车牌识别中的图像分割技术研究

针对当前车牌识别系统中图像分割方法应用单一,适用范围窄的问题,提出了综合应用多种图像分割方法的算法。车牌识别系统分为车牌图像预处理、车牌定位、字符分割、字符识别四个步骤。首先运用投影算法,把输入的原始车牌彩色图像转换成灰度图和二值图,并实现车牌位置的初步定位;其次运用OTSU算法,实现车牌的精确定位,并获取车牌的灰度图数据;然后运用动态自适应算法对车牌灰度图进行二值化;最后根据车牌的几何特征,对车牌字符进行分割及归一化处理。通过对4000张不同环境下车牌图片的测试,表明本处的算法可以成功的实现车牌定位及字符分割,具有较强的适应性,对后续的字符识别起到了重要作用。     

车牌识别系统中车牌定位与字符分割方法的研究

根据车牌区域的灰度分布特征,提出一种定位车牌区域并进行字符分割的新方法。该方法先利用车牌区域灰度分布特征,对车辆图片进行粗定位并得到车牌上下边界;再根据车牌区域字符紧密性特征,利用垂直投影方法初步得到车牌的左右边界;然后根据字符宽度和间距进一步修正车牌的左右边界,最后根据字符宽度和间距的比例进行字符分割。经实验证明,该方法具有在复杂背景下适应性好、抗干扰、实时性好、定位精确等特点。     

复杂背景中基于颜色及边缘分布特征的车牌定位算法

针对复杂背景中的车牌定位问题提出了一种新的算法,首先在图像的二值垂直边缘图中利用车牌字符边缘的颜色特征滤除非车牌区域边缘,然后利用投影法确定车牌行候选区域,最后在行候选区域中利用车牌区域垂直边缘的空间分布特征定位出车牌区域,试验表明该方法在背景复杂情况下定位准确度较高,且受车牌尺度变化影响小,具有很强的抗干扰能力。     

基于神经网络的车牌自动识别系统的研究

车牌自动识别系统是一种利用车辆的动态视频或静态图像从而进行车牌号码自动识别的模式识别技术,是计算机视觉技术与模式识别技术相结合的技术领域。本文应用图像处理技术对车牌进行定位、获取字符,对字符进行分割,利用神经网络识别技术来对车牌字符进行识别,从而达到较好的自动识别效果。     

基于LPR系统的车牌字符分割技术的研究

车牌字符分割是车牌识别系统的关键技术。针对车牌字符分割的难点,作者提出了一种利用扫描线两次扫描消除车牌字符串上下干扰的方法;然后利用全局分割和局部调整的技术实现单个字符的分割。实验表明,该方法能有效的避免干扰因素的影响,满足实时性需要。     

一种冶金腐蚀区域图像分割算法研究

研究图像冶金腐蚀区域准确分割的方法。在冶金腐蚀区域分割的过程中,利用传统方法进行分割处理,由于腐蚀区域边缘不规则,造成无法准确获取腐蚀区域的缺陷,影响了冶金腐蚀区域分割的准确性。为此,提出了一种基于图像的冶金腐蚀区域分割算法。采集冶金图像,并对其进行初始化处理,去除图像中的噪声,提高图像质量。对图像像素进行增强处理,提高图像的对比度。利用线性分析方法,对图像中的冶金腐蚀区域进行分割处理。实验结果表明,利用这种算法进行冶金腐蚀区域分割,能够有效提高分割的准确率,取得了令人满意的效果。     

基于纹理分析和梯度特征的车牌定位算法

车牌定位技术是车牌识别技术中最重要的部分,根据车牌区域字符的特点,提出了一种综合纹理分析和梯度特征的车牌定位方法.利用车牌字符的纹理特征提取出可能存在车牌的区域,再利用车牌字符和背景梯度的差异性进一步过滤掉由于背景原因产生的伪车牌区域,进而准确定位出真正的车牌区域.实验结果表明该方法运算量小,对复杂背景车辆图像有很好的定位效果,具有较好的应用性.     

基于Matlab的车辆牌照的处理与识别的系统探析

智能交通系统的迅速发展中车牌识别系统在智能交通系统中占有非常重要的地位。对原车牌的原始图像进行了适当的预处理,确定了车牌在原始图像中的水平和垂直位置,然后定位了目标车牌的面积。局部投影法将在之后进行车牌字符分割中被运用。     

一种新型的基于数学形态学和颜色特征车牌定位算法

在分析了车牌定位现有算法优缺点的基础上,本文提出一种新型的综合利用车牌纹理特征、颜色特征和几何特征的快速定位算法.该算法利用数学形态学充分挖掘车牌纹理特征以及消除噪声干扰.把图像分割为若干子区域,利用纹理条件和颜色条件判断,对各子区域进行独特的分类和聚类融合,最终由粗至细精确地定位出车牌所在位置,为后续车牌字符的分割识别步骤打下良好基础.实验结果表明,对于各种情况下的车牌图像,该算法都能有效地对车牌进行定位,具有定位准确率高,运行速度快,抗干扰性强的特点.     

