一种基于HSV颜色空间与小波能量特征融合的车牌定位算法

文中针对彩色汽车图像牌照定位率不高和速度慢等问题,提出了基于HSV颜色空间与小渡能量分析相融合的车牌定位方法.利用固定底色牌照的色相、亮度和饱和度值分布区间不同的特点,完成对大多数黄蓝底色牌照的快速定位.对于车牌底色与车身颜色相近无法一次完成定位的操作,进行图像二次定位处理,利用车牌区域小波高频能量分布特点从背景图像中提取车牌区域.实验结果表明该方法比单一使用HSV空间进行定位的算法准确率高,比其它小波定位算法实现速度快,并且具有较好的鲁棒性.     

基于MPI+FreeFem++的有限元并行计算

车辆牌照识别系统作为一个专用的计算机视觉系统,能够自动摄取车辆图像并识别出车牌。主要应用于高速公路收费口以及住宅小区车库的管理等场合。研究了汽车牌照识别中的车牌定位算法。首先对现有的车牌定位方法进行系统的分析,总结出车牌定位研究存在的主要问题。其次,针对车辆图像背景复杂、垂直纹理散热器噪声干扰严重等问题,提出了一种新的车牌定位算法。该方法能有效降低误检率,且运算复杂度较低,有利于实现复杂背景中车牌的快速定位。     

车牌识别中图像增强算法研究

车牌定位是自动车牌识别系统中的关键技术,图像增强算法在车牌定位又是十分重要的一部分,本文对常用图像增强算法进行了分析研究,结合实际车辆牌照图像进行了相应的处理实验,并进行了实验结果分析.     

车辆牌照识别系统的实现

车辆牌照识别系统包括车辆图像捕捉与获取、车辆牌照子图像定位与分割和字符识别(OCR)三大部分。图像捕捉与获取通过简单调用计算机视频捕捉卡厂商提供的各种软件开发包工具即可实现。车辆牌照识别系统(LPR)的关键在于车辆牌照子图像定位与分割和字符识别,牌照定位又决定其后的车牌字符识别,因此牌照定位是车牌识别系统的关键之关键。目前,牌照定位已经提出了多种方法,其共同出发点是:通过牌照区域的特征来判断牌照。车牌的定位根据不同的实现方法,大致可以把现有的定位方法主要分为三类,直接法,神经网络法以及基于矢量量化的方法。本系…     

车辆牌照识别系统的实现

车辆牌照识别系统包括车辆图像捕捉与获取、车辆牌照子图像定位与分割和字符识别(OCR)三大部分.图像捕捉与获取通过简单调用计算机视频捕捉卡厂商提供的各种软件开发包工具即可实现.车辆牌照识别系统(LPR)的关键在于车辆牌照子图像定位与分割和字符识别,牌照定位又决定其后的车牌字符识别,因此牌照定位是车牌识别系统的关键之关键.目前,牌照定位已经提出了多种方法,其共同出发点是:通过牌照区域的特征来判断牌照.     

汽车牌照定位研究综述

车牌定位是牌照自动识别系统中最关键的环节，也是检验牌照自动识别系统优劣的重要指标．长期以来，许多学者从事这方面的探讨和研究，相继出现了一些新方法、新思路．尽管如此，目前国内尚无一个完善、通用的牌照定位系统．本文结合国内汽车牌照的特点，对近几年来国内外车辆牌照识别系统研究中出现的车牌定位方法，进行了全面的综述．     

基于行扫描灰度跳变分析的车牌定位系统的设计与实现

针对车牌定位速度慢,定位准确率不够高的问题,设计并实现了基于行扫描灰度跳变分析的车牌定位系统。该系统通过对图像进行垂直和水平方向的行扫描,并结合车辆牌照自身的特点,分析图像的灰度跳变特征,实现对车辆牌照的定位。并用visual C++实现了该车牌定位系统,实验结果表明该系统定位速度快、准确性较高,具有较好的实用价值。     

MATLAB在汽车牌照识别系统中的应用

汽车牌照识别系统是交通管理领域和数字图像处理领域里的热点问题。本文介绍了MATLAB在汽车牌照图像处理识别系统中的应用。该系统通过调用MATLAB函数,综合使用多种方法提高系统的有效识别能力。运用该系统识别出汽车牌照其整个处理过程分为图像预处理、边缘提取、车牌定位、宇符分割、字符识别。     

车辆牌照自动识别的设计与实现

本文采用VC++开发完成了"车辆牌照自动识别系统".首先简要介绍了该系统的概况,并时系统进行了详细设计开发,系统主要实现的功能为:对采集到的车辆牌照图像进行预处理、车牌定位、字符分割及字符识别.其次,采用实际车辆图像对该系统进行了车辆牌照识别实验,并结合实验结果对此系统识别性能进行了分析.     

基于数学形态学的车牌定位算法

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,为了能对汽车牌照精确定位,提出了一种基于数学形态学的车牌定位方法.首先利用中值滤波方法对汽车图像进行消噪处理,然后用迭代阈值选择法将图像进行二值化,并运用数学形态学的膨胀、腐蚀对二值图像进行处理,得到几个车牌候选区,然后利用面积、长宽比以及垂直投影特征值等进行综合分析,准确定位车牌区域.实验结果表明,该方法简单易行、准确率高、并且具有一定实效性,可用于对实际车牌图像的准确定位.     

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。     

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。     

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。     

基于小波变换的车牌定位算法研究

文中提出了一种基于小波分析的车牌定位算法．根据图像中车牌的形态特征和横向纹理属性,提取图像高频（LH）小波系数的均值、能量、熵等作为分类特征,同时通过形态学算法对车牌候选域和非车牌域进行聚类,并运用相关的先验知识对车牌候选域进行优化．实验结果表明,文中提出的车牌定位算法是一种切实可行、准确高效的方法,该算法对复杂背景下拍摄的汽车图像具有很好的鲁棒性．     

Automatic Vehicle License Recognition Based on Video Vehicular Detection System

Traditional methods of license character extraction cannot meet the requirements of recognition accuracy and speed rendered by the video vehicular detection system. Therefore, a license plate localization method based on multi-scale edge detection and a character segmentation algorithm based on Markov random field model is presented. Results of experiments demonstrate that the method yields more accurate license character extraction in contrast to traditional localization method based on edge detection by difference operator and character segmentation based on threshold. The accuracy increases from 90% to 94% under preferable illumination, while under poor condition, it increases more than 5%. When the two improved algorithms are used, the accuracy and speed of automatic license recognition meet the system's requirement even under the noisy circumstance or uneven illumination.     

一种基于灰度图像的汽车牌照预处理方法

车牌图像预处理作为车牌自动识别系统最基础的一个环节,其处理效果直接影响到车牌自动识别系统的识别效果．对车牌图像的灰度化、灰度图像增强、灰度图像二值化预处理技术进行研究,利用采集的原始车牌图像在MAIZAB环境下进行实验．实验结果表明,所采用的预处理方法具有良好的处理效果,为后续车牌的准确定位与识别奠定基础．     

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%。     

车牌图像预处理技术研究与实现

介绍了彩色图像转换为灰度图像的原理并给出了VC 仿真效果图,论述了局部均值滤波,同时提出了改进的均值滤波方法,并用VC 仿真;仿真结果表明,改进的算法不仅可以有效去除噪声,而且可以能弥补均值滤波对边缘点等图像尖锐信息的模糊化.     

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。