一种基于Radon变换的车牌图像分割和识别方法

从Radon变换的定义出发,论述了Radon变换检测直线的原理,并将它应用于车牌图像分割.在1幅含有车牌的图像中,进行边缘检测后,车牌所在矩形框往往是由多条直线组成,当投影方向与直线方向一致时,Radon变换取局部极大值.由此,首先找出Radon变换在0°附近的局部极大值,该值对应于原始图像中的1条接近垂直的直线,然后,寻找次局部极大值,对检测出来的若干条这样的直线聚类,根据计算结果沿垂直方向剪切原始图像;同理,找出Radon变换在90°附近的局部极大值,沿水平方向剪切原始图像.这样,可将车牌所对应的矩形从复杂的背景中分割出来.     

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。     

一种复杂图像目标的分割与识别

研究受光照等因素影响的表面灰度随机变化的空中图像目标的分割与识别。提出了改进的多阈值八邻域像素比较边缘检测算法,对得到的边缘像素进行填充,并在跟踪过程中消除轮廓上的短枝及图像干扰,最后采用快速多边形近似算法,用多边形顶角及目标形状因子作为特征对目标进行识别。     

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。     

多梯度复杂图像的分割

图像分割是一种重要的图像分析技术,它不仅得到人们广泛的重视和研究,也在实际中得到大量的应用。本文针对一些经典分割算法对多梯度复杂图像分割边缘定位不准确,易受噪声干扰的特点,提出了一种利用图像边缘区域对多梯度复杂图像进行自适应阈值分割的算法。通过对各种算法的比较,本算法抗干扰能力较强,稳定性好,而且完全自动,不需预先设定任何参数。对多种图像的实验表明本文方法十分有效。     

基于VB的车牌识别系统的研究与实现

车牌识别是智能交通系统中比较热门的研究课题,本文着重对图像获取和车牌识别部分进行研究,并结合数据管理给出一个基于VB的车牌识别系统实现方案.     

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.     

一种彩色汽车车牌的自动分割方法

汽车牌照的定位是一个公认的较难解决的图像分割问题,文章提出了一个综合多种特征的车牌分割算法;该算法首先利用颜色信息特征加强输入图像的车牌区域,然后基于车牌区域的灰度变化和纹理特征提出一种垂直边缘检测方法实现牌照与背景的进一步分离,使用数学形态学滤波和区域合并,最后运用投影法确定牌照区域;实验结果表明,该方法取得了良好的效果。     

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。     

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。     

车牌识别和信息管理系统的设计与实现

针对小区停车库管理智能化的需求,设计了一套基于Windows平台的车辆识别和信息管理系统.该系统的硬件可以进行车牌图像采集和存储,软件采用模块化思想设计,可以进行车牌字符分割、车牌字符识别,以及对车辆信息进行数据库管理.系统采用Visual C++与MATLAB混合编程方法进行开发,具有实时性好、界面友好、处理正确率高...     

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.     

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。     

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。     

基于SVM的车牌字符识别算法研究

SVM可在训练样本很少的情况下获得很好的分类推广能力。首先分析了用多类SVM算法对车牌中的字符进行识别时存在不可区分的区域问题和采用模糊SVM算法解决该问题的办法,然后讨论了字符特征的提取方法,并根据我国车牌字符的特点分别设计了汉字、字母、数字、字母/数字4个基于模糊多类SVM的字符分类器。最后在MATLAB环境下,采用径向基核函数对算法进行学习训练。实验测试结果表明,该方法可以很好的提高字符识别的速率和效率。     

纹理分析车牌定位方法的研究现状及展望

作为智能交通系统的核心技术之一,基于机器视觉的车牌识别一直受到广泛的关注.车牌定位是车牌识别的重要步骤,其目的是确定车牌在图像中的坐标位置,从而剔除大部分的噪声区域,仅保留包含车牌的子区域.目前,纹理分析是车牌定位最基本也是最重要的手段.该文首先介绍了纹理分析车牌定位方法的研究成果,然后总结这些方法的不足,展望了下一步的研究方向.     

基于改进KPCA算法的车牌字符识别方法

针对核主元分析(KPCA)用于提取车牌字符特征不足的情况,提出了一种采用多组均值矢量来代替原始图像矢量进行核矩阵计算的方法,该方法使得核矩阵维数大幅降低,同时有效地保留了字符图像信息.实验结果表明,该方法在不降低识别精度的基础上对输入数据实现了有效的降维,大大缩短了计算时间,有效地满足了车牌实时识别系统技术要求.通过实验对比可知,该方法比目前常用的PCA及FLD算法具有更高的性能指标.     

基于改进的投影方法的车牌图像字符分割

提出了一种用于车牌识别系统中的基于改进的投影方法的字符分割方法.该方法利用数学形态学与投影相结合的方法进行车牌字符分割,首先利用数学形态学突出车牌字符区域特征,然后利用水平投影除去上下边界,用垂直投影突出单个字符区域,再结合车牌固有特征等先验知识最终分割出字符.实验结果表明:该方法实现简单,分割质量好、效率高,便于下一步的字符识别.