基于过线特征的车牌识别

车牌识别的速度和正确率直接地反映识别系统的好坏。为了提高车牌的识别速度,提出了基于过线特征的车牌识别算法。算法分两步进行：首先对分割的待识别字符进行过线特征提取,每个字符都被映射成一个12维向量,计算出待识别字符向量与库字符向量的距离;然后,对于置信度高的字符直接作为识别结果,对于置信度不具有明显优势的待识别字符在缩小的范围下再采用模板匹配识别。实验结果表明：应用该算法的实验系统识别速度较快、准确度较高、稳定性较好。     

基于数学形态学及车牌综合特征的车牌定位算法

车牌定位是车牌识别系统中的关键步骤;利用车牌图像区域丰富的边缘信息以及车牌本身的特征,提出一种实用而有效的车牌定位方法;首先,将原始图像转换到灰度空间上,利用车牌丰富的图像边缘特征信息和数学形态学操作对图像进行粗定位;然后,根据车牌本身的特征量化5种不同的特征,通过贝叶斯分类器的训练,实现对车牌区域的精确定位;最后,通过实验对1500幅彩色图像进行测试,其有效率可达95.20%。     

基于混合特征的车牌定位算法

车牌定位技术是汽车牌照自动识别和智能交通系统的用车牌的颜色、纹理和结构几何等多维特征,实现车牌定位.该算法利用车牌的彩色信息进行彩色分割,实现车牌图像的二值化,而后提取边缘增强,在此基础上利用数学形态学方法去噪并去除车牌边框,并利用车牌纹理特征利用投影实现车牌的最终定位.该算法克服了单一特征信息不完备引起的车牌定位误差,实验表明该方法具有较好的车牌定位效果.     

基于特征多样性的车牌定位方法

本文提出了一种基于结构特征和纹理特征的车牌定位方法:对车辆图像进行预处理,检测垂直方向的边缘,执行数学形态学操作,并利用车牌的结构特征粗定位车牌区域;提取车牌的纹理特征并构建特征向量,通过贝叶斯分类器来精确定位车牌区域。该方法不受车牌大小、位置等因素限制。对采集到的各种复杂背景、环境下的车辆图像进行了大量实验。实验证明:该方法定位率高,速度快,具有较好的鲁棒性。     

基于车牌特征和底色识别的车牌定位算法研究

在车牌识别系统中,车牌定位是车牌自动识别系统中最重要的一步,车牌定位的准确程度直接影响车牌识别的精度。针对背景复杂,车牌区域模糊的图像,提出一种车牌结构特征和底色相结合的车牌定位方法。该算法首先利用彩色边缘算子提取图像的边缘,然后利用连通域算法找出不同的连通区域,最后结合车牌的结构特征(宽高比、车牌区域灰度跳变次数)和车牌底色特征(目前是黄色、黑色、白色和蓝色)选定最佳区域。实验结果表明,该算法简单,定位准确,满足实时性要求。     

基于车牌底色识别的车牌定位方法

提出了结合汽车车牌纹理特征分析和颜色特征分析实现车牌定位的方法。以往的车牌定位技术主要是利用了车牌的纹理特征和形状特征，该文提出的方法是先进行纹理分析和形状分析，再进行色彩分析，从而尽可能多地利用车牌模式识别空间中的各种条件。得到边缘清晰整齐的尽可能小的车牌区域。这种方法明显地克服了单用纹理和形状分析时难以解决的车牌区域变大的问题。     

基于数学形态学的车牌定位识别系统设计

车牌字符识别问题是车牌识别系统的核心技术问题,是智能交通系统的关键组成部分,是目前该领域研究的热点问题之一。本文首先介绍了车牌识别系统的组成,分析了车牌识别技术的特点和难点,并重点探讨了基于基于数学形态学的车牌定位系统算法与设计。     

基于直线特征的目标识别及应用

提出了一种在SAR图像中检测道路等线性特征的检测算子,利用该算子提取局部区域内呈现线性特征的线性基元,可以比通常的边缘算子得到更为准确的线性基本结构。应用一定的组织策略对提取出的线性基元进行组合,从而获得目标较为精确的位置信息。     

基于纹理特征的汉字字体识别研究

介绍了字体识别的重要性和有待解决的问题，提出了一种利用Gabor滤波器提取版面纹理特征进行字体识别的方法，着重介绍了滤液器设计、纹理特征提取和字体识别的过程。这种方法是与内容无关的，不需要局部微细特征分析，可以解决实际版面样弱印刷质量差、变形多的问题。用于常见字体的识别，取得了较好的效果。     

基于纹理特征的车牌定位方法

提出了一种基于纹理的车牌定位方法。首先提取汽车图像的边缘,再连接水平方向上距离较近的边缘点,通过数学形态学操作形成若干候选区域,然后根据水平方向边缘线段长度和投影直方图进行精确定位,最后根据尺寸判断候选区是否为车牌。实验结果表明,该算法定位准确率能达到93.7%,平均定位时间为435 ms。     

