笔划宽度变换直方图在车牌识别中的应用

对于很多车牌识别中使用的算法而言,主要存在两种车牌类型:深色文字浅色背景车牌和浅色文字深色背景车牌。这两种车牌主要是二值化结果不同,进而导致后续字符分割和识别处理的图像类型不同。因此,判断车牌的二值化类型对于车牌识别来说是基础且重要的工作。提出了一种基于字符笔划宽度变换直方图的二值化算法,根据正色图像和反色图像计算比较两者笔划宽度变换直方图的最大值来判别车牌类型。同时,根据判别结果还可以估计笔划宽度,为局部二值化算法的邻域窗口大小的选择提供依据。使用多样式的美国车牌作为实验对象,与其他算法相比,实验结果表明该算法具有更好准确率,但也有更高的复杂度。     

字符识别在车牌识别中的应用

介绍了一种识别车牌中汉字字符的方法，它包含了车牌的定位，预处理，字符识别等几个重要环节．该识别方法分为2级，粗分类是依据文字的四周面积编码来分类的；单个汉字的识别，是依据文字的全局笔划方向特征来识别的，由于此识别方法简单，识别速度较快，故识别效果理想，     

车牌识别中的快速区域定位方法研究

介绍一种在图像获取阶段有目的定位关注的物体，利用它在原始图像形成的标识区域特性，在约束条件下，按照识别牌几何特征提出了一种特殊的二值化处理方法。实验证明该图像识别系统具有较高的可靠性与稳定性，减小了进一步车牌识别中计算量大的问题，从而提高了车牌识别的准确性和快速性。     

车牌识别中的倾斜车牌校正算法

在车牌自动识别过程中,图像的倾斜会给后续字符分割和识别带来困扰。利用传统Hough变换进行矫正的运算量很大,文中提出采用Canny算子提取图像边缘,去除牌照图像中和矫正无关的所有冗余信息,减少矫正过程的运算量,利用仿射变换理论采用双线性插值法校正车牌图像。实验结果表明,该方法可以准确地检测出车牌的倾斜角度,同时矫正速度比传统Hough变换方法要快。     

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。     

基于小波神经网络在车牌识别中的研究

小波神经网络是将小波函数和神经网络相结合的一种网络,它结合了小波变换和神经网络的优点,适合于图像处理、系统辨识、数据压缩等领域。本文论述了将小波神经网络应用于车牌自动识别系统的研究。     

一种改进的车牌识别预处理方法

对车牌识别的预处理算法进行了研究,提出一种新的预处理流程.首先对车牌进行光照空域校正,然后进行同态滤波、直方图均衡、对比度拉伸,在求局部阈值时,利用Robert边缘检测算法缩小了需要确定局部阈值的图像范围,且利用中值滤波使二值车牌得到了增强.该算法原理简单,容易实现,处理速度快,实时性好,为图像处理提供了一种新方法.     

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%.     

基于区域标注的车牌提取算法研究

提出了一种基于区域标注的方法来实现静态图像中的车牌提取。车牌提取的主要步骤由以下几步构成:原始图像灰度化、数学形态学处理(前景图像处理)、图像二值化(阈值法)、图像滤波处理、特征区域标注,车牌特征提取、采用matlab进行实验仿真。在实验中,通过对各种场景下采集到1 000幅图像做测试,车牌定位率为98%。实验结果表明基于区域标注的车牌提取算法运算快,对背景较为复杂的图像中车牌的提取有良好的效果。     

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.     

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。     

基于云计算的汽车车牌自动识别系统

采用云计算的方法将汉字的笔画引入汽车车牌识别系统中,通过提取运动汽车的车牌图像,对车牌字符进行准确识别与输出.该识别系统识别准确、效率高,不仅可以准确有效识别汽车车牌,而且可以通过云计算进行数据的后期处理并实现输出结果资源共享,为实现交通智能化管理提供帮助.     

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Top-hat变换的车牌快速搜索与定位

汽车牌照识别是智能交通信息管理系统的核心,从复杂的图像中分割出车牌又是牌照识别的关键。由于图像拍摄过程中存在着随机性,给牌照提取增加了很大的难度。文章在研究国内外牌照分割技术的基础上,提出了基于Top-hat变换的牌照分割方法。实验证明该方法能够很好地实现牌照顶角的快速搜索和定位,将牌照从复杂的背景图像中分割出来。     

一种基于Adaboost的车牌定位算法

针对成像过程的光照影响以及车辆的污损对车牌定位影响较大的情况,提出了一种基于Adaboost的车牌定位算法.该算法首先将车牌彩色图像进行预处理,然后使用Adaboost算法进行车牌定位,最后使用车牌颜色模型对车牌定位结果进行校验.相对于目前用于车牌定位的方法,该算法具有较快的定位速度和较高的准确率.实验证明,采用该算法能获得较好的车牌定位效果,鲁棒性强,具有较大的实用价值.     

基于车辆牌照识别系统字符的特征提取方法研究

对车辆牌照识别系统中分割下来的牌照字符特征提取环节涉及的新算法、新技术进行了深入探讨,主要研究用提取图象变换系数、图象统计矩和方向特征量的方法提取字符的分类特征,针对实验结果进行了分析。以上工作为车辆牌照识别系统的整体设计打下了一定的基础。     

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段:首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段:针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。