基于特征的车牌定位算法

车辆牌照的识别技术是智能交通系统重要研究课题之一,而车辆牌照的定位又是车牌识别的关键点。本文采用了一种新型的综合利用车牌纹理特征、颜色特征和几何特征的快速定位算法。该算法利用数学形态学充分挖掘车牌纹理特征以及消除噪声干扰,把图像分割为若干个子区域,利用纹理条件和颜色条件判断,对子区域进行独特的分类和聚类融合,最终由粗至细精确地定位出车牌位置,然后利用Hough变换矫正倾斜的车牌图像并去除边框和铆钉,为后续车牌字符的分割识别步骤打下良好基础。实验结果表明,本文的研究成果能有效定位车牌且效果显著。     

模糊逻辑与学习方法的车牌颜色识别算法

针对光照环境复杂多变及各地车牌颜色特征不同的情况,提出了一种结合模糊逻辑与学习方法的车牌颜色识别算法.在HSV颜色空间中进行车牌颜色特征提取,并根据反色信息将车牌颜色识别由一个四分类问题转换为两个二分类问题.对HSV颜色空间三个分量的模糊映射进行加权融合,建立基于隶属度的分类函数,相关参数通过学习算法获得.在一个基于DSP的嵌入式车牌识别平台上进行了与其他传统分类方法的对比实验,结果表明本文算法存两个测试集上都取得了更好的识别效果.     

基于LabVIEW和Vision Assistant的车牌识别系统设计

文章提出了一种基于LabVIEW和Vision Assistant的车牌识别方案。系统使用Vision Assistant的颜色阈值、高级形态学及光学字符识别等函数,实现了对车牌图像的预处理和车牌区域定位以及车牌字符分割、字符训练和识别,使用LabVIEW程序完成车牌的显示。使用数百张车牌图像对该系统进行验证,结果证实该方案是可行的,系统是可靠的,可以快速、准确定位和识别车牌。     

基于HALCON的车牌识别研究

为了实现车牌字符快速准确的识别,基于Halcon软件提出了一种二次阈值的车牌定位方法,根据车牌在HSV颜色模式中S通道的纹理特征进行一次阈值,获取车牌候选区域,其次校正车牌候选区域,最后进行第二次阈值,通过字符区域的最大(小)行(列)值确定出精确的车牌区域;在字符分割模块提出了一种汉字分割与其他字符连通域法相结合的方法。实验结果表明,这两种方法简单快捷、识别正确率高。     

基于K-means聚类的车牌图像去污算法

目前常见的车牌识别算法有神经网络算法,模板匹配算法等,无论何种车牌识别算法,在车牌发生污损情况时,其正确识别率均有较大程度的下降。为解决这一问题,提出了一种基于K-means聚类算法的车牌去污算法。采用人为控制车牌污损程度的方法定量研究本算法的去污有效性,最终发现采用该算法恢复的污损车牌图像相比于恢复前上升近一倍。在污损程度较小时,采取该算法去污后CNN网络识别正确率可以提升约50%;在污损程度较大时,采取该算法去污后CNN神经网络识别正确率可以上升一倍。     

基于改进的K-means的车牌字符分割

提出了一种基于改进的K-means的车牌字符分割方法。该方法首先利用均值跳变法对车牌区域进行精确定位,再利用改进的K-means算法对车牌字符进行聚类,最后根据K-means算法得到的聚类中心对车牌字符进行分割。实验结果表明,该方法能够准确地分割出车牌字符,且具有较强的抗干扰性。     

自然场景下的车牌检测与识别算法

车牌自动识别是智能交通系统的关键技术之一,主要包括车牌检测和字符识别两部分。为提高车牌检测速度和精度,本文提出了一种基于学习、由粗到精的车牌检测方法。首先采用颜色点对和垂直边缘相结合的方法,快速检测出车牌感兴趣区域;然后采用一种基于梯度方向直方图特征和支持向量机的机器学习方法实现车牌的精确定位。在车牌识别阶段,首先采用基于连通域分析与字符固有特征相结合的方法进行字符分割,然后根据字符结构提取3种稳定且有效的特征,采用支持向量机对分割的字符进行识别。采用上述方法对412幅不同角度、不同光照条件、不同时间段下拍摄的图像进行检测与识别,实验结果表明本文提出的算法精度高、鲁棒性好、识别速度符合实时性的要求。      

