基于字符综合特征的车牌字符分割算法

字符分割技术是车牌识别系统的关键技术之一。字符分割最主要的问题是字符粘连及车牌边框的影响。鉴于车牌字符具有布局规整,字符个数确定,字符大小一致、宽高存在规律等特征,文章提出一种将投影和字符间距相结合的基于字符综合特征的字符分割算法。实验证明该算法那对分割粘连字符具有较好效果。     

基于新模板的算法在车牌字符分割中的应用

针对以往车牌字符分割算法在复杂情况下分割准确率低的问题,提出了一种基于新邻域模板的连通域算法的车牌字符分割算法。采用基于新模板的连通域算法粗分割字符;通过自适应阈值投影法进行字符细分割;同时使用区域合并算法保证字符的完整性。实验结果表明,该算法将连通域法与投影法有效结合,能够同时解决汉字不连通、字符粘连和边框粘连等复杂情况,该算法对车牌字符进行分割正确率达99.5%。     

基于连通域提取的车牌字符分割算法

车牌字符分割是车牌识别系统的三大关键技术之一.为了准确地进行字符分割,提高字符识别的准确率和识别的速度,提出了一种改进的连通域提取车牌字符分割算法,算法通过扫描目标像素的若干相邻像素后按照一定的准则确定目标像素与相邻像素之间的连通关系,可克服同类算法中像素重复标记和归并标记需大量运算的缺陷,最后得到正确的连通标记划分并能提取出各个分离的连通区域.实验表明算法能够准确快速地识别字符,且具有较好的稳健性.     

基于HSI空间的车牌字符分割

本文提出了一种基于车牌的HSI颜色空间来识别车牌类型再分别进行切割的方法。本文在HSI颜色空间中利用树形判决结构,对车牌的类型进行判别,再基于投影法和车牌每符规则的分割方法。对车牌图像进行投影分割寻找边界．以定位字符区域。     

基于聚类分析的车牌字符分割方法

文章提出了一种基于聚类分析分割车牌字符的方法。即按照属于同一个字符的象素构成一个连通域的原则,再结合牌照的先验知识,较好解决了汽车牌照在复杂背景条件下的字符切分问题。     

基于投影的车牌字符分割方法

运用像素水平投影与竖直投影的方法,结合车牌字符的先验信息可以准确地对车牌字符进行切割。同时,针对某些汉字易被错误分割或漏割的情况。对汉字左右边界的起始位置进行标记,利用此标记获得该汉字的原始灰度图像,对其单独进行分割及二值化．避免汉字笔画退化为噪声。实验表明,该方法能够准确分割字符。     

复杂背景下彩色图像车牌提取与字符分割技术

车牌图像分割是车辆牌照自动识别系统的关键部分，本文提出和提取了车牌标准模式的多种重要特征，综合利用数学形态学运算、连通域形状测量和彩色图像分析，有效地解决了复杂背景下提取车牌的问题，并实现了牌照的倾斜校正和边框线与铆钉去除，最后分离出牌照的各个字符、实验表明该技术方案在实时性，鲁棒性和正确率都达到实用技术指标。     

一种车牌字符快速分割算法

在深入研究了大部分常用的车牌字符分割算法的前提下,根据车牌区域图像的特征,文章提出了一种综合了连通区域法和先验知识相结合的车牌字符分割算法,该算法经过大量实验证明了其在准确率方面的优越性.     

基于快速连通域标记的车牌字符分割

对车牌图像的二值图进行连通域提取可以解决倾斜带来的问题.提出了一种基于快速连通域标记的字符分割方法.先用改进的Otsu法对车牌图像进行二值化分割,之后基于快速连通域标记算法进行连通域标记,最后对各个连通域进行后续处理提取出全部车牌字符连通域.实验表明,改进的快速连通域标记算法克服了倾斜问题,而且有效地提高了连通域提取的速度,获得较好的字符分割的鲁棒性和实时性.     

面向车牌字符分割的图像预处理方法研究

车牌字符分割是车牌识别系统中的核心步骤,而车牌预处理的效果直接关系到分割的准确率。针对传统基于灰度图的预处理方法难以消除由拍摄硬件和成像环境造成的干扰特征,提出一种基于R通道和灰度拉伸的车牌图像预处理方法。该算法将原始图像以R通道的数据表征,抑制车牌成像的干扰特征,提高了字符与背景底色的区分度;为了进一步增强图像的对比度,提出改进的灰度拉伸算法,有效分离字符和背景。为验证提出的预处理算法对字符分割的效果,引入一种基于投影和模板匹配的分割算法,实验表明,该算法不仅改善了污损车牌的成像效果,同时也有效提升了分割准确率。     

基于色彩饱和度和字符特征的汽车牌照定位

在分析汽车牌照底色与字符颜色关系的基础上提出了一种利用色彩饱和度信息和牌照字符特征的汽车牌照定位分割方法。该方法不同于以往的基于色彩的分析方法，避免了在由RGB向HSV转换过程中大量的浮点运算，提高了运算效率，并且能够有效地克服光线和天气条件的影响，具有很好的抗噪性能，定位精度高。     

