图像处理与汽车牌照识别

在图像处理技术的基础上，对系统设计的关键环节如汽车牌照的定位与分割、光学字符的识别提出自己的看法，并借鉴已经成熟的数字图像处理技术来进行快速高效的汽车牌照识别。     

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。     

汽车牌照图像定位技术进展

汽车牌照自动识别技术是智能交通系统的关键技术之一。车牌定位作为车牌识别流程的第一步,定位的结果直接影响到整个系统的性能。近年来许多学者对车牌定位进行了较为深入的研究和探讨,相继提出一些基于纹理特征、颜色信息和运用数学工具的新方法、新思路。尽管如此,目前国内尚无一个完善和通用的汽车牌照定位方法。本文通过分析国内汽车牌照的特征,对近些年来出现的各种汽车牌照定位方法进行综述。     

一种汽车牌照图像分割的新方法

采用距离变换方法对由目标像素和背景像素所组成图像中的所有像素，找出目标像素到其最近的背景像素的距离，经过变换映射得到汽车牌照的几何信息。最大限度地利用了图像的几何位置信息，可使信息损失率最低。该方法对噪声、光照变化、牌照缺损、倾斜及变形等情况不敏感。本方法中采用的灰度变化与传统的二值化方法不同，它克服了传统二值化方法中由于域值选取不当而带来的后续处理时的种种弊端。     

汽车牌照的检测与文字分割

为了从车辆图像中检测汽车牌照的位置,并分割出牌照中的文字,实现对车辆身份的认定,利用牌照的边缘、文字及字符间距特征,构造了两个模板矩阵,并在此基础上设计了模板响应算法.结果表明:通过计算模板的响应,可以检测到车牌的位置及像素高度,并按车牌实际高度和像素高度的比例关系分割出牌照中的文字;该算法效率高,稳定性好,抗噪声能力强.     

一种新的模糊对比度增强算法

提出了一种新的基于模糊集合理论的图像模糊对比度增强算法．首先将图像从灰度域变换到模糊域;在预先设定图像空间像素模糊隶属度基础上引入了模糊对比度概念,而后在模糊域对模糊对比度进行非线性变换,得到增强后的模糊隶属度,最后将图像从模糊域变换到灰度域．由算法分析可知,利用模糊隶属度可以对图像的细节进行增强,图像的层次更加分明．通过对几例图像增强对比实验结果的分析,表明该算法是有效的．     

基于Relief算法的智能车辆牌照模糊识别方法

由于当前已有方法未能对车牌照进行降维处理,导致车牌照识别结果不准确,为此,提出一种基于Relief算法的智能车辆牌照模糊识别方法。采用Relief算法计算不同车牌图像特征的权重系数,对特征集进行降维处理。通过序列视频图像对智能车牌进行增强处理,利用全卷积网络对车牌照显著区域进行检测,粗略提取图像中的显著区域,使用滑动窗方法对候选区域车牌进行精准检测,定位车牌准确位置,加入字符的上下文信息,对字符进行精确检测和识别,最终实现智能车辆牌照模糊识别。仿真实验结果表明,所提方法可获取高精度的车牌照识别结果。     

数字图像处理应用于车辆牌照识别的研究

探讨了将数字图像处理技术应用于机车车辆牌照识别的基本方法.在图像预处理部分,选用灰度差倒数加权平均算法对源图像进行滤波处理;应用分段线性变换算法增强图像对比度.通过边缘检测算法对车辆牌照进行准确地定位及对文字进行分割,完成对车牌上的字符的识别是利用各个字符的图像和字体的特征值,对其中每个字符进行有效、准确的识别.     

