车牌识别系统中的超分辨率图像重建技术研究

针对车牌识别系统中图像模糊和分辨率低而影响车牌识别效果的问题,提出利用超分辨率重建来提高车牌图像分辨率的解决方法.建立了凸集投影(POCS)算法的数学模型,研究了凸集投影超分辨率重建的实现过程,并用仿真实验进行了验证.实验结果表明:采用凸集投影算法进行图像重建,可以提高车牌图像分辨率,丰富图像细节信息,能够有效提高车牌识别的准确率,并且迭代次数越多,图像重建效果越好.     

复杂光照下的车牌定位方法

车牌定位是车牌识别系统的关键,为了提高复杂光照下车牌定位的效率,提出了一种基于车牌图像预处理和纹理边缘特征相结合的车牌定位方法. 在预处理过程中利用ＨＳＶ颜色空间中亮度和色度相互独立的特性,对图像进行亮度处理,得到了一幅有效去除背景干扰且亮度适度的二值图像;然后采用Ｃａｎｎｙ算子对车牌进行边缘检测,得到大致的车牌区域;最后对车牌分别进行水平和垂直投影,得到精确的车牌区域. 整个过程用Ｍａｔｌａｂ软件实现,结果证明该方法在复杂光照下具有较强的适应性与稳健性,有一定的实用价值.     

车牌字符图像分割技术的研究与应用

通过对得到的车牌图像中字符分割方法的研究,提出了一种如何从车牌图像中切分出正确字符图像的方法.方法首先采用降低维数的投影方法进行初分割识别,再结合车牌图像的先验知识进行过宽和过窄块的处理,以提高车牌字符分割的正确率.方法在实际的智能车牌识别系统中得到应用.     

基于LabVIEW IMAQ的移动车辆牌照识别

车牌识别是指通过图像处理、模式识别和统计分析等方法从实时车辆图像中提取车牌字符信息,从而确定车辆身份的技术。通过对车牌识别中的图像采集与处理、车牌定位、字符分割和字符识别这4个核心技术的研究,在LabVIEW平台上,利用IMAQ强大的图像处理功能,对USB摄像机获得的实现车牌图像进行格式转换,灰度变换以及二值变换等预处理,将边缘提取与图像投影两种方法相结合精确定位车牌,最后根据特征匹配的方法识别出车牌字符信息。结果表明,基于IMAQ程序可以很好的对车牌图像进行处理,并在平均时间为3s左右情况下完成对车牌字符的识别。     

基于色彩转换和投影的车牌定位方法

为了设计出一种能够快速自动识别定位车牌的方法,首先对获得的彩色车牌图像进行灰度化和二值化,然后对经二值化处理的车牌图像进行水平和垂直投影,同时充分利用车牌的几何特征,共同完成车牌的区域定位。经VC＋＋验证表明,该方法定位速度快,定位精度较好。     

车牌识别系统中车牌定位及倾斜矫正算法研究

为了提高车牌定位的实时性和有效性,利用车牌的几何特征和纹理特征,提出了基于边缘检测和投影法相结合的车牌定位算法.由于车牌图像摄取的特殊性,使得拍到的车牌图像有不同程度的倾斜变形,而倾斜的车牌很难被分割和识别,必须对车牌定位之后的车牌图像进行倾斜矫正,该文给出了基于Radon变换的倾斜矫正算法.实验结果表明该车牌定位算法和倾斜矫正算法都是快速有效的.     

基于小波分析的混合车牌定位算法

目的提出一种基于小波分析的车牌定位方法,保证车牌定位的准确性,满足车牌识别系统的实时性要求．方法首先对原始图像进行预处理,去除噪声和增强对比度,然后利用原图像的垂直梯度的水平投影实现车牌图像的粗定位,最后利用小波分析提取车牌图像的高频信息,实现车牌精定位．结果通过先粗定位再细定位的方法提高了车牌定位的速度,并且抗噪声能力强,定位效果较好．结论实验证明了该方法的有效性和实用性,为车牌识别系统的后续处理提供了有利条件．     

基于颜色与投影特征的车牌定位

车牌定位是车牌识别系统的关键技术。定位的准确与否直接影响车牌识别的结果。本文根据车牌的颜色特征和投影特征提出了一种综合颜色特征和投影特征相结合的定位方法,算法分为粗定位和精确定位。该方法较单一特征的定位方法有较好的通用性,可适应于不同背景、不同光照下的汽车图像,能够确定出车牌区域,准确率得到了较大提高。     

基于图像处理的车牌识别技术

汽车车牌照的识别是智能交通系统必不可少的组成部分,也是保障车辆安全的必要手段。本文针对智慧小区设计一种简易实用的车牌识别系统,设计内容包括图像采集及预处理,车牌定位,边缘检测,字符识别等。系统开发构建在Qt软件平台上,对采集的图像进行灰度化、边缘检测二值化处理,同时,通过水平投影进行区域定位消除边框,再利用处置投影对车牌字符分割,最后根据特征值对系统字符识别,输出字符。实验验证,该系统检测方便易行,识别效果较好。     

车牌识别中的图像提取和分割算法

在对车牌图像中的几种主流字符提取、分割的方法进行分析、比较的基础上,对车牌图像先应用形态学中的开运算增强,再选择自适应阈值并进行二值化,以连通区域法为基础,结合投影法、固定边界法进行分割.结果表明,这种策略在增强图像分割效果的基础上,加快了图像处理速度.     