基于图像的车牌识别

基于图像的车牌识别是图像识别领域的重要研究课题之一。本论文采用MATLAB编程实现该车牌识别系统,综合使用多种方法提高系统的有效识别能力。首先,对图像进行预处理。其次,采用了一种结合字符边缘和形态学的车牌定位算法。接着,根据分割出的车牌区域,采用一种水平和垂直投影相结合的车牌字符分割法,完成单个字符的分割。最后,运用模板匹配的方法实现字符识别。     

基于图像处理的车牌识别研究

针对智能交通管理系统中的车牌识别问题,提出应用图像处理技术对汽车的牌照进行识别。车牌定位（LPL,License Plate Location）、车牌分割（LPS,License Plate Segmentation）、车牌识别（LPR,License Plate Recognition）是实现车牌识别系统的最主要的三个部分。先采用HSV模型和RGB模型识别与分割彩色图像,并初步定位车牌图像;再采用radon变换实现车牌的倾斜校正,用投影法对车牌进行定位和分割;最后通过语音读出识别到的车牌信息。通过MATLAB编程进行实验仿真,结果表明利用图像处理技术能够快速地识别出汽车牌照,是一种研究车牌识别的有效方法。     

基于信息融合的车牌识别

模式识别是计算机技术中的一个重要组成部分,在信息获取与辨认中发挥着重要作用。在本次研究中,重点分析了基于信息融合的车牌识别的相关内容,先分析了信息融合的基本原理,再结合车牌识别,阐述了信息融合下车牌识别的基本算法与应用路径,希望能对相关人员工作有所帮助。     

基于模糊模式识别的车牌识别算法设计

介绍一种基于明暗度二值化的车牌模糊识别的算法.这种算法在车牌识别的使用可以有效避免因光照、车辆运动速度及车牌清晰度、光洁度而带来的误识别.介绍了这种算法的构建、实验平台、实验环境、实验处理结果,并对结果进行了讨论.     

一种基于GMP-LeNet网络的车牌识别方法

车牌识别技术是智能交通管理系统的核心,对它的研究与开发具有重要的商业前景。传统的车牌字符识别方法存在特征提取复杂的问题,而卷积神经网络作为一种高效识别算法,对处理二维车牌图像具有独特的优越性。针对传统卷积神经网络LeNet-5识别车牌图像时,存在训练数据较少、全连接层参数冗余以及网络严重过拟合等一系列的问题,设计了一种全局中间值池化(GMP-LeNet)网络,其使用卷积层代替全连接层,利用Network In Network网络中的1*1卷积核进行通道降维,全局均值池化层直接将降维后的特征图馈送到输出层。实验证明,GMP-LeNet网络能有效抑制过拟合现象,并具有较快的识别速度和较高的鲁棒性,车牌识别率达到了98.5%。     

基于AdaBoost的车牌字符快速识别方法研究

采用动态自适应权重裁剪方法快速训练AdaBoost集成网络,通过在迭代过程中动态地寻找最优裁剪系数,缩短网络的训练时间,减少其个体数目。实验表明,该方法能够快速构建神经网络集成分类器,并取得良好的识别效果。     

基于无线网络车牌识别系统识别算法的研究

字符识别是智能车牌识别系统研究的核心问题,针对有线网络车牌识别系统的缺点,将BP算法应用在基于无线网络的车牌识别系统上,重点讨论了用改进的BP神经网络方法对车牌字符的识别;根据我国最新机动车号牌GA36-2007标准,设计出了用于车牌识别的3个神经网络,用MATLAB完成了对车牌字母部分识别的模拟,采用隐层节点22,动量因子0.8进行训练,最后得出实验结果,达到目标误差小于0.001的要求;证明这种方法应用在基于无线网络车牌识别系统上是高效的.     

车牌识别中基于Rough集理论的字符识别

用Rough集理论提取车牌中的文字、字母、数字、短横线的特征，再用这些特征进行模板匹配。该文中的基于Rough集可辨矩阵的特征选择算法，时间复杂度为O(mn2)，改变了过去人们认为基于可辨矩阵的特征选择算法的时间复杂度不低于O(m2n2)的观点（其中m为数据集中特征/属性的个数，n为数据集中样本的个数）。给出了在车牌识别中的实验结果。     

基于MATLAB的车牌定位识别方法

车辆车牌的准确定位识别在交通安全管理方面具有重要的作用。笔者首先对原始彩色车辆图像进行增强处理,然后采用彩色像素点统计法来获取车牌图像,进而采用高斯滤波来强化车牌关键特征,采用二值化处理有效突出目标轮廓,最终采用分割和模板匹配完成车牌的定位识别。实验表明,该方法能够在复杂的环境下实现车辆车牌的有效识别。