一种改进的McCann图像增强算法

提出了一种改进型的基于Retinex理论的McCann图像增强算法。简单介绍了Retinex理论,论述了基于Retinex理论的图像增强方法的基本步骤,详细阐述了McCann算法的改进方法,改善图像增强效果。     

基于直方图统计学的图像增强算法研究

针对图像的灰度特征可以通过统计矩进行定量描述的特点,提出了一种基于直方图统计学图像增强算法。该算法根据图像的全局灰度均值、方差及不同像素点子块灰度均值、方差,对符合增强条件的各像素进行增强,而对亮区不需增强的像素进行保留。因此,图像暗区的细节得以增强。实验结果表明,该算法增强了图像中所希望得到的细节。     

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。     

基于模板匹配的车牌字符识别算法研究

针对车牌识别中的字符识别问题,提出了一种改进的模板匹配方法,首先把字符模板根据某种特征进行粗分类,特征类似的分到同一组,识别时首先提取字符的这种特征,根据特征提取相应分组的模板进行匹配,最后给出识别结果。     

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.     

基于二值图像的车牌精确定位方法

提出一种基于二值图像灰度变化特征进行车牌精确定位的方法.在车牌粗定位的基础上,对分割出的车牌图像进行二值化,对二值车牌图像进行逐行扫描,利用每一行像素的黑、白跳变规律确定车牌的上下边界;对二值车牌图像进行处理得到特征图像,通过对特征图像进行垂直投影确定车牌左右边界.测试结果表明,该方法精确定位的准确率达到99%.     

基于图像处理的车牌定位方法的研究

对智能交通系统的核心技术——汽车牌照识别技术进行了研究,在图像处理技术的基础上,着重研究了车牌区域定位技术,分析了目前有代表性的车牌定位方法,介绍了利用粒子图像测速关联PIV（Particle Image Velocimeter）算法原理,提出了一种采用车牌字符笔画2个边缘互相关值最大的方法进行车牌定位的算法,准确而快速地检出了车牌区域,为后续车牌字符识别打下了很好的基础。     

车辆牌照自动识别系统预处理算法研究

车辆牌照自动识别系统是近几年国内外模式识别应用研究领域的一个热点。本文对系统中图象预处理环节涉及的新算法、新技术做了一个比较全面的论述 ,对一些关键的技术问题进行了深入探讨 ,实现了复杂背景中牌照的自动分割与字符切分     

一种基于神经网络的车牌定位方法

针对过去车牌定位难的问题,提出了一种基于神经网络的车牌定位方法,算法通过神经网络训练、图像预处理以及用训练好的网络进行车牌的定位,依照上述算法对编制的软件检验,从测试的 600 幅 320×240(像素×像素)汽车图像,正确率达到了 95.1%,每幅图像的运行时间小于 2s,基本上达到了实时处理的要求。     

压缩感知在车牌识别系统中的应用研究

分析车牌识别系统的数据采集过程,提出关于压缩感知理论的车牌识别系统的数据采集方法。对采集的车牌图像进行小波变换,将车牌图像变换成易传输,数据量较小的图像数据,使用正交匹配追踪算法以及小波逆变换对来自传输设备的车牌图像进行重建,并实现原始图像精确和近似重构。由仿真可知,压缩感知理论应用于车牌识别系统的数据采集传输过程,降低了传输数据量大小,并易于图像数据传输,且能以较小误差实现车牌图像的重构,同时有相应的硬件使用环境。     

汽车牌照自动识别中二值化方法的研究

在车牌图像处理过程中，首先遇到的问题就是图像二值化．针对汽车牌照的特点，介绍了一种新的二值化阈值方法，此方法借鉴了P片法的二值化思想，不仅充分考虑了车牌自身的特点，同时融入对直方图形态的考虑，能准确找到双峰直方图的波谷位置．并与Otsu算法和另一种全局动态阈值算法作了比较，从结果上看执行效果较好．     

基于支持向量机的车牌字符识别

作者将支持向量机SVM方法用于车牌字符的识别.算法首先采用Gabor变换和外围轮廓结构特征提取的方法提取车牌字符图像的特征参数,然后采用提取的特征训练SVM分类器,再应用SVM分类器分类和判别车牌字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值.