特征融合型卷积神经网络的语义分割

语义分割是对图像中的不同目标进行像素级的分割和分类,是图像处理领域中的一项重要研究,应用十分广泛。深度卷积神经网络在近几年的机器视觉研究中取得了显著成效。针对密集预测的语义分割任务,提出了一种基于VGGNet网络的方法。该方法在深层特征图像中融合了浅层信息,且采用并行的不同采样率的空洞卷积进行特征提取与融合,更有效地提取不同层的特征和上下文信息,从而提高语义分割精度。采用全连接条件随机场优化图像边界,进一步提高语义分割的精度。该方法在PASCAL VOC 2012语义分割任务测试集中取得了71.3% mIOU的结果,优于之前基于VGGNet的主要经典方法。     

基于色彩分割与体态纹理分析的车牌定位方法

介绍了一种基于色彩分割、体态分析及数学形态学纹理分析的车牌定位方法。该方法利用车牌与背景的色彩特征．在HSV空间内根据车牌颜色的三分量取值范围和色彩距离阚值进行色彩分割以初步过滤背景。对分割后得到的与车牌底色相符合的连通区域再根据车牌体态特征和车牌字符纹理特征,应用数学形态学处理及连通域体态分析等手段,逐步过滤干扰区域,最终定位正确的车牌位置。该方法充分考虑了车牌与背景的色彩、体态及纹理特征的差别,实验证明在复杂背景下具有很强的适应性与鲁棒性。     

基于连通体检测及投影法的牌照字符切分

针对常用投影法单字切分的不足,提出基于连通体检测及投影法的字符切分,首先进行第一次连通体检测,选择用于字符群上下边缘线拟合的连通体,然后用细胞神经网络的方法得到字符群的块状区域，用最小二乘法拟合字符群的上下边缘线,舍弃干扰，得到比较“干净”的牌照图象,对于几何失真较严重的牌照,进行几何校正．对上述处理过的牌照图象，进行第二次连通体检测．对连通体宽度在单个字符范围内的，认为连通体的边界为字符的边界,对超过单个字符宽度的连通体，用投影法重新进行切分,经测试，此方法能较好地去除螺钉和边框的干扰,切分位置合理．为后继字符识别做了较好的准备工作．     

一种基于粗糙集理论的神经网络图像分割方法

神经网络用于分割图像时需要大量的训练数据,由于数据量大,计算速度相当慢。不适合实时数据处理。基于此,将粗糙集理论与神经网络相结合,提出基于粗糙集的神经网络图像分割方法。利用粗糙集理论中的约简的计算方法,从图像属性中获取精简的规则,根据这些规则构造神经网络各层的神经元个数,并根据粗糙集理论中的属性重要性来修正神经网络的权值。实验结果表明,该方法抗噪能力强,提高了精度,在大大缩短网络训练时间的同时改善了分割效果。满足图像处理的实时性要求。     

基于彩色分割和特征定位的实时人脸检测算法

论文提出了一种新的彩色人脸图像实时检测算法。该算法利用皮肤颜色在YCbCr彩色空间的分布特性进行人脸皮肤区域的分割,利用人脸特征在灰度图像灰度映射极小值特性进行人脸特征定位。实验证明该算法对彩色人脸图像的检测有很好效果。     

一种基于BP神经网络的车牌字符分类识别方法

目前,车牌字符识别算法主要是基于模板匹配、特征匹配或神经网络的方法。本文根据车牌字符的特殊性,提出一种采用特征提取与BP神经网络学习算法相结合的分类识别技术,选取字符的粗网格特征作为字符的识别特征,以改进后的归一化字符原始特征直接输入到BP神经网络分类器中进行车牌字符识别研究。对于易混淆和相似的字符、汉字笔划粘连、字符偏移现象等都提出了自己的解决方法。实验结果说明,本方法可大幅提高车牌识别系统的正确识别率和抗干扰能力。     

一种基于纹理的快速车辆牌照分割方法

主要针对车辆牌照自动识别系统中的一个重要功能块——车牌分割，提出了一种基于车牌字符串纹理特性的车牌快速定位方法。试验结果表明，此方法快速地搜索车牌并准确定位，便于下一步的字符分割和识别。     

基于改进BP神经网络的夜间车牌识别算法研究

为了提高夜间条件下车牌识别准确率,提出了一种基于改进BP神经网络的车牌识别算法.为了改善夜间环境下车牌图像的质量和清晰度,在图像预处理过程中采用了图像平滑处理增强技术;利用图像边缘检测技术实现了对图像正确定位,然后通过统计车牌图像白色像素个数的方法对字符分割;在此基础上,使用基于附加动量法和自适应学习速率改进的BP神经网络方法精确识别车牌.实验结果表明,该方法对夜间车牌的分割和识别是有效的.     

基于SVM混合网络的车牌字符识别研究

本文提出了一种基于SVM混合网络的车牌字符识别方法。首先根据国内车牌字符的排列特点依次构造汉字识别子网、英文识别子网、英文与数字识别子网以及数字识别子网。然后针对英文字符和阿拉伯数字的字体结构具有连通性这一特点．采用形态学方法进行滤波处理．以减少噪声干扰。预处理后提取字符的小波包系数和矩做为特征量，最后在各个识别子网中采用SVM识别方法对车牌中的汉字、英文字符以及阿拉伯数字进行了识别。实验结果表明，该方法效果良好。