一种基于改进模板匹配的车牌字符识别方法

提出了一种改进的模板匹配方法．该方法是在传统的模板匹配方法的基础上，通过对字符特征区域的扩大和加强注意设计了一种改进的模板，以达到更有效的匹配结果．将该方法应用于沪宁高速公路收费口处实拍的车牌图像库中，其平均识别率达到97．1％．实验结果表明本文所提出的改进的模板匹配方法具有较高的识别率和鲁棒性．     

基于维纳滤波的图像模板匹配

一种常用于图像恢复的维纳滤波技术被用于图像的模板匹配,其基本思想是：将模板图像看作是作用于匹配系数矩阵的模糊函数,匹配系统矩阵的元素值表示在待搜索图像的对应位置是否存在给定的模板;模糊函数与加性噪声共同作用于匹配系统矩阵产生待搜索图像。这样就将模板匹配问题转化为一个图像恢复问题。通过维纳滤波将待搜索图像去模糊,即得匹配系统矩阵,从而完成匹配。与相关匹配法相比,该方法具有匹配点定位准确,稳健性强的特点。     

基于模板匹配算法的枪械编号识别研究

编号是枪械唯一的身份号码,枪械编号的数字识别有利于实现枪械的信息化管理和保障。论文将模板匹配法应用到枪械编号识别中,包括图像预处理、字符分割、归一化和字符识别等环节。根据枪械编号的特点采用聚类分析的方法实现分割字符,通过计算字符图像与模板图像的互相关函数得到号码。实验结果表明,该方法效果较好。     

改进的模板匹配方法在车牌识别中的应用

字母和数字是国内外车牌的主体内容,常采用模板匹配的方法对其进行识别.该方法需要将目标图像与每一幅模板图像进行匹配,对相似字符的识别率也不高.针对这个问题,提出了基于欧拉数的模板匹配,它将模板图像根据欧拉数分为不同的组,不仅减少了不必要的匹配过程,还提高了某些相似字符的识别率.计算欧拉数过程中去除噪声和干扰,匹配过程中去除冗余背景和填充有效背景,这些都提高了最终的识别质量.     

模板匹配技术研究及其在车牌识别系统中的应用

采用模板匹配技术在图像识别系统中是一种比较简单而快速的方法,模板匹配技术就是把未知图像和一个标准的图像进行比较,找出它们之中是否存在相同或相似之处.找出最相似的字就是其识别的结果,该过程称为"匹配".     

一种改进的自适应模板匹配法

本文提出了一种基于数据流修正的自适应模板匹配定位方法.该方法首先在图像预处理的基础上,进行模板匹配.从而定位待识别目标;然后采用数据流修正的自适应方法.根据待识别目标的大小来改变模板尺寸.避免了设置固定模板的缺陷:最后,对模板匹配算法进行优化,使模板匹配的效率得到提高.采用该方法对车牌图像的定位进行实验,实现了车牌的准确定位且处理速度快,能满足系统实时性和自适应性的要求.     

模板匹配技术在图像识别中的应用

在图像目标识别技术的研究应用中,模板匹配技术是其中一个重要的研究方向,它具有算法简单、计算量小以及识别率高的特点。介绍了几种改进的模板匹配技术在图像处理、模式识别等领域的应用,包括有条码识别、生物特征识别技术(人脸识别、指纹识别等)、车牌识别、字符识别、飞机识别等。     

基于像素字符串比较的图像快速匹配算法

在分析传统的模板匹配算法的基础上提出了一种新的基于字符串匹配的快速匹配算法。算法的思路是在模板图像上任意确定一列像素，并将这一列像素的灰度值看成是一个字符串，以此对原图像的每一列进行字符串匹配。如果在原图像上的某一列上找到了完全匹配的串，或者找到最大匹配的串，就找到了所要匹配的模板在图像中的可能位置。然后在所有找到的位置上再做进一步的字符串匹配。如此继续就可以确定模板图像在待匹配图像上的位置。算法在统计意义上保证了匹配效果，且提高了匹配速度。实验结果表明该算法是一种有效的图像匹配算法。     

