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。     

一种改进的车牌字符分割算法及Matlab实现

针对传统分割法在分割含有“U”“H”字符车牌时的不足,提出了一种改进的基于垂直投影特征值的分割算法．预处理中提出的细化后投影找边框中心位置的方法有效地去除了边框,同时在分割中提出的基于投影特征值的分割方法解决了传统投影法将“U”“H”字符分割成两部分的缺点．实验结果表明,该方法能够快速找到字符之间的最优分割点,准确率高,抗干扰能力强,在实际应用中取得了很好的效果．     

基于图像处理的钢管字符分割方法研究

钢管字符作为钢管的“身份证”号需清晰记录,但易受氧化、生锈等因素的影响,发生缺损或黏连。为解决受腐蚀字符以及黏连断裂字符的分割问题,设计一种改进的钢管字符分割算法。对原始图像进行二值化等预处理操作,利用黑白像素特点对图像进行修补填充,根据连通域的面积属性去除小噪声,将图像进行分类处理。通过最小二乘法对字符图像进行倾斜矫正,根据连通域边界外接框属性对字符部分进行定位,采用连通域提取法和上下轮廓分析法两种分割算法层层递进的方式完成分割任务。经验证,该方法可以较准确的分割出反光、模糊、断裂和黏连字符图像且明显优于传统方法。     

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．     

验证码字符图像分割技术研究

验证码字符图像分割质量很大程度上决定机器能否正确识别出验证码。针对验证码字符图像分割策略不同,通过研究投影分割法、连通域分割法、最短路径分割法3种验证码字符图像分割技术,分别探讨其特点和应用范围,给出了Web验证码3种分割技术的综合应用方法。     

一种基于边缘信息的车牌字符分割算法

提出了一种新型的基于边缘信息的车牌字符分割方法,首先对采集的彩色车牌进行灰度化,在去除噪声后,对车牌区域利用SUSAN算子进行边缘检测.通过垂直投影分割,确定字符区域的不同宽度,利用字符宽度的分类与区域前后文宽度的变化可降低误分割的概率.实验结果表明,采用该算法对车牌字符进行分割时,可显著提高分割的正确性.     

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。     

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%。     

点云模型交互式边界曲线分割算法研究

点云模型区域分割是其数字处理的基础工作。在分析用户交互式边界顶点选取方法基础上,提出一种基于自动生成边界曲线的分割算法。根据点法式方程求解边界点的剖切平面,据此将点云模型分为两部分。实验表明,与适当的用户界面配合,算法可有效实现点云模型的特征区域交互式分割操作,为点云模型参数化及模型编辑等提供支持。