利用Hough变换和先验知识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，该文提出了一种先分段，再利用Hough变换拟合直线的水平分割方法和基于先验知识约束的垂直分割方法，同时提出目标增强的预处理方法。大量实验表明，该算法较好地解决了以上问题，适用于各种质量的车牌图像，分割的准确率较高。  

基于矩和小波变换的数字、字母字符识别研究

欲实现汽车监控和管理智能化，必须正确识别牌照字符，在识别过程中，关键是特征向量的提取，小波变换能有效地提取字符的结构特征，而矩能够很好的地其进行描述，该文提出了一种用线性矩和小波变换提取数字、字母字符特征的方法，实验证明该方法有很高的识别率，达到９７％以上，能够有效地进行字符的分类，可满足实际应用。  

基于多分类器组合的手写体数字识别

本文提出了一个基于多分类器组合的手写体数字识别方法。文中首先给出了一个客观评价分类器性能的参数，其后基于此参数提出了多分类器的组合方法，并从理论上研究了此方法的一些性质，本文实验采用Ｃｏｎｃｏｒｔｄｉａ大学模式识别与机器智能中心的手写体数字数据库，在实验中，使用了９个利用不同特征分类器进行组合，组合后识别率、拒识率和可靠性分别可达到９７．０５％，２．０５％，９９．０８％。  

基于RBF核的SVM的模型选择及其应用

使用RBF核的SVM(支持向量机)被广泛应用于模式识别中。此类SVM的模型选择取决于两个参数，其一是惩罚因子C，其二是核参数σ^2。该文使用了网格搜索和双线性搜索两种方法进行参数选择，并将两者的优点综合。应用于脱机手写体英文字符识别。实验在NIST数据集上进行了验证，对搜索效率和推广识别率进行了比较。实验结果还表明使用最优参数的SVM在识别率上比使用ANN(人工神经元网络)的分类器有较大提高。  

基于证据理论的多分类器融合方法研究

证据理论是建立在独立性假设基础上，理论和实际应用都需要突破这一限制。最近提出的一种相关证据模型认为，两个相关证据由一个相关源证据分别与两个独立源证据通过正交和合成得到，相关证据的合成可以归结为这三源证据的正交和，为此首先要由相关证据和相关源证据辩识独立源证据，这是证据理论中的反问题，其解是否有意义取决于相关源证据是否合适。该文给出一个充分条件，如果相关源证据满足此条件，反问题有唯一有意义的解，在此指导下，研究了字符识别中的多分类器融合问题，实验结果表明，识别性能优于传统证据理论方法。  

图象处理技术在车牌识别中的应用

利用数字图象处理技术研究开发汽车牌照自动识别系统。从汽车图象中确定车牌位置，提取车牌字符的微结构特征，通过与所建的专用字典库中的字符标准模板匹配比较，获得车牌号码。试验结果表明该方案是有效的。  

一种基于改进模板匹配的车牌字符识别方法

提出了一种改进的模板匹配方法．该方法是在传统的模板匹配方法的基础上，通过对字符特征区域的扩大和加强注意设计了一种改进的模板，以达到更有效的匹配结果．将该方法应用于沪宁高速公路收费口处实拍的车牌图像库中，其平均识别率达到97．1％．实验结果表明本文所提出的改进的模板匹配方法具有较高的识别率和鲁棒性．  

典型相关分析的理论及其在特征融合中的应用

利用典型相关分析的思想，提出了一种基于特征级融合的组合特征抽取新方法．首先，探讨了将典型分析用于模式识别的理论构架，给出了其合理的描述．即先抽取同一模式的两组特征矢量，建立描述两组特征矢量之间相关性的判据准则函数，然后依此准则求取两组典型投影矢量集，通过给定的特征融合策略抽取组合的典型相关特征并用于分类．其次，解决了当两组特征矢量构成的总体协方差矩阵奇异时，典型投影矢量集的求解问题，使之适合于高维小样本的情形，推广了典型相关分析的适用范围．最后，从理论上进一步剖析了该方法之所以能有效地用于识别的内在本质．该方法巧妙地将两组特征矢量之间的相关性特征作为有效判别信息，既达到了信息融合之目的，又消除了特征之间的信息冗余，为两组特征融合用于分类识别提出了新的思路．在肯考迪亚大学CENPARMI手写体阿拉伯数字数据库和FERET人脸图像数据库上的实验结果证实了该方法的有效性和稳定性，而且识别结果优于已有的特征融合方法及基于单一特征进行识别的方法．  

车牌识别技术研究

利用图像处理技术以及神经网络技术对汽车牌照自动识别系统进行研究。在所摄的含有车牌的汽车照片中,先获取车牌位置,再把车牌的各个字符分割,提取出各个字符的特征,再利用BP神经网络进行识别,从而获取车牌号码。  

基于主分量分析的手写数字字符识别

针对手写数字字符识别中由于书写习惯和风格的不同，造成字符模式不稳定的问题，提出了一种图像预处理方法．首先采用数学形态学通过细化和膨胀，统一字符笔画的粗细，并使字符的局部特征得到改善；然后利用主分量分析法(PCA)抽取字符特征，估计字符的重建模型，并通过对重建模型的误差分析进行字符识别；最后通过对美国国家邮政局USPS字库中全部数字字符完整的识别实验，证实了算法的鲁棒性和准确性．