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.     

一种改进的车牌字符分割算法

提出了一种改进的投影分割算法，其基本思想是将数列平滑的方法用于曲线投影上，该方法避免了传统分割算法的缺点，不仅有效地去除了噪声，而且相对于直线检测分割方法计算量减小，又比简单的投影方法分割效果明显。     

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.     

基于字符综合特征的车牌字符分割算法

字符分割技术是车牌识别系统的关键技术之一。字符分割最主要的问题是字符粘连及车牌边框的影响。鉴于车牌字符具有布局规整,字符个数确定,字符大小一致、宽高存在规律等特征,文章提出一种将投影和字符间距相结合的基于字符综合特征的字符分割算法。实验证明该算法那对分割粘连字符具有较好效果。     

基于投影特征值的车牌字符分割算法*

在车牌先验知识的基础上提出了一种基于垂直投影特征值的分割方法。大量实验表明,该算法能够快速找到字符之间的最优分割点,并自动去除车牌垂直边框和其他噪声点的干扰,适用于各种质量的车牌图像,分割准确率较高。     

基于连通域提取的车牌字符分割算法

车牌字符分割是车牌识别系统的三大关键技术之一.为了准确地进行字符分割,提高字符识别的准确率和识别的速度,提出了一种改进的连通域提取车牌字符分割算法,算法通过扫描目标像素的若干相邻像素后按照一定的准则确定目标像素与相邻像素之间的连通关系,可克服同类算法中像素重复标记和归并标记需大量运算的缺陷,最后得到正确的连通标记划分并能提取出各个分离的连通区域.实验表明算法能够准确快速地识别字符,且具有较好的稳健性.     

车牌识别系统中的字符分割技术研究

车牌字符分割是车牌识别系统的三大关键技术之一。准确的字符分割,既能提高字符识别的准确率,又能提高识别的速度。针对车牌图像背景复杂、光照多变、干扰较多的情况,文章在车牌区域预处理的基础上提出了一种基于先验知识的垂直投影字符分割方法。实验结果表明该算法简洁、实时性好、处理正确率高,达到了实用的标准。     

车牌识别系统中的字符分割技术研究

车牌字符分割是车牌识别系统的三大关键技术之一。准确的字符分割,既能提高字符识别的准确率,又能提高识别的速度。针对车牌图像背景复杂、光照多变、干扰较多的情况,文章在车牌区域预处理的基础上提出了一种基于先验知识的垂直投影字符分割方法。实验结果表明该算法简洁、实时性好、处理正确率高,达到了实用的标准。     

基于投影的车牌字符分割方法

运用像素水平投影与竖直投影的方法,结合车牌字符的先验信息可以准确地对车牌字符进行切割。同时,针对某些汉字易被错误分割或漏割的情况。对汉字左右边界的起始位置进行标记,利用此标记获得该汉字的原始灰度图像,对其单独进行分割及二值化．避免汉字笔画退化为噪声。实验表明,该方法能够准确分割字符。     

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。     

Vehicle license plate character segmentation

Vehicle license plate (VLP) character segmentation is an important part of the vehicle license plate recognition system (VLPRS). This paper proposes a least square method (LSM) to treat horizontal tilt and vertical tilt in VLP images. Auxiliary lines are added into the image (or the tilt-corrected image) to make the separated parts of each Chinese character to be an interconnected region. The noise regions will be eliminated after two fusing images are merged according to the minimum principle of gray values.Then, the characters are segmented by projection method (PM) and the final character images are obtained. The experimental results show that this method features fast processing and good performance in segmentation.     

