车牌照识别系统设计

车牌自动识别系统可以分为图像采集、图像预处理、车牌定位、车牌预处理、字符分割、字符识别几大部分.每个模块即相互关联的,又有其自身的特点和技术.车牌定位是车牌识别的基础,本文采用水平和垂直的车牌定位算法;车牌字符的分割是进行单个字符识别的前提,本文采用一种垂直投影的字符分割方法;字符识别采用了BP神经元网络的方法.     

不定长车牌字符分割算法

车牌号码识别包括牌照定位,字符分割,字符识别三个主要过程。字符分割是在牌照定位后把字符从牌照中分割出来的过程,然后送到字符识别系统识别。本文提出的字符分割算法在传统的垂直投影法字符分割的基础上进行了改进,对于字符个数不定、车牌字符之间有大间隔的车牌也取得了理想的字符分割效果。     

车牌字符分割与识别算法的研究与实现

本文在车牌定位的基础上。利用迭代法进行车牌图片二值化。然后利用基于连通区域标记的方法对图片进行目标区域标记。结合车牌先验知识对车牌字符进行切分。提取字符的13特征。利用BP神经网络进行字符识别。实验结果表明,本文采用的字符分割和识别算法效果良好。     

基于视频流的车牌识别研究及系统设计

该文深入研究从视频流中提取运动车辆进行车牌识别的问题,提出了一种车牌识别算法,根据该算法开发了基于MFC的视频流车牌识别可视化系统。算法采用三帧差分与背景消减相结合的方法提取含有运动车辆的关键帧,对关键帧进行灰度化,采用Sobel算子进行边缘检测,融合形态学处理对关键帧进行去噪,从而实现车牌的定位,用投影法结合字符特征对车牌字符进行精确分割,采用BP神经网络算法提取字符特征,输出字符识别结果,由此完成车牌字符识别。通过对50组不同的车辆视频进行检测识别,识别率(包含汉字)达到96%以上。     

车牌识别关键技术的研究与实现

车牌识别是指通过计算机视觉、图像处理与模式识别等方法从车辆图像中提取车牌字符信息,从而确定车辆身份的技术。车牌识别分为车牌定位、字符分割、字符识别三大部分。车牌定位是一个难题：车牌区域在整幅图像中所占比例很小,车牌的颜色、大小、位置也不确定,并且定位算法要能够克服不同光照和复杂背景的影响,还要兼顾准确性和实时性,因此快速准确的定位车牌是比较困难的。本文通过车牌的纹理和颜色特征,采用粗定位和细定位相结合的方法进行识别。     

基于车牌识别的图像预处理研究

车牌识别包括车牌图像的预处理、车牌定位、字符分割和字符识别等重要的部分。其中车牌图像预处理的优劣直接决定着车牌定位识别准确性的高低。该文列举了图像预处理的优化方法和步骤,针对全局阈值的二值化算法进行了改进。实验的仿真结果很好地验证了改进算法的性能。     

车辆牌照图像识别技术研究进展

汽车牌照的字符分割和识别技术是车牌自动识别系统的技术之一,是提高车牌识别率的关键.许多学者对其进行了较为深入的研究和探讨,提出了一些基于投影分析、连通域分析的字符分割方法和基于模版匹配、神经网络等的字符识别方法.根据国内汽车牌照的字符特征,对近年来出现的车牌字符识别方法进行综述并提出建议,在现有方法的基础上,取其优点,相互补充,结合数学工具,提高系统的速度和精度.     

一种基于汉字结构特征的车牌照字符分割方法

提出了一种基于汉字结构特征的车牌照字符分割方法.该方法首先找到汉字的主体部件,然后根据汉字上下、左右、包围结构找到组成汉字的其它部件,并结合汉字识别结果对分割得到的汉字进行确定.最后,根据车牌字符串的结构特征找到其它字符.特殊车牌图像,要对字符和字符、字符和边界粘连的情况进行分裂,对部分字符进行合并.而且本方法还可以对定位出现车牌字符丢失情况进行重新定位,找到丢掉的字符.对大量车牌图像字符的分割,试验结果证明,该方法能够达到准确分割出车牌图像中字符的目的.     

基于神经网络的车牌照自动识别系统

本文就车牌照倾斜度校正、车牌定位、字符切分、字符识别及处理进行了详细的讨论.本文采用BP网络对车牌照字符进行学习分类,取得较好效果.     

基于机器视觉的汽车牌照识别

以汽车牌照的识别为例,具体研究了车牌自动识别的原理.整个处理过程分为预处理、边缘提取、车牌定位、字符分割和字符识别五大模块,用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照.在研究的同时对其中出现的问题进行了具体分析和处理.寻找出对于具体的汽车牌照识别过程的最好的方法.