基于Opencv的车牌识别研究与分析

通过OpenCV机器视觉库技术与Python开发平台对车牌识别进行了研究与分析,该车牌识别系统主要由图像预处理、车牌定位、字符分割与识别等部分组成,实验表明该系统具有良好的识别效果。     

Bernsen法在字符分割领域的应用

目前常见的字符分割法有垂直投影法,聚类分析法,连通域分析法,模板匹配法等方法,本文对车牌字符进行粗分割处理采用最小外围矩形框包围法,为了减少分割时的干扰,本文使用改进的Bernsen法对字符进行二值化;去除牌照区域边框使用线型滤波器;使用投影法处机动车理牌照字符的粘连和断裂等问题。     

基于MALTAB的车牌定位技术研究

针对车辆图像的特征,提出了一种车辆图像预处理和车牌定位的方法.在对图像处理的过程中,使用的方法将图像逐步转换为灰度图像,背景图像,黑白图像,二值图像,边缘提取图像,闭运算图像,开运算图像,最终转化为车牌图像.实验证明,本文方法图像预处理效果好、准确度高、定位迅速且实用价值高.     

一种基于VC++的智能车牌识别系统

一个典型的车牌识别系统一般由车牌图像预处理、车牌定位、车牌字符分割和识别等几部分组成。本文提出了一种基于VC++的车牌自动识别系统,对其中的关键技术进行了详细的说明。实验表明,该系统可以有效对汽车牌照进行定位与识别,具有一定的实际应用价值。     

Android平台下的验证码识别研究

为了在开发移动应用APP时,实现与已有系统的无缝连接,在研究验证码图像特征的基础上,首先采用大津法对待验证图片进行预处理,通过对图像进行灰度化、二值化、分割、归一化处理,去除离散噪声;然后利用Hopfield神经网络对字符和背景颜色随机变化的验证码进行识别。通过测试表明,应用这种方法开发的移动应用服务APP,能够有效识别验证码图像,解决系统开发中的透明集成问题,为用户提供完美的操作界面。     

远程微小目标图像的粘连区域高精度分割模型

远程微小目标图像粘连区域存在孔洞和震荡突变问题,使得传统针对微小图像粘连区域分割模型,容易产生过分割现象,分割效率较低,获取的分割结果存在较大的偏差,提出了一种优化马尔科夫随机场(MRF)的分割方法,塑造远程微小目标图像优化分割模型,采用改进势函数获取MRF的条件概率,处理图像的粘连分割问题,全面分析图像分割区域的相对高度和面积,通过优化的MRF标记准确分割区域和过分割区域,运算过分割区域同邻域的紧密度,采集紧密度最大的领域并与之融合,实现远程微小目标图像粘连区域的高精度分割。实验结果说明,所提模型可对远程微小目标图像的粘连区域进行准确分割,准确率为97%。     

生物DNA图像中的破损图谱区域分割

对生物DNA图像中的破损图谱进行区域分割,为实现图谱的修复奠定基础,进而提高生物DNA图谱的分析和诊断能力。传统方法对生物DNA图像中的破损图谱采用小波尺度分解的分割方法,对统计特征丰富的生物DNA图像区域分割的特征表达和修复能力不好。提出一种基于子区域块匹配的生物DNA图像中的破损图谱区域分割算法。进行了生物DNA图像破损图谱区域特征和边缘轮廓特征提取,基于连续子空间降噪方法对DNA图像的破损图谱的进行降噪处理,采用子区域模板块匹配方法进行生物DNA图像破损图谱区域特征的变尺度多区域分割,实现分割算法的改进。实验表明,采用该方法进行生物DNA图像破损图谱区域分割,对基因信息的特征提取和降噪性能较好,避免的过分割和欠分割,误分率较低,有效提高了生物基因图谱的特征表达和分析能力。     

基于车牌颜色特征的车牌识别系统

正介绍了一种基于LabVIEW平台的、通过车牌颜色特征定位的车牌识别方法。本方法在LabVIEW平台利用车牌颜色特征和RGB、HSI等色彩模型特点,进行车牌定位;根据车牌的规定型号,采取比例法实现车牌字符分割;利用LabVIEW的OCR技术识别车牌。通过对车牌图库中的大量车牌进行识别测试,验证了所研发的车牌识别系统软件能够提高识别精度,降低识别成本。     

分层次车牌定位方法

车牌定位是车牌识别中的重要步骤,针对汽车图像的复杂背景和不同环境光条件,提出了一种分层次的车牌定位方法。该方法将图像进行分层次分割,不断减少分析的范围。它先定位出车牌候选区域的上下和左右边界,得到多个车牌候选区域,再从中挑选出车牌区域,实现了车牌的准确定位。实验结果表明,该方法定位准确率高,运行速度快,具有很强的鲁棒性。     

浅析车牌定位系统技术

车牌定位是车牌识别中的重要步骤,针对汽车图像的复杂背景和不同环境光条件,提出了一种分层次的车牌定位方法。该方法将图像进行分层次分割,不断减少分析的范围。它先定位出车牌候选区域的上下和左右边界,得到多个车牌候选区域,再从中挑选出车牌区域,实现了车牌的准确定位。实验结果表叽该方法定位准确率高,运行速度快,并且具有很强的鲁棒性。     

基于形态学重构的分水岭图像分割算法

提出一种改进后的分水岭算法,运用形态学重构技术对图像进行预处理,并通过距离变换实现图像的区域分割。实验结果表明,相较于传统的分水岭算法,改进后的算法可以有效地遏制过分割现象,提取出连续、准确的单像素宽分割线。