复杂车辆图像中的车牌定位

针对复杂背景的车牌定位问题,提出了一种综合形态、颜色、投影等多种特征的车牌定位算法.基于车牌区域边缘信息丰富的特点,首先利用边缘检测和数学形态学方法定位候选车牌区域,并消除噪声干扰;然后根据质心所在位置对候选区域进行由低到高的排序,并通过颜色识别作进一步筛选,以排除车灯等区域的干扰;最后采用投影法及谷值分析对截取出的缺损车牌进行补全,从而得到准确的车牌位置.实验结果表明,算法的效率与精度与车辆图像的清晰度、曝光度及车牌大小等因素有关,与传统车牌定位算法相比,效率和精度分别提高了15%和20%以上.     

基于车身颜色搜索未识别车牌图片的研究

个别车牌因设备、环境和自身的影响而不能识别。为了能够快速查找极少数不能识别的车牌,提出了基于CIELab颜色空间车身颜色识别的车牌分类方法,该方法包括图像预处理,颜色识别,颜色库的建立等三个步骤将图片进行分类处理。与传统的查询方法相比。该方法提高了未识车牌的查询精确度和速度,增强了智能车场的识别精度和鲁棒性。     

基于SVM和BP神经网络的车牌识别系统

针对车牌识别系统的车牌精确定位和车牌字符准确识别问题。提出一种基于SVM(支持向量机)和BP神经网络的车牌定位与识别算法。通过将HSV颜色空间和形态学方法相结合确定候选轮廓,以判断轮廓外接矩形的面积和长宽比筛选符合车牌特征的区域,并利用训练好的SVM模型对候选车牌区域进行测试判断,最终精确定位车牌的位置。此外,还可使用了BP神经网络进行车牌字符识别。经验证,该系统适用于复杂的车牌定位环境,且识别速度快,准确率高。     

Generalised nearest feature line for subspace learning

Nearest feature line (NFL) is a powerful tool in pattern recognition, which generalises the representational capacity of available prototypes by using linear interpolation and extrapolation between the feature points. NFL is generalised to subspace learning so that the obtained subspace has desirable discriminating ability. Experiments on face recognition demonstrate its effectiveness.     

基于区域颜色特征的食物类别识别算法

针对自选餐厅结账中人工计价的效率问题,文中提出了一种基于颜色特征的食物类别识别算法。该算法通过边缘投影提取目标区域,再基于Lab颜色模型对食物图像聚类分割,利用HSV颜色模型获取各类子区域的颜色特征,并基于区域颜色识别食物的种类。分别针对1类和3类食物的各30幅图像进行了仿真实验和统计分析。结果表明,算法识别准确率可达95.6%,识别速度最快只需0.119 s。     

基于色彩和纹理特征融合的模糊人脸识别方法

基于纹理特征的方法被广泛应用于人脸识别。然而纹理特征依赖于图像的高频细节信息,当图像出现模糊时,单纯利用纹理特征的识别方法的识别精度会急剧下降。为了克服纹理特征的在模糊人脸识别中的不足,提出了一种基于色彩特征和纹理特征融合的识别方法。首先参照人类的对立色感知机制提取人脸的色彩特征;然后,将该色彩特征和纹理特征分别用于识别分类;最后,将二者的识别相似度进行融合,得到最终的识别结果。该色彩特征描述了图像的低频信息,其对图像模糊不敏感,并且与描述图像高频信息的纹理特征具有良好的互补性。在FERET 和AR 人脸库上的实验表明,融合色彩特征和纹理特征有效地提高了模糊人脸的识别精度。     

基于高压绝缘套管纹理特征的红外目标检测

在基于传统图像分割法的红外图像目标检测中,当背景颜色和被检测物体颜色相近时,往往难以有效地识别红外图像中的被检测物.所以为了进一步提高绝缘套管在红外图像中的识别精度,文中提出一种基于绝缘套管伞裙纹理特征的目标检测方法.首先为增强图像纹理特性,将双边滤波代替传统高斯-拉普拉斯算子中的高斯卷积滤波,通过双边-拉普拉斯进行图...     