货车图像车牌区快速定位及字符切割算法

针对货车图像中的光照不均匀和各种污损的条件，重点讨论了货车图像的二值化、车牌区定位及字符切割方法，并提出了一种货车车牌区定位快速定位算法（TLFP）和一种投影与弧特征相结合的字符切割算法，大量实验表明：使用上述算法，车牌区定位准确率达99．7％，字符切割正确率达98．5％。     

A new and robust method for character segmentation and recognition in license plate images

This paper provides a new and fast method for segmentation and recognition of characters in license plate images. For this purpose, various methods have been proposed in literature. However, most of them suffer from: sensitivity to non-uniform illumination distribution, existence of shade in license plate, license plate color and the need for receiving an exact image of the license plate. In the proposed algorithm, non-uniform illumination and noise are reduced by a Gaussian lowpass filter and also by an innovational Laplacian-like transform and characters are segmented by a set of indigenous and relative features. To be prepared for recognition, the segmented characters are normalized by a local algorithm. Two feed-forward neural networks with back-propagation learning method are employed for character recognition. The principal component analysis (PCA) is used to decrease input data and, consequently, computational complexity. The proposed algorithm does not necessarily need an exact plate image and can receive a band from the vehicle original image as an input, which includes the plate. Our proposed method is completely robust to the disturbances such as non-uniform brightness distribution on the various positions of a license plate image and the plate color. In order to evaluate our algorithm, we applied it on a database including 120 vehicle images with different backgrounds, plate colors, brightness distributions, distances and viewing angles. The results confirm the robustness of the proposed method against severe imaging conditions.     

车牌精确定位与实现

车牌识别系统作为自动识别车辆的一种重要形式,是城市智能交通管理系统中不可或缺的重要组成部分,广泛用于路桥、隧道等卡口的自动收费系统、现代住宅小区、停车场、重要机关单位的汽车出入控制、车流监控等重要场合,尤其在高速公路收费系统中,车牌自动识别更是一个重要的环节。车牌定位作为车牌自动识别中的关键步骤,对系统识别率有重要的影响。     

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。     

LPR系统车牌定位提取方法的研究

车牌定位在车牌自动识别中起着非常重要的作用,定位准确度直接影响车牌识别的正确率。文中使用了数学形态学和几何拓扑学相结合的方法对车牌区域进行定位提取。该方法首先采用Top-Hat变换以及开、闭运算对抓拍的车辆图像进行预处理;然后采用连通体态分析法（CCA）对图像进行粗定位;最后对计算得到的车牌候选区的欧拉数进行判别,最终提取真正的车牌区域。实验证明该方法能够很好的对牌照区域顶角进行快速搜索定位,将牌照从复杂背景图像中分割出来。     

SVM多类分类器在车牌字符识别中的应用

为解决普通支持向量机多类分类器对车牌字符识别准确率低、速度慢等问题,研究了基于支持向量机二叉分类树的车牌字符识别算法。根据车牌字符的结构特征提出了利于字符分类的粗像素特征提取方案,并对字符进行相应的特征提取,通过KL变换对生成的特征向量进行降维处理以提高字符识别速度,最后利用Fisher判别准则构造支持向量机二叉分类树,保证每类字符均具有最大可分离性,提高了字符识别率。对车牌字符集进行了识别测试,实验结果表明了该算法的可行性和有效性。     

不变矩在车牌字符识别中的应用

为了克服车牌字符的倾斜和相似字符间的误识别对字符识别带来的影响,提出了一种基于不变矩的匹配算法.利用不变矩的旋转不变性克服字符倾斜带来的影响.对不变矩算法进行改进,增加了5个新的不变矩量,包含了更多的细节特征,并用原点矩代替中心矩,减少平移不变性带来的误差,解决了相似字符间的误识别.实验证明了方法的正确性和可行性.     

数据融合在车牌字符识别中的应用

将D-S证据理论引入车牌字符识别,结合神经网络容错能力强、能够自适应学习等优点,对待识别字符进行统计和结构等多方面的特征提取后,分别经过神经网络分类器得到相应的结果,并应用D-S证据理论对各种结果进行数据融合,从而实现了字符各方面特征的优势互补,进一步提高了字符识别的成功率。