基于改进UNet网络的车牌分割算法研究

针对传统图像算法在定位分割车牌时易受复杂环境因素影响,为提升分割准确率,采用深度学习UNet网络模型进行改进研究,对其增加注意力cSE模块,以增强网络对特征的提炼能力,与其他主流分割网络进行对比实验。实验结果表明,在自建车牌数据集上经过100轮训练后,该文改进方法中的各种指标系数表现最好,其中在测试集上的Dice、Miou指标分别比经典UNet网络提高了16%、15%,较FCN和CeNet等分割网络有较大幅度的提升,较主流的UNet改进网络也有不同程度的提升,证明了cSE-UNet网络能够提高车牌图像分割的准确率,是一种有效的改进网络模型。

基于卷积神经网络的双行车牌分割算法

随着智能化交通的迅速发展,自动车牌识别技术不断提高.现有大多数车牌识别技术能较好识别单行车牌字符信息,但双行车牌识别准确率较低且支持中文双行车牌的识别算法更少.为了有效地将原本仅支持单行车牌识别的算法扩展到双行车牌识别,提出一种基于卷积神经网络(CNN)的双行车牌分割算法,首先利用CNN提取车牌图像特征;然后利用特征训练多标签分类模型,将双行车牌分割为2个单行车牌.文中还构建了一个包含20多万幅中国车牌图像的数据集.基于此数据集的实验结果表明,文中算法对双行车牌自动分割准确率较高,有效地提高了双行车牌识别准确率.

车牌自动识别系统中车牌分割的研究

本文提出了一种车牌自动识别系统中基于灰度图的车牌分割方法，根据中国车牌中文字笔画的垂直边缘特征，结合阈值迭代的方法，实现复杂环境下车牌的自动定位及分割。实验证明，该方法满足了系统实时性的要求，精确度达到９８％，具有较强的鲁棒性．

基于聚类分析的个性化美国车牌分割算法

针对美国车牌个性化严重,车牌上字符个数、字体、间距和背景等信息都不一致的情况,提出一种可处理复杂多变车牌的车牌分割算法.基于动态的字符分布信息计算车牌倾斜角度和垂直投影局部梯度,利用聚类方法去除非字符区域,并动态确定字符宽度,获得准确字符区域.基于局部梯度的循环分割得到准确的字符分割结果.为了验证该算法,基于1万多张美国车牌的数据集进行实验,结果表明:与已有算法相比,该算法对于具有字符个数不定、字符间距不一致、背景复杂等特征的个性化美国车牌的分割效果有较大提高,分割正确率提高了约5%.

基于自适应阈值投影的双行车牌分割方法

针对国内双行车牌号分割方法少,且准确率低的问题,提出了一种自适应投影法的双行车牌分割方法。首先利用车牌图像在HSV颜色空间的特性,将图像二值化,然后利用自适应投影法将双行车牌分割为单行车牌,最后分割出车牌号上的字符。实验表明,该方法能够对蓝底白字、白底红字、绿底黑字和黄底黑字的双行车牌进行有效分割,对双行电动自行车车牌号分割的准确率更高;同时,该方法克服了基于深度学习方法的训练时间长、需要大量数据集等问题,是一种简单高效的分割方法。

一种基于垂直纹理特征的车牌分割方法

根据车牌区域具有丰富的垂直纹理这一主要特征,提出一种基于垂直纹理特征的车牌分割新方法。实验表明:该方法能够准确地完成车牌区域的分割。

车牌定位与车牌分割技术研究

对车牌定位与车牌分割技术进行了分析,认识到车牌自动识别系统的核心概念,总结车牌定位与车牌分割的技术形式,核心目的是通过车牌整合办法的分析,进行车牌设计方案的合理确定,以便提高车牌定位及车牌分割技术运用的稳定性。

基于数学形态学的车牌分割算法

该文提出一种基于数学形态学的车牌图像分割算法。首先,对原始车牌图像进行预处理;然后,利用一种抗噪型数学形态学边缘检测算子进行车牌边缘检测;最后,去除图像水平噪声,结合水平、垂直投影进行定位。实验表明,该方法不仅算法简单、准确度高,且适于对有噪声及背景复杂的车牌图像进行分割。

基于形态学处理的车牌分割方法及仿真研究

由于路口监控摄像机及视频流上设置的检测区域固定,使得抓拍到的闯红灯图像中车牌大小和比例在一固定范围之类,利用这一特点结合形态学图像处理方法对抓拍图像中车牌进行定位分割。文中在matlab软件平台上进行仿真,通过大量实验证明该算法具有一定的有效性和实用性。

