质量退化的车牌字符分割方法

提出一种车牌字符分割方法．首先，进行光照不均校正、对比度增强和倾斜校正；其次，对字符外轮廓垂直距离采用尺度自适应三次B样条小波变换进行字符的粗分割；最后，应用基于目标占有率模板匹配的字符识别反馈进行字符的精分割．实验结果表明，文中方法对光照不均、对比度较小、倾斜、污迹、字符粘连和断裂等严重退化的车牌图像具有很好的字符分割性能．     

车牌识别中关键技术的研究与实现

介绍了车牌图像识别系统的现状,提出一种针对高速公路环境下的车牌定位与识别算法.在定位阶段,通过伪二值化方法消除路面产生的噪声,利用形态学闭运算定位车牌字符,并对车牌图像进行灰度交换,最终得到无边框、灰度对比强的车牌图像.字符分割采用基于字符连通域宽高检测和先验知识相结合的方法,很好地解决了字符粘连对分割的干扰,同时完成了对车牌图像的滤波.在识别阶段,先对车牌图像进行二值化和倾斜矫正,字符识别采用基于模板匹配的改进算法.对高速公路上300幅车辆图像进行测试,识别准确率高于80%.     

退化车牌字符的两级分割算法研究

为了准确进行车牌字符分割,提高车牌字符识别的准确率,提出了一种改进的车牌字符分割算法.对定位出来的车牌进行有效预处理,通过两级字符分割算法对车牌进行单字符分割.第一级字符分割是结合连通域分析法和垂直投影进行字符粗分割,第二级字符分割是基于车牌字符的先验知识通过多次判断进行车牌字符精分割.实验结果表明,该算法对受到光照不均、污迹、字符粘连和断裂、质量退化等严重影响的车牌字符能进行很好的分割.     

模板匹配法和垂直投影法相结合的一种新的车牌字符分割方法

在深入研究了大部分常用的车牌字符分割算法的前提下,根据车牌区域图像的特征,文章提出了一种综合了模板匹配法和垂直投影分割法的车牌字符分割算法(模板匹配-垂直投影分割法),该算法经过大量实验证明了其在准确率方面的优越性.     

利用反馈的车牌字符分割算法

字符分割是车牌识别系统的重要步骤。提出一种利用反馈的车牌字符分割算法。首先,对车牌图像进行预处理;其次,根据车牌图像的垂直投影进行字符粗分割;最后,通过两级反馈进行字符精分割。第一级反馈是字符个数与字符宽度反馈,第二级反馈是字符识别反馈。实验结果表明,算法对光照不均、对比度较小、倾斜、污迹、字符粘连和断裂等严重退化的车牌图像具有很好的字符分割性能。     

基于投影和固有特征结合的车牌字符分割方法

根据车牌字符的固有特征,提出一种新的基于投影的车牌字符分割方法.该方法首先对车牌图像进行预处理,检测车牌倾斜角度,如果倾斜角大于指定角度则进行车牌倾斜校正,然后利用车牌的水平方向投影去除车牌的上下边框以及铆钉,对处理得到的图像进行二值化.再根据车牌字符的排列规则和字符间距的关系,利用车牌的垂直投影定位字符,先分割出第二个和第三个字符,从第三个字符开始分割出后五个字符,再利用已分割字符的知识来分割前两个字符,然后对分割出来的候选字符块进行处理,有效解决字符粘连和断裂的情况,最终实现车牌字符的准确分割.实验结果证明,该方法有较好的分割效果.     

自然场景下的车牌分割方法

自然场景下的车牌面临着光照不均匀、角度倾斜、运动模糊等影响,易造成车牌分割错误。针对以上情况,对车牌进行旋转校正及二值化处理,提出一种基于模板匹配与二分法结合的方法对车牌进行分割。通过二分法进行分割,通过模板进行校准寻找最优分割点。实验结果表明,无论光照条件良好还是光线较弱或不均匀,该方法都能对车牌进行准确分割,有效克服字符粘连及断裂的情况,在自然场景下鲁棒性良好。     

基于垂直投影与卷积相结合的车牌字符分割算法

字符分割是车牌自动识别系统中的关键步骤.提出了一种利用投影和卷积相结合的方法来实现字符分割,先对车牌图像进行中值滤波,再进行竖直差分,减小左右边框的影响;根据车牌的先验知识形成一个可变长的字符模板匹配的脉冲波形,用这个脉冲波形和投影图对应的数组做卷积,定位出第一个字符位置,随着模板长度的不断变大,得出每个字符的坐标.实验表明,该方法能够使得字符分割的结果定位更精准,为字符识别创造了良好的条件.     

基于新模板的算法在车牌字符分割中的应用

针对以往车牌字符分割算法在复杂情况下分割准确率低的问题,提出了一种基于新邻域模板的连通域算法的车牌字符分割算法。采用基于新模板的连通域算法粗分割字符;通过自适应阈值投影法进行字符细分割;同时使用区域合并算法保证字符的完整性。实验结果表明,该算法将连通域法与投影法有效结合,能够同时解决汉字不连通、字符粘连和边框粘连等复杂情况,该算法对车牌字符进行分割正确率达99.5%。     

一种基于多特征提取的实用车牌识别方法

针对车牌识别系统的实际应用, 利用车牌区域的边缘梯度特征、几何形状特征、颜色特征、灰度纹理特征定位车牌, 然后校正车牌图像的颜色及倾斜度; 基于灰度投影法, 对普通及武警车牌均提出了有效字符分割方案, 通过自适应判别去除因字符断裂粘连、特殊字符等造成的干扰; 通过基于多特征值提取的神经网络方法初识别车牌; 最后将人眼的视觉特性用于模板匹配法, 解决易混淆字符及污损车牌的问题。通过大量实验证明, 该方法对车牌颜色、拍摄角度、光照条件等限制较少, 适用范围广、识别率高, 有较强的实用性。     

