中英混排文档图像粘连字符分割方法的研究

针对中英混排文档图像中粘连字符分割准确率不高的问题,提出了一种改进的滴水分割算法。该方法以贝叶斯分类器区分字符类型并利用阈值判定粘连字符的存在,利用粘连字符上下轮廓的极值点确定候选粘连分割点,并利用距离变换提取粘连位置的中心线,最终将极值点与中心线共同确定的路径作为滴水算法的分割路径来完成对粘连字符的分割。实验结果表明,该方法解决了准确选择滴水算法的起始位置和字符笔划损伤的问题,有效地提高了分割准确率。     

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。     

集成电路印字的定位和字符分割技术研究

提出一种基于数学形态学定位和模糊模板匹配及垂直投影相结合的字符分割算法。先通过形态学运算得到一系列候选区域,根据先验知识从中找出封装体所在区域,再利用模糊模疲匹配的方法找到字符区域,通过字符垂直投影进行单个字符分割。通过大量的实验表明,该算法能够有效解决集成电路印字定位和字符分割的问题,并具有较好的鲁棒性。     

基于闭运算和背景减法的车牌字符分割算法

提出一种基于闭运算和背景减法预处理的二值化分割算法.该方法能够削弱上下边框,减少字符与上下边框之间的粘连,同时能减少背景噪声.在此基础上利用车牌字符的垂直投影特征和先验知识处理字符的粘连与断裂,有效提高了字符分割效率.实验结果表明,该方法具有良好的适应性.     

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。     

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。     

基于投影法与字符特征的车牌字符分割算法

提出一种结合投影法与车牌字符特征的车牌字符分割算法,先利用投影法对车牌图像进行字符分割,然后对投影结果进行判断,由于干扰投影法分割效果的主要为字符粘连,经过判断,对字符粘连的区域进行字符特征的判定,从而达到最终字符分割的目的。     

基于垂直投影的车牌字符分割方法

车牌的字符分割是车牌识别系统中的重要环节,通过车牌字符的垂直投影可以对字符进行分割,所以可应用于分割车牌图像中的字符。首先对车牌进行图像预处理,提取出车牌的灰度图像;然后根据垂直投影法确定字符边界以及车牌字符的7个投影块;最后结合实际车牌情况,提出了对粘连和断裂字符的处理方法。实验结果表明,该算法能有效的分割出车牌图像中的字符。     

复杂车辆图像中的车牌定位与字符分割方法

车牌定位和字符分割是车牌照自动识别系统中的关键步骤。提出了一个综合多种特征的车牌定位算法和一个基于模板匹配的字符分割算法,有效地解决了背景复杂的彩色图像中车牌定位和字符分割的问题。综合这些算法并结合字符识别核心,实现了一个完整的车牌照自动识别系统。该系统对不同背景、光照条件下采集到的车辆图像进行了大量实验,实验结果证明算法准确率高、鲁棒性好。     

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.     

基于数字形态学的车牌字符分割算法

随着科技的发展,车牌识别系统得到了很多应用。车牌识别系统包含三个部分;车牌定位、字符分割 和字符识别。车牌字符分割是车牌自动识别系统中的重要步骤。车牌字符分割中存在噪声干扰、边框影响、铆钉和 间隔符影响、车牌旋转、光照不均等问题。这些问题容易造成分割不准确,甚至分割错误。针对这些问题,提出一 种新的字符分割方法,采用基于数字形态学的连通区域法进行字符的分割,并结合现有方法提出一个完整的、行之 有效的字符分割方案,取得较好的实验效果。     

License Plate Recognition System Using Artificial Neural Networks

A high performance license plate recognition system (LPRS) is proposed in this work. The proposed LPRS is composed of the following three main stages: (i) plate region determination, (ii) character segmentation, and (iii) character recognition. During the plate region determination stage, the image is enhanced by image processing algorithms to increase system performance. The rectangular license plate region is obtained using edge‐based image processing methods on the binarized image. With the help of skew correction, the plate region is prepared for the character segmentation stage. Characters are separated from each other using vertical projections on the plate region. Segmented characters are prepared for the character recognition stage by a thinning process. At the character recognition stage, a three‐layer feedforward artificial neural network using a backpropagation learning algorithm is constructed and the characters are determined.     

基于数字图像处理的车牌字符分割方法

传统的字符分割方法一般针对单行车牌,本文提出一种针对单行和双行两种结构的车牌字符分割方法。首先进行图像预处理,减少噪声及环境干扰。将车牌图像分为两部分,对前两个字符的部分先垂直投影,再结合先验知识判断进而准确分割;对后五个字符的部分用垂直投影法确定动态阈值并结合连通域分析进行字符分割。实验结果表明,该方法同时适用于单双行结构车牌,对字符粘连断裂的情况也能很好的分割。     

基于分块和滑动窗口的车牌定位方法

车牌定位是车牌识别系统的关键环节.提出了一种利用分块和滑动窗口快速定位车牌的新方法.首先,进行垂直边缘的检测;然后利用分块和滑动窗口的方法进行搜索,产生车牌候选区域;最后经过判别得到车牌区域,并对边界加以调整.实验结果证明这种算法具有定位准确、效率高、适应性强的特点.     

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。     

车牌识别方法的研究与实现

随着科技的进步,车牌识别系统有了很大的发展。其识别过程大概分为三个过程：车牌定位,字符分割和字符识别。由于在现实中车牌的识别会受到自然原因、人为原因以及图像采集设备的影响,这些会造成字符分割的不准确,从而导致识别的失败。基于此提出了在利用hough变换对车牌进行分割前用小波包变换的多分辨率进行降噪的方法,最后利用KL变换进行车牌字符识别的方法。实验表明其技术在速度和识别率等方面具有很好的效果。     

雾霾天气下的车牌识别

在雾霾天气下,图像采集设备拍摄的图片存在一系列问题,如饱和度低、细节失真、画质模糊等。文中探索了雾霾天气下的车牌识别算法,按照图像去雾、车牌定位、字符分割与识别等步骤来解决雾霾天气下传统车牌识别系统效率低、鲁棒性差等问题。该算法采用暗通道去雾,经去雾算法处理后,图像对比度、信息梯度和信息熵均得到提升;选择数学形态和边缘检测定位车牌的准确位置;利用仿射变换矫正车牌区域,结合投影法分割字符,最后使用基于支持向量机模式的识别算法来识别字符。经过处理后,车牌识别能达到较高的准确率。     

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。     

基于高斯混合模型的车辆字符识别算法

在基于统计方法的车牌字符识别算法中,为了更有效地描述车牌字符特征的类条件概率密度,提出了一种基于高斯混合模型(GMM)的识别方法.首先采用Gabor变换来提取车牌字符的特征参数,然后通过GMM来逼近字符特征的类条件概率密度分布,最后根据得到的类条件概率密度分布函数构造贝叶斯分类器.其中,GMM的参数估计采用EM算法.实验表明,这种方法具有良好的字符识别效果、较强的鲁棒性以及较大的应用价值.