基于低秩纹理特征的车牌倾斜校正方法

针对传统的基于直线检测的车牌倾斜校正方法对车牌边缘以及噪声较为敏感,并且不能同时检测车牌在水平和垂直方向的倾斜角度的问题,提出了一种基于低秩纹理特征的车牌倾斜校正方法.车牌图像的低秩先验信息是指对车牌图像,当车牌在图像中处于水平或垂直时,该图像对应的矩阵的秩是最小的.利用该低秩先验,采取一定的步长对车牌图像进行仿射变换,通过寻找最小秩对应的变换参数就可以获取车牌的倾斜参数,进而对车牌进行倾斜校正.实验结果表明,该方法能够准确快速地对车牌进行水平和垂直方向的倾斜校正,对车牌边缘、光照、噪声和分辨率等不敏感,具有一定的实用性.     

一种改进的Radon倾斜校正方法

车牌倾斜校正是车牌识别系统中的一项关键技术,校正效果将直接影响后续字符分割和识别的效果.为此,提出了一种改进的基于Radon倾斜车牌校正方法.该方法将车牌倾斜分成水平倾斜和垂直倾斜两部分.对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正.实验结果表明：该算法简单实用,能够准确地对车牌进行校正.     

基于颜色特征与模板匹配的车牌识别系统设计与实现

为实现对国内蓝底白字车牌的快速识别,提出一种基于颜色特征与模板匹配的车牌识别系统。通过分析长宽比、白色比例对车牌候选区域进行多次筛选以检测车牌位置,然后对车牌区域进行图像灰度化、倾斜校正、二值化、擦除反色与裁剪后,利用垂直投影分割出字符,最后通过比较字符图像与模板字符的相似度识别出字符。通过对400张不同颜色和背景条件下的车辆图像进行测试,系统处理时间为1.97s,识别正确率达到92%。     

基于MATLAB的车牌识别系统设计与实现

针对复杂的高速交通系统，设计了一套基于MATLAB的车牌识别系统，采用数字图像处理技术，自动识别车牌图像中的牌照信息，让交通系统实现数字化。具体过程是先对采集到的车牌图像进行灰度化，再进行边缘检测、形态学处理等，完成车牌的两次定位，成功后再进行倾斜校正、二值化、反色、字符分割，最后用模版匹配法对车牌字符进行识别。从实验结果看，该系统准确定位车牌并能准确快速地识别出车牌号码，实时性和实用性都较好。     

基于Matlab的车牌识别技术的仿真

车牌识别系统包括五个核心部分,分别是图像采集、图像预处理、车牌定位、字符分割、字符识别。此系统的工作过程为:首先对车牌进行预处理,确定车牌水平位置和垂直位置,即车牌的具体位置;接下来经字符分割工作提取车牌字符;最后采用模板匹配的方法完成车牌字符的识别。Matlab仿真实验结果表明,本系统的车牌识别率可达96%。     

车牌图像二次定位方法研究

提出了1种的车牌图像二次定位方法,在第1次定位中初步找出包含车牌边框的车牌图像区域。再根据车牌边框对车牌图像进行倾斜校正．在此基础上,对车牌图像进行第2次定位,最终获得精确的车牌区域．测试结果表明,车牌图像二次定位方法成功率较高,能够为后续的车牌字符识别打下良好的基础．     

一种有效的车牌字符分割方法——模板匹配一垂直投影结合的车牌字符分割方法

汽车车牌的字符分割是车牌自动识别系统中的重要环节．采用模板匹配一垂直投影结合的车牌字符分割方法利用了模板匹配法能克服对图像二值化后字符粘连及铆钉等的干扰,同时结合垂直投影法分割字符,使车牌在变形的情况下也能将字符分割出来,综合了各自的优点同时也克服了各自的缺点．     

一种改进的车牌图像识别算法

提出了基于改进的边缘检测和数学形态学结合的车牌图像识别新方法.首先将采集到的彩色车牌图像转化为灰度车牌图像,然后利用Sobel算子进行边缘检测,接着对灰度化的车牌图像进行形态学的腐蚀处理,得到平滑图像的轮廓,再进行X方向的定位和Y方向的定位及区域校正得到车牌的区域.通过对车牌图像的二值化和形态滤波把车牌上的字符给有效分割出来,最后采用模版匹配的方法进行车牌字符的识别.从仿真的结果看:可以准确提取车牌位置的字符,字符识别的准确率较高,且识别的速度快.     

基于字符纹理特性的车牌定位研究

提出一种基于车牌区域字符特性和边界检测的车牌区域分割算法。算法首先通过灰度拉伸函数控制所拍摄到的图片的整体灰度,然后使用Sobe1垂直算子增强字符的垂直笔画特性,通过阈值分割和水平差分运算去除大部分的背景区域内容,再通过分别向水平方向和垂直方向投影,依据车牌区域字符的统计特性对候选区域逐一排除,最终实现车牌定位。     

一种基于OpenCV的车牌识别方法

研究了一种基于OpenCV的车牌识别方法。在车牌定位阶段,提出一种综合边缘信息和颜色信息,并结合车牌几何特征定位方法,通过SVM机器学习实现车牌精确定位。在车牌字符分割阶段,通过设定像素跳变阈值去除边框,提出一种结合垂直投影法和字符特征的字符分割算法。在字符识别阶段,提出结合投影和网格的字符特征提取方法,并利用4个BP神经网络进行字符识别。实验表明,该方法定位率高,字符识别快速准确,具有较强的鲁棒性和实用性。     

