彩色汽车牌照定位方法

汽车牌照的定位是牌照识别的第一步 ,定位的准确与否将对后续操作起关键性的作用。在模式识别领域中 ,希望通过一种方法就完成一项实际工作是不可能的 ,必须要考虑多种方法融合的策略。提出了一种基于多方法的车牌定位策略。首先利用颜色信息对输入图像进行彩色粗分割 ,得到了颜色为车牌照的一些区域。然后将分割结果中的伪目标区域 (即除了车牌照区域外的其他区域 )分为两类 (一类是与汽车牌照颜色相近的背景 ,一类是可能和牌照颜色相近的汽车外壳 ) ,分别进行处理 ,最终利用投影法得到准确的车牌位置。实验结果表明该方法效果较好。

基于神经网络的汽车牌照自动识别技术研究

文章提出了一种应用BP神经网络识别汽车牌照字符的方法,重点讨论了关于BP神经网络学习过程初始权值的选取、隐含层节点数的确定和权值学习算法的改进问题,实验结果表明:该方法用于车牌识别具有较快的收敛速度和较高的识别精度。

畸变汽车牌照图像的空间校正

首先针对我国汽车牌照的常规模式 ,提出了用Hough变换提取牌照边框参数的方法 ,进而求得汽车牌照四边形区域 4个顶点的坐标 ,并且给出了利用对极坐标参数表示的直线进行Hough变换的具体途径。然后 ,根据畸变牌照的 4个顶点和归一化汽车牌照图像的 4个顶点之间的一一对应关系 ,求解双线性空间变换方程 ,进而对畸变图像进行校正。最后给出了一种图像毛刺的剔除方法。实验表明 。

基于神经网络的汽车牌照自动识别

介绍行驶车辆牌照自动识别系统基础上 ,对所获取的车辆正面车头图象 ,采用了多层次分割算法来定位车牌照 ,从图象背景中分离出牌照 ,再采用一种阴影掩膜技术对单个英文字母及阿拉伯数字进行编码 ,提取字符特征 ,并进而用BP网络进行识别。整个算法简单 ,识别率可达 96%。

汽车牌照的提取方法

汽车牌照提取是汽车牌照自动识别的关键一步 .本文中提出了两种提取方法 ,即利用扫描行离差数据、有效谷峰点特征及先验知识来初步定位车牌区域 ;采用彩色分割及多级联合混合集成分类器的车牌提取技术 ,通过多层感知器网络对输入彩色图像进行彩色分割 .将这两种方法联合使用对车牌定位准确率高、鲁棒性好 .车牌定位的准确率达99.3% 。

改进的Hough变换在校正汽车牌照倾斜中的应用

针对汽车牌照的自动识别中倾斜问题,对Hough变换提出了新的用法。首先,根据灰度确定汽车图像中车牌的位置和范围,取出包含车牌的子图像;然后对子图像中的点作二级Hough变换算法,计算出子图像中主要直线的角度,该角度被认为是车牌的倾斜角度;最后,用插值旋转的方法进行校正。仿真实验验证了本文算法的有效性。

汽车牌照的实时识别

汽车牌照识别系统在交通观测和监视领域有广泛的应用前景．本文描述了一种牌照识别系统，讨论了牌照区域的定位、单字切分以及识别等问题．最后给出实验结果及讨论．

特征区域模板匹配法实现汽车牌照的精确识别

模板匹配法在汽车牌照自动识别中已得到广泛应用。在应用该法为某汽车检测中心做牌照自动识别系统时发现,0、D及Q3个字符互相误判率较高。为解决此问题,在模板匹配法的基础上,提出了特征区域模板匹配法,应用该法取得了满意的效果,识别精度大大提高。另外,匹配系数的求法也采用了新的方法,效果比原方法好。

汽车牌照的实时分割方法

提出了一种汽车牌照的实时分割方法 ,利用牌照区域灰度变化剧烈 ,而背景相对平缓的特点 ,以适当阈值二值化牌照图像以消除背景干扰 ,结合牌照知识 ,搜索牌照区域 ,如找不到 ,则自适应调整阈值 ,重复以上步骤。实验证明该算法定位准确并且是实时的。

汽车牌照图像的预处理研究

讨论了平滑和二值化方法,提出一种改进的适合汽车牌照图像自身特点的去噪及二值化方法.该方法将平滑和二值化结合起来,对螺丝钉、大污点、牌照边框、字符分割不当等引起的噪声非常有效,为正确的特征抽取提供了保证.

