基于神经网络的视频序列车牌定位算法

在研究静态汽车牌照定位算法的基础上,利用时间序列多帧图像信息量大的优势弥补以往单幅图像牌照定位的不足,研究了视频序列下的汽车牌照定位方法.针对静态图像的牌照定位问题,提出了一种新的基于字符边缘特征和神经网络的汽车牌照定位算法.将上述定位算法应用到视频单帧图像中的牌照定位,并依此为基础,在动态视频序列中,对连续抽取的帧图像进行定位检测,各得到若干候选牌照区,比较相邻帧之间对应候选区的匹配程度,以得到真正的牌照位置.实验结果表明,该方法的定位精度高,实用性强.     

汽车牌照定位与字符分割

基于数字图像处理和模式识别技术的汽车牌照自动识别技术是汽车牌照识别系统的关键技术。研究汽车牌照定位和字符分割技术,实现了汽车牌照图像的预处理、基于水平投影和垂直投影算法的汽车牌照定位和基于垂直投影特征值分割算法的汽车牌照字符分割。实验结果表明,该算法能有效快速定位汽车牌照和准确分割汽车牌照字符。     

汽车牌照子图象的定位算法

本文介绍的算法是用于汽车牌照号码识别系统中的。用计算机和ＣＣＤ摄像头识别出汽车牌照号码是解决高速公路不停车收费、车库自动管理等问题的一个思路。该识别系统的工作过程分为两个步骤,一是牌照子图像定位算法．它用来确定车牌在整个图象中相对位置,其输入是整个原始图象,输出的是长方形的牌照图象。二是字符识别,它用来从长方形的牌照图象求出车牌的号码,输入是长方形的牌照图象,输出是车牌号码字符串。本文所介绍的正是牌照子图象定位算法。     

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。     

基于Sobel垂直算子检测的车牌定位算法

提出一种新的车牌识别的定位算法,对已预处理增强的图像进行Sobel垂直算子检测,用阈值分割出前景,搜索出符合车牌字符特征的候选区域,对候选区域进一步分析定出牌照位置。算法定位速度快,准确率高,对夜间有反光的图片能有效确定牌照的位置。     

基于边缘特征和神经网络的汽车牌照定位算法

汽车牌照定位是一个较难解决的图像分割问题,神经网络为此问题的解决提供了一个有力工具。文中提出了一种新的基于字符边缘特征的定位算法,它通过滑动窗口抽取样本并输入神经网络,对比其输出的特征向量来描述图像中以滑窗左上角顶点为标记的不同位置的边缘特性,结合统计优选的方法提取车牌。实验结果表明:该车牌定位算法识别精度高,速度快。     

基于波峰合并算法的汽车牌照定位方法

以实现汽车牌照的准确定位为目标,在充分利用牌照图像纹理特征和投影特征的基础上,提出一种基于投影波峰合并算法的车牌定位方法,并在VC 环境下编程实现,算法具有直观、流程简单的特点.经对实际采集的多幅图像进行处理后,证明这种方法简单、高效、定位准确.     

基于边缘特征和神经网络的汽车牌照定位算法

汽车牌照定位是一个较难解决的图像分割问题,神经网络为此问题的解决提供了一个有力工具.文中提出了一种新的基于字符边缘特征的定位算法,它通过滑动窗口抽取样本并输入神经网络,对比其输出的特征向量来描述图像中以滑窗左上角顶点为标记的不同位置的边缘特性,结合统计优选的方法提取车牌.实验结果表明:该车牌定位算法识别精度高,速度快.     

基于颜色特征的车牌定位

汽车牌照的自动定位是智能交通系统中的重要组成环节之一,是实现车牌识别（LPR）系统的一项关键技术。本文利用颜色特征对图像选取合适的二值化算法,并结合一种相对重要性滤波算法筛选车牌候选区域,最后根据牌照的特征对车牌进行准确定位。     

使用层次型结构模板和神经网络方法进行汽车牌照识别

汽车牌照自动识别是一个具有重大实际意义的课题。广泛应用于道路交通流量监测、交通违章自动记录、高速公路自动收费系统、车库自动收费管理等方面，本文以宁波北仑港保税区的车辆管理系统作为研究背景，在研究过去的车辆汽车牌照自动识别算法的基础上，开发了基于层次型结构模板和神经网络方法的图像汽车牌照识别方法，有效地提高了识别率。     

汽车牌照识别技术研究

本文分析了汽车牌照的几何特征和成像特点,提出了一种基于边缘检测和Hough变换的汽车牌照定位方法和基于图像投影的车牌字符分割方法。通过分析车牌号码中的字符图像特点,提出了基于字符图像几何形态和笔画结构的字母和数字识别方法,以及基于汉字结构知识的汉字识别方法,从而实现了汽车牌照的自动识别。     

