复杂环境下的汽车图像牌照定位方法

在汽车牌照识别系统中，车牌图片定位的准确度因受光照、背景和气候等原因的影响，牌照定位有一个较难解决的图像分割问题。作者采用了多层次分方法对汽车牌照作准确定位。经实践证明，该方法实时性好、准确度高，具有较高的实用价值。     

一种基于纹理的快速车辆牌照分割方法

主要针对车辆牌照自动识别系统中的一个重要功能块——车牌分割，提出了一种基于车牌字符串纹理特性的车牌快速定位方法。试验结果表明，此方法快速地搜索车牌并准确定位，便于下一步的字符分割和识别。     

一种基于HSV颜色空间的车辆牌照提取方法

给出了一种根据车牌底的彩色信息，利用HSV颜色空间对输入的含有汽车牌照的彩色图像直接进行处理，从而快速提取车牌照的方法。该方法的主要思想是通过选取合适的彩色空间将输入的彩色图像直接转换为二值图像，再用空问聚类技术进行滤波消噪，最后利用二值图像的水平垂直投影来分割提取车牌区域。     

基于Gauss消元法的车牌图像变形矫正

车辆牌照识别是智能交通系统的重要组成部分，而车牌图像的分割定位与字符提取是车牌识别系统的关键步骤，定位提取效果直接决定了车牌识别系统的工作效率。斜向拍摄的车牌图像存在着透视变形，该情况下直接进行车牌旋转不能有效地矫正，必须进行变形矫正才能准确地提取出各个牌照字符。文中利用双线性空间映射来矫正变形车牌图像，采用高斯消元法来计算该映射方程组的解，从而较好地解决了车牌透视变形的矫正问题，提高了车牌图像变形矫正的运算精度与速度。     

蓝底白字汽车牌照的定位方法

汽车牌照的定位是牌照识别的第一步，定位的准确与否将对后续操作起关键作用。本文提出了一种基于多方法的车牌定位策略。首先利用颜色信息对输入图象进行彩色粗分割，得到了颜色为车牌照的一些区域。然后将分割结果中的伪目标区域分为两类：一类是与牌照颜色先进的背景，一类是可能和牌照颜色先进的汽车外壳，分别进行处理，最终利用投影法得到准确的车牌位置。实验结果表宁该方法效果较好。     

基于视频检测和颜色的车辆牌照提取方法

车辆牌照的快速提取是牌照识别技术实用的基础。本文给出了一种利用视频检测方法和车牌彩色信息快速提取车辆牌照的方法。该方法的主要思想是通过设定牌照检测区来检测并获取牌照的预定位区图像，然后选取合适的颜色空间将预定位区彩色图像直接转换为二值图像，再用空间聚类技术进行滤波消噪，最后利用二值图像的水平垂直投影来分割提取车牌区域。     

基于MATLAB的车牌定位算法的分析与仿真

车辆牌照识别是智能交通系统的重要部分。该论文针对车辆牌照识别问题中的车牌定位问题进行了分析,并对车牌图像的灰度处理,车牌图像的边缘检测,车牌图像的形态学处理等相结合的方法对车辆牌照进行仿真分析。实践证明,与其他的车牌区域定位方法相比,用该方法要相对快一些,而且成功率高一些。     

车辆牌照识别关键技术研究

介绍车牌识别技术中的牌照自动识别系统的思路和总体设计方案,对车牌识别系统的图像预处理、字符分割、字符识别等环节所涉及的技术和算法进行了详细描述,并进行改进.     

汽车牌照的提取方法研究

汽车牌照提取是汽车牌照自动识别的关键一步.本文提出了利用扫描行离差数据、有效谷峰点特征及先验知识来初步定位车牌区域,并提出了倾斜车牌校正算法及车牌上下界精确定位算法.     

