基于改进的K-means的车牌字符分割

提出了一种基于改进的K-means的车牌字符分割方法。该方法首先利用均值跳变法对车牌区域进行精确定位,再利用改进的K-means算法对车牌字符进行聚类,最后根据K-means算法得到的聚类中心对车牌字符进行分割。实验结果表明,该方法能够准确地分割出车牌字符,且具有较强的抗干扰性。     

基于改进模版匹配的车牌字符分割

车牌字符分割是车牌识别系统中的关键技术之一。为了有效地对车牌字符进行分割,提出了一种基于改进模版匹配的新方法,该方法包括车牌区域图像预处理、车牌字符校正、车牌字符去边框处理和改进模版匹配的车牌字符分割处理等四个步骤。与传统的车牌字符分割方法相比,该方法不仅能够在正常条件下对车牌字符有效地进行字符分割,而且还可以有效地解决车牌字符粘贴、车牌字符残缺和车牌字符区域质量差等情况的车牌字符分割问题。实验结果表明,该方法具有算法简单、实时性强和分割效果好等优点。     

基于边缘检测的车牌识别算法的实现

针对传统车牌识别的不足,本文提出了基于边缘检测的车牌识别的算法.该算法首先对摄像头获取的车牌图像预处理,去除图像无用信息,然后运用Robert算子检测车牌边缘,并对车牌区域进行图像较正,用高斯滤波法去除噪声并且提取车牌信息特征,接着对车牌区域水平和竖直方向运用触点定位法分割字符,对车牌分割后与相应字符模版匹配,利用预测模型预测识别结果,最后识别出车牌字符.     

基于卷积神经网络的免字符分割车牌识别算法

随着智能停车场和自动收费系统的普及,智能交通管理系统在车牌识别方面对速度和精度提出了更高的要求.为了提高车牌识别的泛化能力,本文提出了一种基于改进的CRNN+CTC免字符分割车牌字符识别算法,在现有的卷积神经网络的CRNN+CTC网络模型基础上分别对CNN和RNN进行替换后引入CTC函数,并有针对性地增加训练数据集,在训练过程中使用了批量归一化算法来加快学习速度.实验结果表明,该算法的鲁棒性与通用性均有一定提升,在复杂环境下车牌识别的准确性更高,达到了改进效果.     

一种自适应车牌识别系统设计方法

基于多种格式车牌的共性,提取车牌图像的纵向边缘,然后根据车牌区边缘灰度跳变和边缘密度等特征,采用一系列步骤去除无效和干扰边缘,保留类车牌特征区域;通过横向形态学运算,使类车牌区闭合,有效克服了形态学结构元素难以随车牌大小变化自适应选取的问题.基于扫描线种子填充算法来搜索车牌区域,利用颜色信息进行反色判断,并基于边缘检测的方法来进行车牌区域二值化,利用形态学和连通域检测方法进行字符的精细切分.对实际场景中大量车牌样本加以验证表明,算法准确率高,对车牌大小自适应性良好,具有较好实用价值.     

车牌识别系统设计与实现

通过对车牌定位、车牌字符分割和车牌字符识别进行研究,提出了一种车牌识别系统的设计和实验方法。车牌定位模块中,提出了采用基于小波变换的车牌边缘提取和数学形态学相结合的方法定位出车牌,进行二值化、滤波后使用垂直投影法分割出车牌字符,最后使用多模板匹配和二次细分识别相结合的方法识别出车牌字符。经实验验证,基于该算法的车牌识别系统能够达到较高的车牌识别率。     

智能交通车牌自动识别系统的设计

利用图像增强、边缘检测首先对车牌图像进行预处理,然后利用基于边缘特征和形态学相结合的方法对车牌进行定位,接着进行字符分割处理,并采用神BP经网络字符识别算法对车牌进行识别,最终实现车牌自动识别。实验结果表明,该系统对车牌识别效果较好。     

