主动轮廓模型在车牌识别算法中的应用研究

提出了一种识别机动车辆牌照的算法.该算法首先利用车牌的纹理特征和区域形状特征检测车牌区域.为提高区域检测的正确性,利用新的改进的主动轮廓模型,利用先验知识确定精确的车牌边界.在精确确定车牌区域基础上,可以准确切割出车牌中的字符,从而提高识别率.     

车牌识别中值滤波算法的Matlab应用

随着城市化的进展,机动车日益普及,一系列交通问题有待解决。于是提出了智能交通系统（Intelligent Transport Systan）这个概念,而车牌识别LPR（License Plate Recognition）是智能交通系统的一个重要组成部分。中值滤波是一种非线性滤波方式,本文研究的即是基于Matlab的车牌识别中值滤波算法的研究与实现。     

鱼群主动轮廓模型算法

经典主动轮廓模型在图像分割中,存在分割结果与初始状态有关和容易陷入局部极小值的问题。为了解决上述两个问题,可以通过将主动轮廓模型的多阶段决策问题与鱼群算法的决策过程相结合,提出鱼群主动轮廓算法。由主动轮廓模型的特点构建了主动轮廓模型相对应的鱼群算法,把主动轮廓模型图像分割的问题转化成最优能量函数值的搜索问题,为获取精确的图像轮廓提供了新方法。实验结果表明此方法能在任意初始化曲线下有效地分割出图像。通过数学证明和实验结果可以知道鱼群主动轮廓算法具有良好的全局收敛性,避免了主动轮廓模型原来采用了变分法优化而难以达到全局最优,甚至难于达到局部最优的现象。     

复杂背景中多车牌粗定位算法研究

提出了基于车牌分形维数特征进行复杂背景中车牌粗定位的方法。讨论了图像剪裁、灰度图转化以及图像增强时灰度转移函数的构造过程;给出了车牌图像分形维数的计算方法及车牌区域的确定。同时指出多车牌图像车牌区域的分形维数基本在2.65~2.80之间,其值高于车牌图像整体的分形维数,但是低于单车牌图像车牌区域的分形维数。该方法计算简单,不依赖车牌的颜色、形状、尺寸,具有极好的鲁棒性。通过对大量随机的实验图像进行计算表明：漏检率和误检率均为0,检出多于一个候选区域的为50%,正确检测率为100%。     

视频图像中的实时车牌识别

车牌识别在智能交通系统中起着重要作用。本文提出一种对视频图像进行实时操作的车牌识别方法。利用边缘特征，使用快速的边缘点连接算法生成连通区域，进行车牌的检测定位，结合字符小波特征实现准确的识别。算法平均消耗时间在40ms以内，定位准确率达99．5％，完全识别率在91％以上。实际采集数据实验结果证明，本方法速度快、准确率高、实用性好。     

智能交通系统中车牌识别技术的应用与发展

在经济快速发展的同时,城市道路有限、汽车数量不断增加,传统的汽车管理方法不再适用,智能交通系统应运而生.其中车牌识别技术作为智能交通系统的核心技术,利用车牌这唯一标识性来索引和统计车辆信息是实现交通管理的关键手段,但由于外界环境等因素使得车牌识别技术有很大的上升空间,因此研究其起源与发展具有重要意义.     

数字图像处理在车牌识别中的应用

针对交通管理系统的信息化、智能化发展趋势,通过对车牌特征和定位技术的探索,提出了汽车牌照字符识别系统。系统采用Radon变换对车牌进行倾斜校正,并运用投影直方图进行分析,实现了车牌字符的分割,最后简述了字符识别原理和模板匹配在字符识别中的应用方法。由实验结果可知,系统能准确实现车牌的定位、校正、分割和识别,具有良好的性能。     

改进的主动轮廓模型在脑肿瘤MRI图像轮廓提取中的应用

针对主动轮廓模型(Snake)处理图像时的初始轮廓选取问题,采用改进的区域增长法对图像进行预分割,并将得到的边缘作为主动轮廓模型的初始边缘轮廓;然后分别用sobel算子与梯度矢量流(GVF)代替图像梯度进行主动轮廓模型外部能量的计算,在速度满足要求的情况下,提高了目标区域的提取精度.实验结果表明,基于GVF的主动轮廓模型在脑肿瘤的轮廓提取中能取得更好的效果.     