基于像素字符串比较的图像快速匹配算法

在分析传统的模板匹配算法的基础上提出了一种新的基于字符串匹配的快速匹配算法.算法的思路是在模板图像上任意确定一列像素,并将这一列像素的灰度值看成是一个字符串,以此对原图像的每一列进行字符串匹配.如果在原图像上的某一列上找到了完全匹配的串,或者找到最大匹配的串,就找到了所要匹配的模板在图像中的可能位置.然后在所有找到的位置上再做进一步的字符串匹配.如此继续就可以确定模板图像在待匹配图像上的位置.算法在统计意义上保证了匹配效果,且提高了匹配速度.实验结果表明该算法是一种有效的图像匹配算法.     

两种改进的模板匹配识别算法

在开发在线轮胎编码图像自动识别系统时，通过对现有常用的几种识别算法分析与研究，提出了两种改进的标准模板匹配识别算法，分别是基于特征加权的模板匹配算法和基于特征块的模板匹配算法，两种改进的算法都以抽取字符特征为基础，结合模糊原理进行识别，经过理论分析与实际测试，两种改进的识别算法都进一步提高了图像字符的识别率。     

基于模板匹配的手写数字决策分类器设计

针对手写数字识别提出一种基于模板匹配决策分类器设计方法。就该方法下的模式识别分类器设计进行详细论述,给出该分类器算法实现。该算法在对手写的数字图像进行预处理的基础上从待识别的手写数字图像中提取若干特征量与事先建立的标准模板库中模板对应的特征量进行比较,计算待识别图像和标准模板特征量之间的距离,用最小距离法判定其所属类。实验结果表明,该决策分类器算法实现容易,匹配速度快,保证字符识别的正确率。     

基于数学形态学的模糊集理论在车牌字符识别中的运用

为了更加高效地利用模板匹配的方法实现对车牌字符图像的识别,结合数学形态学和模糊集理论,提出基于数学形态学的模糊模板匹配方法。首先,对于二值图像的每个像素点及其8-邻域,以赋权的方式刻画中心像素点隶属于字符的程度;其次,加4×4窗口选取代表点,并有重叠地遍历整个字符图像,以构造字符图像的模糊隶属度矩阵;进而运用海明贴近度计算待识别字符的归类,实现对字符的识别;最后,使用Matlab对模糊模板匹配方法进行编程,并在实际字符图像中测试识别效果。与传统模板匹配方法相比较,测试的结果表明,车牌字符的识别准确率得到了显著的提高。     

基于权值模板和监督学习的验证码识别

针对粘连字符分割致使验证码字符识别效果不佳的问题,提出一种带权值的模板匹配和基于监督学习的模板权值调整相结合的字符识别方法。该方法利用模板的灰度和权值,在验证码图像上搜寻兴趣点,再根据兴趣点的匹配度和兴趣点之间的欧式距离过滤掉次佳兴趣点,保留最佳兴趣点。利用基于目标像素个数期望的二值化阈值迭代优化,提高二值化质量和基于有监督的Hebb规则的模板权值学习提高识别率。通过与简单的模板匹配识别方法比较,实验结果表明,该方法对多网站验证码具有很好的识别率。     

基于模板匹配的手写数字决策分类器设计

针对手写数字识别提出一种基于模板匹配决策分类器设计方法。就该方法下的模式识别分类器设计进行详细论述,给出该分类器算法实现。该算法在对手写的数字图像进行预处理的基础上从待识剐的手写数字图像中提取若干特征量与事先建立的标准模板库中模板对应的特征量进行比较,计算待识别图像和标准模板特征量之间的距离,用最小距离法判定其所属类。实验结果表明,该决策分类器算法实现容易,匹配速度快,保证字符识别的正确率。     