车辆识别及控制系统

本文从车牌定位、车牌字符分割和车牌字符识别等车牌识别技术进行了深入研究,编写了车牌识别软件,利用步进电机实现了对车辆出入的自动控制。     

复杂背景下的车牌自动识别系统

提出一种改进的模糊C均值聚类算法用来对车牌图像进行分割,算法中通过图像的灰度直方图来初始化聚类中心与聚类数目,并对聚类中的隶属度做了相应的修正。车牌的定位是根据水平灰度值的变化规律来实现的;字符的分割是根据字符区域中字符像素个数的垂直投影实现的。实验结果表明该算法能够获得较理想的车牌自动识别效果。     

基于RBFNN和非全字符输入的车牌识别方法

采用径向基神经网络（RBFNN）识别车牌，RBFNN的算法采用混合结构优化算法，在识别中使用非全字符输入和多层识别器。混合结构优化算法减小了RBFNN的结构，提高了RBFNN的泛化能力；非全字符减少了RBFNN的输入，提高了车牌识别的速度；多层识别器保证了非全字符输入的识别率。将RBFNN的混合结构算法和非全字符输入、多层识别器相结合，在保证识别率的基础上，提高了识别速度。仿真试验表明：相对于全字符输入的车牌识别，本方法在时间复杂度上有很大优势；相对于K-means算法的RBFNN车牌识别，本方法在泛化能力上有一定的优势。     

基于SVM和BP神经网络的车牌识别系统

针对车牌识别系统的车牌精确定位和车牌字符准确识别问题。提出一种基于SVM(支持向量机)和BP神经网络的车牌定位与识别算法。通过将HSV颜色空间和形态学方法相结合确定候选轮廓,以判断轮廓外接矩形的面积和长宽比筛选符合车牌特征的区域,并利用训练好的SVM模型对候选车牌区域进行测试判断,最终精确定位车牌的位置。此外,还可使用了BP神经网络进行车牌字符识别。经验证,该系统适用于复杂的车牌定位环境,且识别速度快,准确率高。     

改进的基于投影的车牌字符分割算法

车牌识别（LPR）是智能交通系统中的一个重要环节,而字符分割是车牌识别中的关键部分。文中提出了一种改进的车牌字符分割算法。首先,该算法结合了数学形态学与二维otsu算法,提高了车牌定位的准确性和抗干扰能力。其次提出了一种新的二值化方法,与传统方法相比,能有效地减少字符粘连,锚点等问题带来的干扰。最后使用投影法分割出字符。实验结果表明：该方法实现简单,分割质量好,效率高,便于下一步的字符识别。     

利用改进的半正定规划的支持向量机识别车牌

针对现有车牌识别系统效率低的问题,提出了一种改进的支持向量机算法。首先对车牌进行预处理和定位,将每个特征区域构建一个多核心组合。以半定规划求解最佳的权系数。使用改进的半定规划来解决多核学习算法,降低搜索空间。最后构建车牌识别模型。仿真实验表明,该算法效率高,稳定性好。     

基于BP神经网络的车牌识别技术研究

车牌识别（LPR）是智能交通中关键技术之一。针对目前车牌识别技术存在的一些问题,详细分析基于BP神经网络的车牌字符识别方法,对BP神经网络收敛速度慢且容易陷入局部极小点的缺陷进行改进。经仿真实验结果表明效果良好。     

基于GSM和图像处理技术的车辆牌照手机自动识别系统设计与实现

融合无线通信、图像处理和信息提取技术,开发了车辆牌照手机自动识别系统,重点研究实现了基于水平扫描与垂直投影的车牌定位方法,及基于垂直投影与先验知识的字符分割算法;采用GSM技术传输车辆牌照图像,实现了无人值守的车辆牌照手机自动识别系统.     

车牌字符识别技术的研究与实现

设计了一种机动车牌照的自动识别解决方案.对车牌图像的预处理中,提出了一种新的基于非线性均值边缘检测算法,通过大量实验,该检测算法处理后的图像能更好实现车牌的定位与字符分割.在识别系统中,为了更准确地识别字符,使用两种特征提取法提取字符特征,设计了两级分类器对字符进行逐个识别.实验结果表明,这种识别方法具有良好的识别效果,具有较大的实用价值.