自适应遗传算法在车牌定位中的应用

车牌自动识别是现代智能交通的重要组成部分,而车牌定位技术又是车牌识别系统的核心之一。由于传统的定位算法存在适应性差,鲁棒性不强的问题,提出一种基于自适应遗传算法的车牌定位方法。先用最大类间方差法(OTSU)对车牌图像进行二值化,然后利用遗传算法对全图进行车牌特征匹配搜索,结合区域特征向量构造的适应度函数,最终找到车牌区域的最佳定位参量。测试结果表明,该算法适应性强,定位效果很好。

遗传算法在车牌定位中的应用

提出一种用于车辆牌照定位的新方法。该方法利用遗传算法对图像进行优化搜索 ,结合区域特征矢量构造的适应度函数 ,最终寻找到牌照区域的最佳定位参量。实验结果表明 ,该方法抗噪声的能力强 ,提取出的牌照准确、完整 ,具有很好的实用价值。

用于多光照条件下车牌定位的遗传算法

针对多光照条件下由于车牌图像退化难以定位的问题,提出一种基于遗传算法的解决方案。该方法首先对图像局部区域进行二值纹理特征增强处理,并通过一组一维滤波器获取其纹理特征向量,最后使用基于实整数编码的遗传算法对全图进行车牌特征匹配搜索最终准确定位车牌。测试结果表明,结合遗传算法的局域特征增强算法对多种光照条件下的抓拍图像定位性能稳定,定位成功率优于传统的直线检测方法和灰度变化特征检测方法。

基于改进BP神经网络的车牌字符识别

在分析了BP网络学习算法的缺陷的基础上引入动量项和遗传算法对BP网络学习算法进行改进,大大提高了BP网络的收敛速度.对车牌字符图像进行分割并利用sobel算子进行边缘检测来提取字符特征.然后利用改进的BP网络来自动识别车牌字符,提高了识别的速度和正确率.

基于神经网络集成的车牌字符识别

针对车牌字符在车牌图象退化时识别率较低的问题,提出一种基于神经网络集成的车牌字符识别方法。基于小生境遗传算法在提高进化的局部搜索方面的良好性能来动态构建个体网络差异性大的神经网络集成,进而提高整个集成系统的泛化能力。将该方法应用于车牌字符的识别,实验结果表明,该方法能有效地生成差异度较大的个体网络,得到的神经网络集成能有效提高车牌字符的识别率。

小生境遗传算法在多车牌定位中的应用

为了在复杂背景下对多车牌进行准确定位,提出一种基于小生境遗传算法的多车牌定位方法。利用一组一维滤波器对图像平滑处理得到图像的特征向量,建立小生境遗传算法模型,设计适应度函数,并确定小生境算法机制,实现多车牌定位。仿真实验表明,基于小生境遗传算法的多车牌定位方法能够准确地对多车牌进行定位,平均定位率达到90%以上。

基于灰度图像的车牌定位研究

车辆牌照的自动识别是智能交通系统(ITS)中的关健技术,而车牌定位又是车牌识别的关健点之一。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、通用的车牌定位系统。这篇文章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。

复杂背景下的车牌定位方法

首先用同态增晰方法,对包含车牌字符区域图像增强,压缩其他区域图像,然后用遗传算法搜索众多可能区域,并最终确定字符区域.实验证明该方法对复杂背景下的车牌图像定位具有简单、快速、抗噪声能力强的特点.

基于遗传算法的车牌定位研究

车牌识别过程中,车牌定位起着重要作用.采用基于颜色的方法对车牌进行定位时,结果显示图像下边缘丢失,不能正确定位车牌,原因是未找到最优阈值.对此,尝试提出一种自适应变异算子的改进遗传算法,该自适应变异概率改进遗传算法可以随着进化代数自适应改变,在前期具有更好的全局搜索能力,在后期也拥有更高的收敛精度.经过两个典型测试函数性能测试,改进遗传算法的有效性高于标准遗传算法.将改进遗传算法应用到车牌定位中,能够实现车牌的准确定位.