新型图像角度匹配方法及其应用研究

探讨了一种基于机器视觉的PCB自动装配线多焊盘实时定位方法。采用多分辨率图像金字塔匹配策略,利用模板图像与待搜索图像的灰度特性,使用圆投影匹配进行初始候选匹配点的选取,得到一系列的候选匹配子图;使用SIFT算法对候选匹配子图和模板图像进行特征匹配,确定对应匹配点,消除误匹配的候选子图;根据点的模式匹配,确定大致的旋转角度,使用重采样和插值的方法计算精确的旋转角度。实验表明,该方法可以准确、实时地实现目标定位。     

基于改进神经网络的火车票号识别算法研究

为提高火车票识别精度和效率,将图像处理技术和BP神经网络结合,提出了一种基于图像处理和BP神经网络的火车票号识别算法.首先,通过图像预处理、目标区域的定位、二值化、倾斜校正和字符分割,提取火车票的身份证号码特征信息,建立特征信息库;之后,将特征信息库作为BP神经网络的输入,数字和字符类别作为BP神经网络的输出,建立BP神经网络的火车票号识别模型.研究结果表明,与模板匹配和SVM相比,提出的方法可以有效提高火车票号的识别精度和效率,识别精度高达97.7％,从而为火车票号识别提供新的方法.     

基于自适应最优核时频分布的鸟类识别

针对鸟鸣声信号的非稳态特性,提出了一种基于自适应最优核时频分布（Adaptive optimal kernel, AOK）的鸟类识别方法。首先对采集的鸟鸣声信号进行预处理,通过AOK时频分析方法得到时频谱图,分析不同鸟类声音信号在不同时间和不同频率下的能量分布。然后,将时频谱 图转化成灰度图像,求取灰度共生矩阵,提取基于灰度共生矩阵不同角度的图像特征参数作 为鸟类识别的特征值。最后选取已知鸟种的图像纹理特征训练生成训练模板,将待识别的鸟 种的图像纹理特征参数生成测试模板,利用动态规整（Dynamic time warping,DTW）算法进行模板的匹配,将匹配值进行大小比较,找到最小匹配值对应的模板,从而实现鸟类的识别。 通过对40种常见鸟类的实验表明,总体识别率达到96%     

强噪声车牌图像中的字符识别

当字符图像受到噪声污染，甚至发生缺损、污染时，会增加车牌识别系统（LPR）准确识别的难度。在图像处理方面，提出了一种改进的全局动态二值化法，即有效减弱了光照不均的影响。又保证了较快的处理速度。此外，直接对二值图像进行噪声滤除比灰度图像的噪声滤除响应速度更快。在文字识别方面，将处理好的字符图像经过模板匹配进行初次分类，然后将图像分成4个子区域并赋予不同的权值。通过特征区权值模板进行精确判别，以提高车牌字符的整体识别率。实验数据分析表明，该识别方法有很强的抗噪声能力，且识别速度较快。     

基于模板匹配的人民币纸币序列号识别系统研究

人民币纸币序列号是由纸币的冠号和数字编号组成,犹如居民身份证号,具有唯一性。纸币序列号的自动识别对实现纸币的有效管理以及缩小纸币真伪鉴别范围具有重要的理论意义和实际应用价值。系统提出了一种基于模板匹配的人民币纸币序列号识别方法。在对图像进行预处理的基础上,先根据物理尺寸将纸币分成不同的类别,然后根据各种面值纸币序列号字符的位置和大小,定位序列号字符;采用投影法分割序列号字符;提取字符网格特征,用特征矩阵表示字符;最后采用模板匹配法识别字符。实验结果表明,系统具有较高的识别率和速率,且具有一定的稳定性。     

车牌图像的快速匹配识别方法

在车牌识别中,经常遇到车牌字符发生缺损、污染现象,统计识别、结构识别方法很难将它们准确识别出来。该文提出了一种快速匹配识别方法,根据图像放大和缩小原理构建多种字符模板,利用图像上、下矩对字符进行粗分类,然后根据图像自相关特性,构建了失配比例加权惩罚匹配模型,可以对车牌字符进行精确识别,该方法识别率达到了99%以上。