基于几何特征的IC芯片字符分割与识别方法

针对IC芯片字符的分割与识别问题,提出了一种基于字符几何特征的分割方法和一种基于字符最小外接圆的归一化与重定位方法,使用基于像素差分的模板匹配完成识别。首先,对芯片图像进行直方图均衡化处理,并利用辅助圆进行中线定位和图像校正,定位得到ROI区域并进行均值二值化处理。随后,对二值化ROI图像进行字符分割,以字符的几何特征作为判断条件,从而完成了对缺陷字符的正确分割。之后,对单字符图像提取最大轮廓,利用其轮廓的最小外接圆进行字符的归一化与重定位。最后,对归一化的字符进行差分识别。通过采集4种芯片样本进行实验,结果表明,该方法能够实现芯片字符的准确分割,对于缺陷字符的分割准确率达90%;能够快速精准地识别芯片字符,单字符平均识别时间为4.6 ms,识别准确率达到99.4%。     

一种字符定位及识别技术在交通领域的应用

字符定位与识别技术在交通领域应用广泛.字符识别系统包括字符图像的拍摄、预先处理,将字符从图中截取出来,最后对字符对比甄别.采用灰阶处理、均值滤波等方法对图像预处理.在字符定位部分,采用边缘检测算法对字符图像在原始图中位置进行定位.在字符分割前,对字符进行二值化及倾斜校正.利用区域增长(region growing)方法...     

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。     

基于水平梯度和形态学分析的车牌实时定位方法

车牌图像定位是车牌照识别系统的关键，该文提出了一种在高速公路复杂背景下的车牌定位与车牌字符分割方法。该方法利用水平相关特征、车牌区域的梯度形态特征和车牌配色特征进行车牌定位，并利用车牌的结构特征采用多尺度模板匹配方法切分车牌字符。实验表明该方法在复杂背景下具有较好的定位切分效果和较强的鲁棒性。     

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。     

改进LBP特征算子及变换模板的应用

车牌识别是智能交通系统中一个重要的应用分支,目前在字符识别模块中,主要存在误识别等问题,造成这种误识别的主要原因有两点：一是特征提取的方法,二是模板字符的单一化。针对这两个问题,主要从模式识别的角度改进了 LBP 算子,对分割出的字符进行特征提取,以提高识别率;另一方面,对模板字符进行处理,使其本身倾斜或水平偏转一定角度,来适应各种不同倾斜或偏转幅度的车牌图像。实验结果表明,本文所采用的方法对字符识别的的准确性具有显著提高。     

基于快速连通域标记的车牌字符分割

对车牌图像的二值图进行连通域提取可以解决倾斜带来的问题.提出了一种基于快速连通域标记的字符分割方法.先用改进的Otsu法对车牌图像进行二值化分割,之后基于快速连通域标记算法进行连通域标记,最后对各个连通域进行后续处理提取出全部车牌字符连通域.实验表明,改进的快速连通域标记算法克服了倾斜问题,而且有效地提高了连通域提取的速度,获得较好的字符分割的鲁棒性和实时性.     

一种基于图像增强的弱光背景下车辆牌照识别方法

针对弱光背景下图像的对比度较低,常规的车辆牌照识别方法难以准确识别车牌信息的问题,提出一种弱光背景下对车牌信息识别的新方法.先通过直方图匹配和空域滤波进行图像增强预处理,以提高图像对比度,再通过锐化信号边缘,提高信号边缘的定位精度,最后对增强后的车牌图像进行识别.实验结果表明,该方法对弱光背景下的车牌信息可以进行较好地识别,具有一定的实用性和鲁棒性.     

复杂背景下基于HSV 空间和模板匹配的车牌识别方法研究

车牌识别技术作为交通管理自动化的重要手段,在交通监视和控制中占有很重要 的地位。车牌识别过程可分为车牌定位、车牌校正、字符分割和字符识别四个部分。在车牌定 位中,若单纯采用纹理特征或颜色特征来进行定位,往往适用于背景较为简单的场景,对复杂 背景的定位效果尚有待改进。在字符分割中,目前单行车牌的分割已比较成熟,但双行车牌的 分割仍不理想。提出一种在HSV 空间下两次颜色标定和纹理特征相结合的定位方法和一种单双 行车牌的字符分割方法。该定位方法利用车牌固定颜色搭配特性,对图片两次标记并利用投影 法定位车牌,对200 张不同背景图片测试,定位准确率达到98%。在字符分割部分,利用改进 的模板匹配方法对字符分割,可适用于单、双行车牌分割,准确率达到95%。     

基于模板匹配和局部HOG特征的车牌识别算法

针对车牌字符识别中模板匹配法识别率低,尤其是无法准确识别相似字符的不足,本文提出了一种模板匹配法结合局部HOG特征的车牌识别算法.首先利用模板匹配法对车牌所有字符进行初步识别,然后分别提取车牌和模板相似字符中最具区分度的一小块HOG特征进而构建特征向量,最后根据特征向量之间的欧氏距离来度量车牌字符和模板字符的相似性,进而完成二次识别.实验结果表明,本文方法有效地解决了相似字符误识别的问题,在保证识别速率的同时识别率显著提高.