最大似然分类的国内车牌字符识别方法研究

为了满足车牌识别系统对国内车牌字符的有效识别,利用最大似然分类简单快速、实施方便的特点,提出了一种最大似然分类的国内车牌字符识别的方法。通过对样本图像进行采集和预处理,再提取字符的特征数据并建立训练集数据库,依据字符特征向量样本和最大似然分类建立字符识别模型,针对不同类别的字符提供训练模式,对训练集样本进行模型学习和训练完成机器学习算子,最后完成车牌的识别。实验结果表明,作为国内车牌字符识别的一种方法参考,该方法可以有效识别国内车牌字符。     

基于离散 Hopfield 神经网络的污染车牌字符识别

传统字符识别方法缺乏对污染车牌字符正确识别的能力,难以有效分辨易混淆字符等。针对这些弊端,采用 MATLAB 对真实车牌字符图像进行处理,提出一种基于离散 Hopfield 神经网络的改进算法（CLP-HNN）,对车牌字母及数字进行识别。实验结果表明,该算法对污染车牌字符识别率达 93.3%,不仅可有效降低污染车牌错误识别的风险,而且可提高易混淆字符正确辨别率,对减少车牌误识别引起的交通安全及秩序问题有较大参考价值。     

最大类间方差二值化在车牌定位中的应用

根据车牌区域字符的纹理特征和统计规律,应用综合纹理分析和垂直投影的车牌定位方法来进行车牌定位。首先对图像进行灰度均衡,再在最大类间方差（OTSU）二值化的基础上,用边缘检测和投影法相结合实现车牌定位和分割。经实验证明利用这种方法定位准确率高,具有很强的可行性。     

车牌拍照识别技术研究动向

车牌识别技术是一项应用范围非常广的技术,在人们的生活中发挥着越来越重要的作用。汽车牌照识别技术是一个以特定目标为对象的专用计算机视觉系统,能从一幅图像中自动提取车牌图像,自动分割字符,进而对字符进行识别。该技术对采集到的汽车图像进行处理,能够实时准确地自动识别出车牌的数字、字母及汉字字符,并以计算机可直接运行的数据形式给出识别结果。     

RBF神经网络在车牌字符识别中的应用

针对现有车牌字符识别算法中存在识别时间长、正确率低的问题,提出了基于粗网格特征提取及RBF神经网络的车牌字符识别算法。该算法首先对车牌图像字符进行预处理,再将提取的车牌字符特征向量输入RBF神经网络进行训练,通过建立汉字字符、字母、字母／数字混合分类器分别对车牌字符信息进行识别,同时引入拒识别和易混字符细识别机制。实验表明,这种方法克服了BP神经网络易陷入局部最小值的问题,提高了识别的正确率,适合于对实时性要求较高的智能交通管理系统。     

基于OPENCV的智能车牌识别系统

智能车牌识别系统是结合数字图像处理技术、计算机视觉和模式识别为一体的综合系统,包含对车牌图像进行预处理、车牌区域定位、字符分割以及字符识别等功能。在车牌识别技术中,采用了BP神经网络技术,能快速根据提取的车牌字符特征与已知样本中特征进行比对以获取车牌字符。通过运用OPENCV计算机视觉库,大大降低了系统实现复杂度,实现了快速准确识别车牌号码。     

基于神经网络集成的车牌字符识别

针对车牌字符在车牌图象退化时识别率较低的问题,提出一种基于神经网络集成的车牌字符识别方法。基于小生境遗传算法在提高进化的局部搜索方面的良好性能来动态构建个体网络差异性大的神经网络集成,进而提高整个集成系统的泛化能力。将该方法应用于车牌字符的识别,实验结果表明,该方法能有效地生成差异度较大的个体网络,得到的神经网络集成能有效提高车牌字符的识别率。     

基于几何和颜色综合特征的车牌自动定位及识别

研究设计了在普通的监控条件下,基于几何和颜色综合特征的车牌自动定位及识别方法.该方法综合运用车牌的垂直边缘和车牌照颜色定位出若干候选车牌区域,根据车牌纵横比等条件去掉不符车牌几何特征的选区,然后采用支持向量机(SVM)分类器对候选区做进一步的分类筛选.将车牌选区内的字符自动分割出来后,调用训练好的BP神经网络对单个字符进行识别,最后将识别结果按序排列后即可得到车牌号.该方法不需要给汽车增加射频卡等特殊的设备条件,成本更低、可以更加友好地应用于不同的需求.最后在实际开发的基于车牌识别的车辆智能门禁系统中验证了本文方法的有效性.     

弧向判定法的车牌快速识别方法

介绍了一种简单易行的车牌识别方法。对于车牌灰度图像进行滤波去噪后先用峰谷法二值化,再用垂直投影法进行分割,最后进行模板匹配,并用弧向判定法匹配对几组易出错的字符进行检查,从而得到车牌号。     

基于数学形态学和先验知识的车牌定位

车牌定位是车辆识别中重要的环节,是字符分割和字符识别的基础。在数学形态学的基础上对图像进行了粗略的定位,根据先验知识进行了伪车牌的去除和字符分割的预处理,该方法能做到车牌准确定位。