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。     

车牌自动识别的算法研究与实现

基于MATLAB对车牌自动识别系统中的算法进行研究,详细阐述车牌自动识别过程中的车牌定位、字符分割、字符识别的算法思想及算法实现。通过对一些车牌图像进行测试,获得较高的车牌自动识别准确率,表明算法具有可靠可行性。     

一种字符组合词包模型的少约束车牌定位算法

针对如何在复杂背景、拍摄角度和车牌尺度发生变化等少约束条件下实现基于字符组合词包模型的车牌定位算法。本文首先构造包含车牌数字字符和英文字符的数据库;然后利用本算法识别提取车牌字符的SIFT特征,并精准计算识别特征点在字符识别区域的相对位置、物理方向等信息组成视觉识别词汇;最后把本车牌字符的视觉词汇聚合后搭建车牌字符视觉词包数据库。在识别阶段,提取待识别图像SIFT特征与视觉词包中的视觉词汇进行匹配,并聚合所有有效投票位置来实现车牌区域的准确识别定位。仿真结果表明,本文算法对于背景复杂下的车牌区域定位具有较好的效果。     

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.     

基于自适应阈值投影的双行车牌分割方法

Aiming at the problem that there are few algorithms and low correct segmentation rate of double row license plate number in China, an adaptive projection method for double row license plate segmentation is proposed. Firstly, the image of license plate in HSV (Hue Saturation Value) space is binarized. Secondly, the double line license plate is segmented into a single line license plate by the adaptive projection method. Finally, the characters on the license plate number are segmented. Experiments show that this method can effectively segment the double line license plate with white characters on blue background, red characters on white background, black characters on green background, and black characters on yellow background, and the correct segmentation rate of the double line electric bicycle brand is higher. At the same time, this method overcomes the shortcomings of the deep learning method such as long training time and a large number of data sets. The proposal t is a simple and efficient segmentation method.     

基于神经网络的汽车牌照提取研究

汽车牌照的提取是牌照识别的前提,本文主要采用BP神经网络在灰度图像中提取汽车牌照。算法包括在个部分：神经网络的训练,图像的预处理,用训练出的神经网络来提取汽车牌照。     

车牌目标的自动定位技术

车牌识别问题是当前国内研究的一个热点方向，它的研究成功对车牌控制、运输安排等有着重要的应用价值。为了解决在车牌识别中的首要问题--车牌的自动定位技术，根据车牌目标在图象中的成像特点，提出了基于投影不变性的车牌自动检测定位方法，在车牌歪斜角度不大的情况下，成功地从复杂背景中检测定位出了车牌，通过现场实际测试，该方法取得了较好的定位识别效果。     

基于综合特征的车牌分割算法

本文根据车牌区域具有丰富的垂直纹理这一主要特征,并结合车牌尺寸和通过投影呈现的峰值在一定范围内较为固定等特点,提出一种基于综合特征的车牌分割新方法。实验结果表明:该方法能够较为准确地完成车牌区域的分割,整个算法复杂度低,能够满足实时分割的要求。     

字符分割前车牌图像的预处理

本文针对车牌图像的特点提出了一种针对字符分割的车牌图像预处理方法。该方法首先将定位出的彩色图片进行彩色图像的灰度化处理,再进行目标增强、二值化、去除铆钉干扰、倾斜校正,从而实现车牌的精确定位,为字符分割做好准备。实验结果表明,该方法处理效果好,对光照不均、对比度低、污迹及倾斜度较大的车牌图像具有很好的鲁棒性。     

基于改进BP神经网络的夜间车牌识别算法研究

为了提高夜间条件下车牌识别准确率,提出了一种基于改进BP神经网络的车牌识别算法.为了改善夜间环境下车牌图像的质量和清晰度,在图像预处理过程中采用了图像平滑处理增强技术;利用图像边缘检测技术实现了对图像正确定位,然后通过统计车牌图像白色像素个数的方法对字符分割;在此基础上,使用基于附加动量法和自适应学习速率改进的BP神经网络方法精确识别车牌.实验结果表明,该方法对夜间车牌的分割和识别是有效的.     

基于模糊边缘检测算法的车牌定位

车牌定位是自动车牌识别系统的一个关键步骤,车牌定位结果直接影响对车牌的最终识别效果。因此为了保证实际应用中车牌的识别准确率,文中提出了一种新的车牌定位算法,该算法利用一种改进的快速模糊边缘检测算法来进行车牌图像的边缘检测,得到整个原车牌图像的边缘图像,然后基于边缘图像的丰富的边缘信息设计一个高效、准确的车牌区域定位算法,检测出车牌区域。实验结果表明:算法定位速度较快、准确度较高,具有良好的应用前景。