基于字符上下边缘的车牌校正方法

提出了一种基于车牌字符上下边缘的车牌倾斜校正方法.先将定位图像二值化,求出连通域,保留属于车牌字符的连通域;再根据字符连通域上边缘点集和下边缘点集分别拟合出上边缘直线和下边缘直线;若两直线斜率相差较小,则水平倾斜度可根据任一斜率算出;否则,分别按上边缘直线斜率和下边缘直线斜率在坐标轴上的投影,取投影少的斜率计算倾斜度;最后根据倾斜度进行旋转校正.实验结果表明,对车牌边缘线缺失、倾斜度大等不敏感,通过该方法校正后有效提高了字符分割和字符识别的正确率.     

基于HSV空间的创新型车牌定位方法

在HSV空间中,将车牌底色用1表示,非车牌底色用0表示,实现二值化.用二分法扫描滤波后的区域,对黑白变化特征进行识别,完成车牌粗定位.在灰度图像中对提取后的车牌区域进行直方图统计.大于或等于车牌字符灰度值的像素赋值为1,否则为0.然后进行特征提取及投影分析,实现车牌精定位.     

采用改进HSI模型的车牌区域检测和定位方法

为研制高性能实时车牌照识别系统,提出一种基于改进HSI模型的车辆牌照检测技术,依据转换后的车牌图像纹理特征设计了基于人工神经网络和投影算法的车牌区域检测和定位算法.结果表明,静态图片实验定位准确率98%,车牌检测率91%,得到了很好的车牌定位效果,静态图像处理速度为0.032s/幅,证明提出的定位方法可满足实时系统对识别速度的要求.     

基于垂直投影分割法的车牌图像的字符分割研究

车牌是车辆的唯一标识,其特殊性及重要性决定了车牌识别系统成为智能交通管理系统中不可或缺的重要组成部分。本文设计了一种基于垂直投影分割法的车牌图像的分割研究,该分割法经过大量实验证明了其在准确率方面的优越性。     

一种基于特征点的车牌识别改进算法

车牌识别技术已经成为公路交通自动控制与管理(RTACM)以及智能运输系统(ITS)中的一个重要组成部分。提出一种基于特征点的车牌识别改进算法,利用车牌的纹理特征和形状特征定位车牌区域,采用垂直投影分割车牌字符,通过统计特征点进行字符识别。实验结果表明,该算法能显著提高由于拍摄角度引起的车牌图像中字符拉伸、变形等情况下的识别率,同时缩短了识别时间。     

一种基于多特征扫描的车牌快速定位方法

针对复杂背景下车牌图像定位不精确，定位时间长等问题，提出了一种快速实用的车牌定位方法。在对车牌图像边缘检测的基础上，实施图像二值化，然后对二值图像扫描，并利用车牌的位置尺寸信息和纹理信息缩小搜索范围。实现车牌快速准确的定位。实验结果表明，对不同背景、不同车型的汽车图像，该方法具有较好的定位精度和定位速度。     

基于彩色图像信息的车牌自动识别系统仿真研究

针对汽车牌照自动识别技术在现代社会车辆管理中的应用,本文研究了一种基于Matlab软件的车牌识别系统。该系统包括图像预处理、车牌定位、字符分割及字符识别几部分。对采集好的车牌图像进行图像预处理,采用统计像素法对车牌图像进行定位,二值化已定位好的车牌图像,对处理过的车牌图像字符进行分割,并采用模板匹配法对分割好的车牌字符进行识别,同时选用100张不同场景、不同省份、不同品牌的汽车牌照,采用Matlab软件进行仿真实验。仿真结果表明,有79张汽车牌照识别正确,说明本文可以实现较为准确的车牌识别。该研究具有一定的实际应用参考价值。     

基于DM642的车牌识别系统

为了提高智能交通系统的管理效率,给出一种基于芯片DM642的车牌识别系统。系统采用基于DM642的硬件平台,由车辆信息采集模块、DSP处理模块、监视器和PC系统4大模块组成。对采集图像进行灰度化、灰度增强和滤波降噪的预处理;利用基于字符竖向纹理特征的定位方法实现车牌定位;再经几何变换,完成字符分割;对分割图像进行字符分类并做归一化处理,通过模式匹配得出识别结果。实验选取3组不同特点的车牌图像,结果显示,所给系统的正确识别率可达93.5%~95.4%。     

复杂背景下车牌的定位和字符分割技术研究

提出了一种基于数学形态学的多特征车牌定位方法和基于模糊模板匹配及垂直投影的字符分割算法,先通过形态学运算得到一系列候选区域,根据车牌的纹理特征从中找出车牌区域,再利用模糊模板匹配的方法找到字符区域,进而根据字符垂直投影进行单个字符分割.对大量的图片进行实验,结果表明该算法能够有效地解决复杂背景下车牌定位和字符分割困难的问题,具有较好的鲁棒性.     

基于流形学习的车牌图像超分辨率算法

为了解决视频监控系统中车牌图像分辨率较低、车牌字符难以辨识的问题,提出一种基于流形学习的车牌图像超分辨率重建算法。首先学习训练样本库中高、低分辨率图像之间的映射关系,然后利用线性判别分析(Linear Discriminant Analysis,LDA)算法提取图像特征,并利用流形学习中的局部线性嵌入(Locally Linear Embedding,LLE)算法对特征向量进行参数建模,最后通过特征映射关系获得高分辨率图像。实验表明,该方法对监控系统中的低分辨率车牌图像具有较好的超分辨率复原效果,不仅提高了字符的可读性,而且具有更高的峰值信噪比。