基于水平扫描的汽车牌照图像定位与分割

对基于水平线扫描方法的汽车牌照图像定位进行了深入的研究，探讨了整个牌照定位的算法过程，主要包括图像的采集、直方图修正、二值化、水平扫描等步骤。从理论和实验上证明了该方法的可行性和正确性。     

基于Elman递归神经网络的汽车牌照定位方法研究

该文提出了一种新的基于Elman递归神经网络的汽车牌照定位方法。Elman递归神经网络具有上下文层 ,它将隐含层前一时刻的输出反馈到当前时刻的输入 ,这种反馈连接使Elman网络能够检测随时间变化的序列信息。该文的牌照定位方法利用Elman神经网络的反馈连接特性以及牌照区的水平和垂直两个方向的梯度特征不同于图像中的其它区域的特点 ,以一个小窗体 (12× 12 )内图像在两个方向的梯度值 ,对神经网络进行训练 ,然后在同样的梯度图上滑动该小窗体 ,让训练后的神经网络判断小窗体内的区域是否为牌照区的一部分 ,并结合汽车牌照的几何特征来实现牌照定位。实验结果表明该方法的准确定位率高     

汽车牌照识别系统中关键算法的设计与实现

实现了一个汽车牌照识别系统，对所涉及的关键技术给出了算法描述。在牌照垂直定位中，采用了BP神经网络并结合统计特征的算法，提高了牌照定位的准确率，进而提高了整个系统的识别率：对200幅尺寸为648×486的测试图像的识别率为93％。     

基于属性开运算的汽车牌照区域定位算法

现有的复杂背景下汽车牌照定位算法,大都是基于牌照水平或者近似水平的前提,如何处理倾斜情况下牌照定位是一个尚待解决的问题。本文提出了一种基于属性开运算的汽车牌照定位算法,其处理结果与牌照的倾斜角度无关,并成功地应用于交通监控系统中     

基于数字图像处理技术在汽车牌照识别系统的应用研究

随着生活水平的日益提高,各大城市汽车数量也不断增加,因此交通状况日益受到人们的重视。如何进行有效地交通管理,成为各政府相关部门越来越关注的焦点。汽车牌照自动识别是智能交通管理系统中的关键技术之一,本文介绍一种基于数字图像处理的车牌识别系统,该系统主要由图像的采集、图像预处理、牌照定位、字符分割和字符识别五部分组成。牌照自动识别技术的工作是处理并分析摄取的视频流中具有复杂背景的车辆图像,即牌照字符定位、字符分割,最后自动识别汽车牌照上的字符。     

基于属性运算的汽车牌照区域定位算法

现有的复杂背景下汽车牌照定位算法，大都是基于牌照水平或者近似水平的前提，如何处理倾斜情况下牌照定位是一个尚待解决的问题。本文提出了一种基于属性开运算的汽车牌照定位算法，其处理结果与牌照的倾斜角度无关，并成功地应用于交通监控系统中。     

车牌识别系统研究

车辆牌照辨识系统是近些年快速兴起的网络视觉与模式辨识方法在自动化交通运输领域运用的重要探究课题。在车辆牌照自动辨识体系中,首先需要把牌照从所获取的图形中分离出,此次开发采用的是依托于边缘检验,首先通过边界提取之后的汽车图像当中获得牌照特点,做出分析操作,进而初步确定牌照的区域,再运用牌照的先验知识与布局特点对牌照区块二值图像做出处理,进而获得牌照的准确位置,因此获得了比较良好的定位效果。     

车牌识别系统的设计与实现

汽车牌照自动识别系统是制约道路交通智能化的重要因素,包括车牌定位、字符分割和字符识别三个主要部分。本文首先确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割。在字符识别部分,提出了在无特征提取情况下基于支持向量机的车牌字符识别方法。实验结果表明,本文提出的方法具有良好的识别性能。     

基于分块思想的汽车牌照定位算法研究

改进了基于分块思想的汽车牌照定位算法. 首先将图像等分成若干个子图像, 利用子图像内车牌水平边缘密度的聚集程度分割图像, 保留可能的车牌区域, 并进行区域合并. 由于车牌中号码基本均匀分布, 其号码边缘所占有的面积与整个牌照面积的比例在一定范围内, 对于牌照区域内的子图像也会具有同样的比例. 当采集距离造成牌照尺寸发生变化时, 其比例值会仍在设定的范围内, 可适应车牌大小不同的情况, 同时, 由于以块方式搜索, 速度明显加快.