神经网络在汽车牌照字符识别中的应用

分析了反传学习神经网络和Hopfield神经网络的基本原理,探讨了神经网络在汽车牌照字符识别中的应用。结合神经网络和汽车牌照的特点,研究了学习速率,误差精度与隐含层节点数之间的关系,最终提出了一种Hopfield神经网络和反传学习神经网络相结合用于汽车牌照字符识别的方案。Matlab仿真结果表明,所设计的汽车牌照字符识别系统可以获得较为满意的高分辨率。

基于CCD的汽车牌照自动识别系统

介绍了一种基于 CCD的汽车牌照自动识别系统 ,它有着广泛的用途 ,如车流量统计、车辆身份确认、车辆违章查询等等。实际运行情况表明本系统有较高的识别率 ,性能是令人满意的。

基于字符笔划特征的汽车牌照二值化方法

提出了利用基于字符笔划特征的汽车牌照二值化方法。试验表明 ,该算法与Bernsen、Otsu、LEVBB等算法相比 ,能够很好地克服光照不均和各种污损的影响 ,实现对字符目标的提取。

汽车牌照自动识别系统的设计与研制

基于计算机图像处理技术的汽车牌照自动识别系统 ,要求能够将运动中汽车的牌照从复杂背景中准确地提取并识别出来。介绍了所研制的汽车牌照自动识别系统和关键技术 (图像分割与车牌定位、图像二值化和字符提取、车牌字符识别等 )。试验结果显示 ,系统在CeleronⅡ 6 33+12 8M的PC机上 ,对图像尺寸为 76 8× 5 74的 311幅试验图片的识别准确率达到 90 % ,识别时间≤1.5s。

汽车牌照实时几何畸变校正方法

经过摄像机摄入的图像会发生几何畸变,给车牌的准确识别带来了困难。针对此问题提出了一套实时几何畸变校正方法。首先对提取出的汽车牌照信息进行预处理;然后提出了一种基于Hough变换和图像分析法提取控制点的实时标定方法;最后通过空间坐标变换和灰度插值完成图像的校正。实验证明,该方法符合汽车牌照图像的特点,具有较好的处理效果。

一种新的汽车牌照识别的图像增强算法

汽车牌照区域分割是牌照识别的关键步骤,增强图像中的牌照区域,抑制背景区域,可以有效降低牌照区域分割的难度。将图像分解为一组二值图像的组合,然后在二值图像上计算各连通分量及其特征参数,利用牌照区域和背景区域对应的连通分量的特征差别,可以有效抑制背景而保留牌照。处理后的二值图像可重构出牌照区域被增强的图像。还采用等高线标记代替连通分量标记,以减少计算量,使得算法具有实用性。试验表明,这种算法有效地突出了牌照区域而抑制了背景,提高了牌照定位分割的效果,可以很好地用于实际的汽车牌照识别系统中。

基于小波分析的汽车牌照分割

复杂背景下汽车牌照定位是车牌识别的难点之一,文章通过图像的减运算获得车辆主体信息,经过区域划分,再由小波分析在某个尺度的高频信息重构获得车牌轮廓信息,最后经过水平投影确定牌照准确位置。另外,利用多幅图像提供的相关信息,在区域划分中利用牌照位置的先验知识,加快了计算速度,取得了良好的效果。

汽车牌照的检测与文字分割

为了从车辆图像中检测汽车牌照的位置,并分割出牌照中的文字,实现对车辆身份的认定,利用牌照的边缘、文字及字符间距特征,构造了两个模板矩阵,并在此基础上设计了模板响应算法。结果表明:通过计算模板的响应,可以检测到车牌的位置及像素高度,并按车牌实际高度和像素高度的比例关系分割出牌照中的文字;该算法效率高,稳定性好,抗噪声能力强。

汽车牌照的字符分割与识别

根据汽车牌照字符与背景的特点 ,提出了一种自适应的二值化方法 ,这种方法首先把图像分割成块 ,进而根据每小块中的前景的灰度更加接近小块中灰度最大值的特点 ,选取一个比较高的域值 ,然后根据原图像的灰度值对得到的图像进行区域增长 ,最后得到的二值图像既可以完整再现字符 ,同时可以消除背景中亮度较高的点 ;另外讨论了结合汽车牌照的几何尺寸的字符分割办法 ,详细阐述了横向穿越变化数和字符的横竖编码这两个新的特征的提取过程 ,最后给出了一种新的多级分类的规则 ,讨论了这种多级分类的实现算法 ,实验表明这是一种行之有效的分类方法。

基于属性开运算的汽车牌照区域定位算法

现有的复杂背景下汽车牌照定位算法大都是基于牌照水平或者近似水平 ,处理倾斜情况下牌照定位是一个尚待解决的问题。文中提出了一种基于属性开运算的汽车牌照定位算法 ,其处理结果与牌照的倾斜角度无关 ,成功地应用于交通监控系统中。