数学形态学在车牌分割算法中的应用

本文在车牌分割算法中,根据车牌边缘纹理基本以垂直为主这一特征,应用水平方向结构元素的膨胀运算及垂直方向结构元素的闭运算相结合,并根据车牌纹理之间的宽度来确定结构元素的长度。实验表明:该方法使车辆边缘图像中的车牌区域经过一次形态运算就可以达到连通,而其它非车牌区域能被有效地抑制,从而提高车牌分割的速度与准确率。

基于形态学的车牌分割技术研究

对于已完成预处理的图像,提出一种基于数学形态学的车牌分割算法,并通过对候选区域的选择来调整修正系数,最终完成车牌定位。算法具有直观、实现简单、运算量小等优点。

基于彩色图像车牌分割研究

智能运输系统中车牌识别技术得到了广泛应用,车牌分割是车牌识别的重要部分。基于彩色图像车牌分割与采用灰度图像车牌分割相比,可以有效消除阴影影响,同时车牌颜色也是车牌识别的一个参数。颜色分类处理使用特征函数,可以减少颜色坐标转换运算,提高颜色分类速度。文中详细讨论中国车牌特征,给出车牌分割详细步骤。车牌区域判别采用信息融合技术。车牌倾斜矫正结合车牌倾斜特点,提出快速算法。

基于K-means算法车牌分割的应用

在车辆管理中,车牌的提取一直是一项重要的信息。本文针对车牌的分割问题进行研究和应用。首先做图像的预处理,把彩色图像转化成灰度图像,利用阈值迭代法进行目标的二值处理。车牌中文字以及数字的提取中,首先利用canny算子对这牌进行粗分割,粗分割之后存在一些小的断点或是噪声点,利用数学形态学腐蚀和膨胀进行去噪。最后利用k-means聚类的方法对这牌进行精细分割。本文采用MATLAB对算法进行仿真实验。

LPR中车牌分割的Matlab解决方案

车牌的分割是车牌识别中比较重要的环节。通过Matlab,运用二值梯度边缘检测对生成的二值化图像进行检测,通过形态学的膨胀算法形成连通区域并判决连通区域,然后使用蒙板分割出车牌类似区域,并计算其间的欧拉数,最终筛选出车牌区域。

复杂环境下多特征融合的车牌定位分割算法

提出一种基于几何、颜色、边缘等多特征融合的车牌定位分割算法.首先,在车牌定位过程中,利用特征点检测和形态学处理结合的方法,综合车牌的几何、字符纹理和颜色等特征进行粗定位;其次,利用灰度投影技术,对车牌字符进行精确定位;最后,利用灰度投影自适应分割手段进行车牌字符分割.实验表明:该算法的定位分割成功率达到95%以上,明显高于其他对比算法,能较准确地定位并分割字符.

一种基于数学形态学的车牌图像分割方法

提出一种基于数学形态学的车牌图像分割提取方法。用修正后的形态学边缘检测算子对图像进行边缘检测,采用二尺度结构元素检测平均方法提高边缘检测的准确性,再用不同的结构元素对边缘图像进行形态滤波,以消除干扰。实验证明,该方法能快速准确定位分割出车牌图像,且计算量较小。

复杂背景下的车牌自动分割方法

车牌分割是汽车牌照自动识别的基础。本文针对含有车牌的灰度图像,利用车牌字符具有明显垂直纹理的特征,提出了一种适合字符纹理特征的边缘检测方法,获取垂直边缘图。根据车牌固有的特征,运用改进的投影算法确定车牌区域。文中详细给出了车牌分割步骤。实验结果表明,在复杂的背景下,该方法能够快速有效地实现车牌自动分割。

车牌定位、分割算法研究及其在VC++中的实现

车辆牌照识别是智能交通系统一个重要部分 ,已有不少研究成果 本文将最大类间方差图像二值化算法与数学形态学方法相结合 ,通过实验提出了一种简单 ,可靠的车辆牌照定位分割算法 ,并在VC中编程通过 。

一种有效的车牌字符分割方法——模板匹配—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—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.

基于区域生长算法的车牌图像分割

准确分割车牌图像,可为分割目标的提取奠定良好的基础。试验中采用基于OTSU和区域生长的算法,实现了车牌图像的精准分割,通过最大类间方差法得到自适应阈值,代替了传统手动选择阈值的方法,再结合中值滤波对图像进行预处理,避免了传统阈值造成的过分割或者欠分割现象,且预防图像噪声,使得图像像素值变得缓和,从而有效地分割出车牌图像。