基于MATLAB的车牌识别系统研究

为了提高车牌识别准确率,以MATLAB为平台,对车牌识别系统部分算子选择及算法进行调整和优化。在具体处理中,通过灰度拉伸、顶帽变换、二值化等实现车牌预处理,用边缘检测、形态学处理等实现车牌定位,通过多种算法对比选择合适的车牌矫正方法,结合车牌垂直投影法、模板匹配法完成车牌识别系统设计。该系统对车牌识别的准确率由96.5%提升至97.5%,识别效果较好。     

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。     

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%。     

竖向边缘生长的车牌定位算法

车牌定位在车牌识别系（License Plate Recognition,LPR）的实现过程中是一种极为重要的技术。车牌定位不仅是LPR中的重要步骤，而且是识别的基础。竖向边缘生长算法．既充分发挥了样板匹配的边缘检测方法定位边缘高效快速的特点，又结合了区域生长算法分割结果准确的优点。     

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．     

车牌号码识别设计与实现

基于形态学处理方法和车牌纹理特征实现车牌定位、分割,通过模板匹配法完成车牌号识别.基于MATLAB GUI以用户体验为导向搭建车牌识别系统,通过对100张车牌图像的试验,识别正确率达到85%,用户界面效果良好.     

基于改进 K 近邻算法的小型汽车号牌识别系统

为了对现有小型汽车号牌识别系统进行优化,改善车牌字符识别系统性能,借助 OpenCV 图像处理开源库,在车牌图像预处理阶段采用均值滤波方法提高图像质量,采用 Sobel 边缘检测算子对图像边缘进行提取,利用交替的膨胀、腐蚀操作结合车牌长宽比实现车牌轮廓定位,并根据列像素值对车牌字符进行切割,最后采用改进的 K 近邻算法对分割后的单个车牌字符进行识别。实验结果表明,基于改进 K 近邻算法的车牌识别系统处理时间为 2.08s,识别正确率达 91.3%。与传统的 K 近邻算法相比有着更高的识别率,与神经网络法相比,有着更快的识别速度。     

基于车牌识别+移动支付的高速公路收费系统设计与实现

为提高高速公路通行效率,在原有收费系统基础上提出基于“车牌识别+移动支付”的高速公路收费系统,无需额外安装设备即可实现不停车收费。系统核心技术为车牌识别与移动支付。车牌识别采用小波降噪技术对图像进行降噪处理,采用数学形态学方法进行车牌定位,采用垂直投影法进行字符分割,采用 ORC 算法进行字符识别|移动支付通过调用第三方支付平台（微信或支付宝）接口方式实现。对车牌图像进行降噪处理后,车牌识别正确率达到 96%,比未降噪处理提高 3%|与 ETC 收费车道相比,从该系统入口车道通行时间缩短7 秒,出口车道缩短 8 秒,试验结果表明该系统提高了高速公路通行效率。     

车牌粗定位

在现有车牌定位的基础上,提出了一种结合图像空间信息方法和颜色空间信息方法进行车牌粗定位的方法。粗定位的结果可以用于车牌的精定位,为后续的车牌定位和识别打下良好的基础。     

基于LabVIEW的车牌图像识别技术研究与应用

提出一种虚拟仪器与机器视觉相结合的汽车牌照识别方法。应用IMAQ Vision工具包,在LabVIEW平台上开发了车牌图像识别系统,并详细介绍了图像预处理、车牌定位、字符分割和字符识别的方法。实验结果表明,该方法是可行性的,能有效识别车牌和字符。     

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%。     

基于数字图像处理的车牌识别系统的研究

基于数字图像的车牌识别技术,是一种智能的无源型车牌识别方法,在车牌没有任何信号传输设备的情况下,能够对车辆进行非接触式的固定的车辆信息采集以及实时智能识别运动状态的车牌号码.通过对多幅车牌图像的检测识别表明该技术是有效的.     

基于车牌识别及RFID技术的小区车辆管理系统设计

采用车牌识别及RFID射频卡互补的方式设计了小区车辆管理系统,该系统可对分布于小区大门监控点内的过往机动车辆实现自动车牌识别,并对所有过往车辆的图片进行自动记录存档。由于本系统采用的是目前国内最先进的高清晰抓拍识别技术,基于计算机视觉原理以及模式识别技术,故可对过往车辆的车牌号进行清晰、准确的识别和不间断监测。     

遗传算法在分类器系统中的应用

针对数字式车牌图象识别系统中线性分类器参数辨识这一具体问题,对遗传算法(简称GA)过早收敛的缺点提出了若干改进意见并作出性能分析,说明了自适应参数调整和染色体并行进化相结合的GA方法是有效的.     

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。     

智能交通领域中机动车牌照自动识别技术研究

对车牌图像预处理和字符识别做了系统的阐述,针对字符分割采用了一种基于投影变换的分割算法,并就字符特征向量提取及字符识别方法进行了描述,设计了一种机动车牌照自动识别系统的解决方案。     

基于深度学习的图像文字识别技术研究与应用

针对传统图像文字识别技术采用模板匹配法和几何特征抽取法存在识别速度慢、准确率低的缺点,提出一种基于深度学习的图像文字识别技术,使用开源、灵活的Tensor Flow框架以及LeNet-5网络训练数据模型,并将训练好的模型应用于特定场景印刷体文字识别。实验结果表明,识别模型的top 1与top 5准确率分别达到了99.8%和99.9%。该技术不仅可快速有效地处理大量图片文件,而且能综合提高图像文字识别性能,节省大量时间。