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。     

基于小波分解的车牌图像分割

为消除明暗不均等低频干扰的影响，将字符成功地从车牌图像中提取出来，提出了基于小波分解的车牌图像分割方法，根据干扰信号与字符信号属于不同频域的特点，利用小波时频局部化分析的能力，在保留字符信息的同时滤除或抑制低频干扰成分，其方法是先根据统计结果分析出字符和低频干扰信号所处的频率范围，然后对图像进行小波分解，过滤掉或抑制干扰信号所属的频段，再利用传统的聚类分析进行分割，这样就能够很好地消除白斑黑斑、光照不均匀、非车牌区域干扰等问题，即使图像灰度值反差很大也能将车牌字符很好地提取出来。     

基于改进自适应图像分割算法的车牌识别技术研究

基于CV(Chan-Vese)模型图像分割方法的不足,提出了一种改进的自适应图像分割方法,用于汽车车牌的字符识别.在这一方法中,为了避免初始位置差异对于分割效率的影响,设计了更为合理的分割流程.水平集合理论配合优化迭代算法,给出多个局部初值,大大增强了分割算法的自适应性能.实验结果表明,相比于CV模型图像分割方法,改进自适应图像分割方法的准确率更高,适用于汽车车牌图像的分割.     

基于小波变换和亮度矩的车牌图像分割算法

车辆牌照图像的分割是车牌识别的前提和基础，针对牌照与车身背景的分割问题，该文提出了基于小波变换和这度矩方法的车辆牌照阈值分割算法，首先，对车牌图像进行小波去噪，然后利用亮度矩对去噪后的车牌图像进行阈值分割，实验结果表明：此方法能够从含有较强噪声的车辆图像中获得车牌图像，且具有相对于图像的平移、尺度变化和旋转的低敏感性。     

车牌识别软件的改进算法

本文介绍了车牌识别软件的实现过程，重点介绍了在车牌图像中分割车牌并进行区域处理的技术及其改进方法，如对传统模板卷积法的改进、颜色信息在车牌分割中的使用以及局部灰度处理技术等。     

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。     

复杂背景下结合Graph Cut分割的车牌定位算法

复杂背景下的车牌定位算法是车牌识别技术的一个难点。提出了一种结合graph cut图像分割及边缘检测技术的车牌定位算法,通过图像分割算法去除图像背景边缘信息对车牌定位算法的干扰,测试表明该方法有效提高了复杂背景下车牌定位算法的准确率。     

基于图像分割的静止图像车牌识别系统研究

介绍一种高识别率的静止图像车牌识别系统的实现方法.并提出一个由图像处理、图像分割、字符识别等组成的静止图像车牌识别系统的工作原理与设计方案.应用MATLAB语言编程实现了该识别系统的仿真,仿真结果表明该方法是行之有效的.     

车牌识别软件的改进算法

本文介绍了车牌识别软件的实现过程,重点介绍了在车牌图像中分割车牌并进行区域处理的技术及其改进方法,如对传统模板卷积法的改进、颜色信息在车牌分割中的使用以及局部灰度处理技术等.     

车牌识别技术的发展及研究现状

随着经济的发展,机动车辆日益普及,公路交通事业迅速发展,传统的人工管理方式已经越来越不能满足实际工作的需要,车辆识别技术作为智能交通系统的一个重要方向逐渐受到人们的重视。车牌照识别（License Plate Recognition,LPR）系统是车辆检测系统中的一个重要环节,它在交通管理中占有重要的地位,有着多种应用。车牌识别系统一般包括车牌的定位、车牌字符分割和车牌字符识别三个部分,是车牌识别技术研究的重点,本文主要对车牌识别技术的发展和现状进行了简要介绍。     

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。     

车牌自动识别系统中的牌照区域图像分割技术

以车牌自动识别技术中的牌照区域图像分割技术为重点,介绍运用车牌图像进行牌照边缘检测,从而实现图像区域分割,克服整体识别技术中的关键问题的相关内容．     

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。     

以车牌识别技术为核心的高等级公路收费系统

以嵌入式车牌识别技术为核心，提出了一个全新的高等级公路收费系统方案，解决了长期困扰高等级公路经营者和管理者不能准确控制收费的问题。     

基于LS_SVM的车牌字符识别

提出一种基于最小二乘支持向量机（LS_SVM）的车牌字符识别算法．实验表明,该算法对车牌字符识别速度平均为19．23ms／字符,该方法可用于陕速分类识别．     

基于线圈与车辆号牌识别技术的治安卡口系统

随着我国经济的发展,车辆保有量及交通出行猛增,对违章逃逸、机动车盗抢及以机动车为工具流窜作案的快速侦破查处,成了我国公安交通管理部门的一大难题．全面实行对城市主要出入口、关键道路及交叉口的连续监控,对所有通过该卡口的机动车辆进行拍摄、记录与处理,是解决这一难题打击犯罪行之有效的方法．传统的使用线圈触发和视频抓拍存储的治安卡口无法有效而快速的追查目标车辆,采用线圈与车辆号牌识别技术,建设新型智能治安卡口系统可以做到对车辆号牌的自动抓拍识别、快速处理、报警,可为及时快速侦破这类案件提供强有力的技术手段．     

基于神经网络的机动车号牌字符识别

以定位、 分割后的机动车号牌字符为研究对象. 首先, 对机动车号牌图像进行大小、 灰度方差、 灰度均值的标准化处理. 其次, 根据机动车号 牌字符的特点, 抽取字符3种不同的特征, 构造3个BP神经网络对机动车号牌字符进行识别. 并根据字符在机动车号牌中所处位置的差异, 在每个BP神经网络中构造4种不同的子网络分 别进行训练和识别. 最后, 每个BP神经网络的输出通过加权求和的组合方式得到最终识别结 果. 在组合各网络输出前, 采用对字符图像求取局部二阶差分值的方法, 将字形相近的字符 进行再分类, 从而有效地降低误识率. 通过分析实验结果, 表明本算法在机动车号牌识 别应用中达到了理想的识别效果.