基于曲量场空间的车牌定位与识别

提出了一种新的采用曲量场空间描述的车牌定位与识别算法.该算法首先在彩色车牌图像中进行亮度扫描,然后拟合渐变梯度向量,并以曲量子进行点阵描绘并消除彩色信息,最后以采样的曲量子群分别融合成车身、车牌及字符的曲量子空间,将融合的车牌、字符曲量子空间进行边缘曲量子的光滑衔接组成曲量场并提取场内曲量的空间数据及其曲量约束信息进行有损字符的修正,识别出车牌信息.该算法抓住了车牌的互异彩色域特征,继而将互异彩色域特征采用具有空间连续性规律约束的曲量场进行描述识别.大量实验表明,该算法克服了特征域旋转、光照强度变化以及多角度有损及模糊对车牌定位与识别的影响,具有速度快,识别准确,适应性强的特点.

基于机器视觉与机器学习的车牌识别系统

车牌识别系统包括车牌位置检测子系统、车牌预测子系统和车牌字符识别子系统。车牌位置检测子系统由通道同或算法和漫水填充算法组成。通道同或算法实现预选车牌位置,漫水填充算法实现对不完整车牌图像的补充,共同实现对车牌图像的预定位。车牌预测子系统由支持向量机SVM模型对车牌图像进行训练和分类,进一步预测车牌图像。车牌字符识别子系统由卷积神经网络CNN模型对字符进行训练并识别字符图像。此系统运用于实际的车牌信息提取中,能够减少管理者的工作量,实现车牌信息识别的自动化,降低识别成本。