形成了一套完整的车牌识别系统。该系统体积
小、稳定性好、可行度高、准确度高、易于安装。在不同情况下进行900 例不同车牌识别实验, 实验结果表明,该系统的识别准确率高达97. 3%左右, 在降低成本、减轻重量、简化操作的同时达到很高的精度, 可替代PC机的车牌识别系统。     

一种实用快速的车牌字符分割方法

针对车牌自动识别系统中的字符分割问题,提出了一种基于车牌字符几何特征的分割字符算法。该方法先用数学形态学对二值化后的车牌图像进行一系列的形态运算,去除掉一些无用信息,使得字符与车牌左右边框、字符与字符之间空懈变大,便于划出字符间的垂直分割线,然后使用一种新的快速测量车牌倾斜度的方法进行校正。实验结果表明,该算法原理简单实用,分割速度快,分割的质量好,便于下一步的识别。     

数字图像的不变特性与特征提取

讨论了两种字符特征向量的提取方法．一种是基于平移、旋转和尺度不变性的图像变换法,另一种是强调字符形状和结构的方向特征量提取法．比较试验的结果表明,通过计算字符图像中心矩的图像变换法具有比较稳定的特征值,有利于机器识别．实验中通过最小距离法进行字符的分类识别,识别率达到80％以上,可用于实时性要求较高的车辆牌照字符识别系统．     

车辆牌照字符识别

介绍了一个牌照字符识别系统的字符串图像提取部分和字符识别部分 .前者采用基于纹理的分割阈值选取方法 ,即先对牌照图像进行纹理分析 ,然后对取得的直方图采用模式识别中的最大最小准则决定分割阈值 ,其效果优于传统的直方图方法 .后者采用多个简单识别器融合方法进行字符识别 .这一方法根据不同类型识别器的特性 ,采用串、并联混合的方案将它们组合在一起 .与单一识别器相比 ,不仅大幅提高了识别率而且缩短了识别耗时 .这一系统对牌照汉字、数字和字母的识别率均大于 96%,总的牌照识别率为 82 %.     

图像处理在汽车牌照识别中的应用

随着自动化和交通工程的发展,汽车牌照识别技术成为一个热点。以识别一张汽车牌照的图片为例,阐明了车牌自动识别的原理,处理过程由预处理、边缘提取、车牌定位、字符分割、字符识别五大模块组成,采用MATLAB编程实现。经过实例证明,所提方法对牌照识别率很高,且识别方式简单易行,可以应用于实际。     

一种复杂背景下的多车牌图像分割与识别方法

提出一种复杂背景下的多车牌图像分割和知识方法，采用统计和特征匹配相结合的方法去除待识别图像中的背景，提取可能存在车辆的区域；分别对可能的车辆区域进行局部边缘检测，并使用车牌的先验知识确定车牌的位置和单个字符分割，包括车牌倾斜时的字符分割，使用PCA和BP神经网络相结合的方法精确识别车牌，实验结果表明，该方法对复杂背景下多车牌的分割和识别是有效的。