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.     

轻量级车牌识别卷积网络

为了提高车牌识别的准确性,提出一种轻量级车牌识别神经网络。车牌定位阶段,构造了深度为9的卷积神经网络(Convolutional Neural Networks,CNN),首先利用图像预处理与阈值分割融合的方式对车牌进行粗定位,然后对CNN网络进行模型训练,得到网络权重,最后将车牌候选区域输入到CNN模型来实现精准定位车牌。车牌识别阶段,构造了深度为11的CNN网络,首先对准确定位的车牌进行字符分割,并对分割后的字符进行归一化处理,然后将分割后的单个字符输入到CNN模型,实现对字符的识别,最后输出字符识别结果。通过实验验证,所搭建的两个CNN网络能够有效提升车牌的检测和识别准确率。     

基于识别结果校正的车牌字符分割算法

在车牌识别系统中,字符分割发挥着承上启下的作用。由于外界环境如光照、尘埃的影响,造成预处理后的车牌图像产生字符断裂和粘连现象,造成分割错误,影响后续字符识别。通过研究多种字符分割算法,提出了一种结合垂直投影法、连通域分析以及通过模板匹配字符分类器的识别结果进行反馈校正的分割方法。分别对停车场车辆车牌、高速公路路口抓拍的车牌以及公路行驶车辆抓拍的车牌进行测试,其中停车场车牌可以实现98%以上的分割正确率,其余2种情况的正确率也在97%左右,表明该方法有实用性。     

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。     

基于聚类分析的个性化美国车牌分割算法

针对美国车牌个性化严重,车牌上字符个数、字体、间距和背景等信息都不一致的情况,提出一种可处理复杂多变车牌的车牌分割算法.基于动态的字符分布信息计算车牌倾斜角度和垂直投影局部梯度,利用聚类方法去除非字符区域,并动态确定字符宽度,获得准确字符区域.基于局部梯度的循环分割得到准确的字符分割结果.为了验证该算法,基于1万多张美国车牌的数据集进行实验,结果表明：与已有算法相比,该算法对于具有字符个数不定、字符间距不一致、背景复杂等特征的个性化美国车牌的分割效果有较大提高,分割正确率提高了约5%.     

基于伴生与互补颜色特征的车牌字符分割新方法

针对车牌区域的伴生与互补的颜色特征，提出一套字符分割的新算法.该算法利用定位到的车牌区域的原始颜色特征，直接进行字符及背景的提取，完成2值化过程，避免了图像处理过程中带来的误差，因此产生的噪声较少；最后利用垂直积分投影进行字符分割.对200幅从交通卡口获取的真实的彩色图像进行试验，算法对车牌破损，污垢、铆钉及字符粘连、过饱和等造成的影响均不敏感，其准确性，鲁棒性及实用性均较好.     

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%。     

基于伴生与互补颜色特征的车牌字符分割新方法

针对车牌区域的伴生与互补的颜色特征，提出一套字符分割的新算法、该算法利用定位到的车牌区域的原始颜色特征，直接进行字符及背景的提取，完成2值化过程，避免了图像处理过程中带来的误差，因此产生的噪声较少；最后利用垂直积分投影进行字符分割．对200幅从交通卡口获取的真实的彩色图像进行试验，算法对车牌破损，污垢、铆钉及字符粘连、过饱和等造成的影响均不敏感，其准确性，鲁棒性及实用性均较好．     

基于灰度跳变的车牌自动识别技术

探讨了汽车牌照识别系统的关键技术并介绍了一种实现该系统的简单方法:利用车牌字符与背景的灰度跳变实现车牌的快速提取,利用投影法进行字符分割,利用字符的层次轮廓特征分类别地识别车牌字符.     

一种新的汽车牌照字符切分算法

充分利用车牌字符的局部与整体特征,提出了字符串的车牌相似度概念．并在此基础上提出了一种新的车牌字符切分算法．该算法将搜索连通区域切分与投影切分结合起来,通过聚类分析,遍历各种切分的可能情况,最终按照车牌相似度最大的字符串完成字符切分．实验结果表明,该算法有很好的可行性和有效性．     

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。     

车牌自动识别系统的研究与实现

为了缓解日益严重的交通压力、提高城市交通管理的工作效率和增强人们的安全防范意识,采用基于纹理和颜色信息的综合车牌定位方法对车牌区域精确定位。通过分析水平投影的统计特征和竖直投影的特征进行车牌字符分割,利用自适应性和学习能力强的BP神经网路进行字符识别,研究和实现了车牌自动识别系统。测试结果显示,车牌识别时间小于200 ms,识别率可达90%以上。说明本系统是可行和实用的。     

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.     

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。     

灰色理论的改良种子算法在车牌定位中的应用

在车牌识别系统中，核心问题在于识别牌照中的字符，而其关键又在于文字目标所在区域的定位。研究提出了一种基于灰色理论的改良种子算法，并将其用于车牌定位系统中。实验结果表明，即使在复杂背景及非均匀光照条件下，应用该方法也能准确实时的定位车牌。     

基于分形与投影法的汽车牌照定位

提出了一种基于分形盒维数与投影法的汽车牌照定位的方法,通过计算分形盒维数搜索到包含车牌的矩形区域,然后对此区域二值化,最后使用投影法精确得到其中车牌的边界坐标,从而将车牌完全从背景中分割出来．仿真实验取得了满意的结果,表明了此方法是可行的、有效的。     

基于色彩纹理的车牌定位系统设计

为了提高车牌定位的准确率,提出了一种基于色彩纹理的车牌定位的分析方法. 首先将彩色图像的色彩空间由RGB转换到HSV,生成HSV色彩模型的三通道图像,将图片进行滤波调整之后,并将符合车牌区域的有效像素的灰度值范围作为参数排除图像中的干扰信息,然后将转换后的图像车牌背景颜色和车牌字符颜色进行二值化处理生成两幅灰度图像,采用逐行扫描的方法对两幅灰度图像的各个像素点进行分析和比对,通过像素灰度值的跳变次数,判断是否找出符合车牌纹理的区域,通过计算确定车牌在图像上的区域,并输出车牌图像. 该方法提高了的车牌识别的准确性和稳定性.