基于AP聚类的数字信号调制体制识别方法

针对高斯噪声信道下MASK、MFSK和MPSK信号的类间识别问题,提出了一种基于短时傅里叶变换（Short Time Fourier Transform,STFT）和仿射传播聚类（Affinity Propagation Clustering,AP）相结合的信号类间识别方法。通过对在高斯信道下3类信号时域和频域特征的联合分析,提取出信号的时频特征。通过仿射传播聚类算法对信号进行聚类,通过信息迭代更新,可以快速、自动地找到聚类中心和聚类数目。仿真结果表明,在信噪比（SNR）较低的情况下仍能达到很好的分类效果。     

Classifier fusion based on evidence theory and its application in face recognition

A multiple classifier fusion approach based on evidence combination is proposed in this paper. The individual classifier is designed based on a refined Nearest Feature Line (NFL), which is called Cen-ter-based Nearest Neighbor (CNN). CNN retains the advantages of NFL while it has relatively low compu-tational cost. Different member classifiers are trained based on different feature spaces respectively. Corre-sponding mass functions can be generated based on proposed mass function determination approach. The classification decision can be made based on the combined evidence and better classification performance can be expected. Experimental results on face recognition provided verify that the new approach is rational and effective.     

基于混合矩特征提取的飞机图像识别

提出了一种新的基于图像区域纹理混合矩特征的飞机识别算法.该算法基于一阶直方图的颜色矩特征和基于灰度共生矩阵提取区域图像相关性、角二阶矩、对比度、相关性、倒数差分矩特征,实现有效降维,并采用聚类分析方法对飞机图像进行识别,实验结果显示基于该特征提取的识别方法识别正确率达95%以上,通过对比试验说明,该算法有较好的识别性能.     

基于Conv-Involution的红外视频小样本人体行为识别方法北大核心CSCD

红外视频存在颜色信息缺失较为严重、识别区域易与背景混淆等现象,使得现有小样本特征提取网络常常关注无效信息,导致识别精度较低。针对此问题,本文提出一种基于内卷积(Conv-Involution)算子的红外视频小样本人体行为识别方法。首先,通过InstColorization方法恢复红外视频中的颜色信息;其次,基于空间和通道特异性设计Conv-Involution算子,并利用该算子和改进注意力机制设计特征提取网络,分离背景,更有效地关注行为发生区域;最后,结合小样本学习方法ANIL进行人体行为分类。对比实验结果表明,本文所提方法不但识别精度最高,而且具有出色的稳定性。     

基于LabVIEW Vision的车牌识别系统设计

文中设计了一种基于LabVIEW Vision的车牌识别系统。该系统根据车牌颜色在HSL色彩空间上的特征,采用色彩阈值分割、腐蚀等图像处理方法将车辆图像转化成二值图,并在二值图中进行边缘检测,再根据检测到的车牌与背景间的边缘线的信息组建方程组,求出车牌边缘特征点的坐标,以确定车牌在图像中的位置。然后,以车牌在图像中的位置是否在指定区域内作为是否进行车牌识别以及当前车辆图像是否保存为车牌识别输入图像的触发条件。如果条件不满足,则系统将重新采集车辆图像,否则会根据车牌位置抓捕车牌,并采用均匀性度量法等方法对抓捕到的车牌进行二次处理,并将其转化成车牌二值图,再由OCR函数对该图进行字符识别。经实验验证,该系统具有较高的识别精确度与稳定性。