基于SVM模型的车牌识别应用研究

车牌识别是目前道路交通智能化管理的重要一环,提出了一种基于支持向量机(SVM)的车牌识别方法,通过边缘检测算法与颜色再定位相结合,实现车牌的定位;进行字符分割时将阈值选取推广到多阈值,提高分割的准确性;利用SVM模型进行车牌字符的识别,并且在检测到为易混淆字符时进行二次SVM分类.模型对中文字符、字母字符、数字字符识别率分别为93.2％、96.3％、95％,识别率较高且识别速度符合实时要求.     

针对凹陷轮廓改进的主动轮廓模型

针对传统主动轮廓模型不能有效拟合凹陷轮廓的问题进行研究,从内部、外部能量两方面进行分析。通过模拟流体压力的思路对内部能量项中的弹性能量进行改进,提出一种针对凹陷轮廓改进的主动轮廓模型——Area Snake,并对其理论模型、实现细节和不足进行讨论。实验表明,Area Snake对凹陷轮廓有着较好的拟合性能。     

基于隐马尔可夫模型的车牌自动识别技术

本文基于隐马尔可夫模型（HMM）提出了一种车牌字符识别的新方法,用二维隐马尔可夫模型（2D－HMM）方法来识别车牌中的汉字,用伪二 维隐马尔可夫模型（P2DHMM）方法来识别车牌中的英文字符及阿拉伯数字。该算法适用于不同的字符大小、字符倾斜,污损等情况,抗噪声能力强。字符识别正确率达94％以上,具有实用技术的指标。     

车牌识别系统中图像的采集和定位问题研究

针对汽车牌照识别系统中图像的采集和定位问题,设计了一种行驶车辆图像获取的自适应控制系统,很好地解决了车牌识别系统的全天候问题;并且利用纹理分析和灰度图像垂直投影相结合的方法,成功地解决了传统车牌图像定位手段很难解决的几个难题,在此过程中还涉及了车牌图像的几种预处理手段:车牌图像的灰度校正、增强和锐化;最后的定位结果验证了该定位算法的有效性和精确性.     

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。     

基于小波和神经网络的车牌字符识别新方法

车辆牌照自动识别（简称车牌识别）是智能交通系统中一项重要的关键技术;首先简要介绍了车牌识别技术饷背景及意义,然后阐述了小波变换和BP神经网络的相关理论和实现细节,最后提出了一种基于小波和BP神经网络的车牌字符识别新方法,并采用了MATLAB数学工具进行仿真;实验结果显示,总的字符识别率为95．8％,平均识别时间21ms,表明该方法具有良好的实用价值,可应用于工程实践中。     

基于数字图像处理的车牌定位方法的研究

车牌识别是现代智能交通系统中的重要组成部分之一,其应用范围十分广泛。对车牌定位方法进行了初步研究,以模式识别、数字图像处理、计算机视觉技术为基础,使用M atlab软件对图像预处理、边缘检测等算法进行了必要的仿真实验,获取了车牌区域。对摄像机拍摄车辆的图像进行分析处理可以得到汽车的车牌号码,从而完成整个识别过程。     

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。     

机动车车牌识别中SVM的应用

支持向量机是一类新型机器学习方法,成功应用于各个领域,算法在分类性能上优于其它学习算法。该文在字符特征提取基础上,将支持向量机理论应用于车牌识别系统,提高识别率和识别速度,具有很好的推广价值。     

基于图像处理的车牌识别研究

针对智能交通管理系统中的车牌识别问题,提出应用图像处理技术对汽车的牌照进行识别。车牌定位（LPL,License Plate Location）、车牌分割（LPS,License Plate Segmentation）、车牌识别（LPR,License Plate Recognition）是实现车牌识别系统的最主要的三个部分。先采用HSV模型和RGB模型识别与分割彩色图像,并初步定位车牌图像;再采用radon变换实现车牌的倾斜校正,用投影法对车牌进行定位和分割;最后通过语音读出识别到的车牌信息。通过MATLAB编程进行实验仿真,结果表明利用图像处理技术能够快速地识别出汽车牌照,是一种研究车牌识别的有效方法。     

基于改进的LM-BP神经网络的车牌字符识别研究

车牌识别是智能交通系统中一个重要的环节,它可以应用到很多领域,如高速公路自动收费、交通监控系统、停车场管理等.提出一种改进的LM-BP神经网络车牌字符识别方法,该方法根据国内现行车牌编制的特点,结合LM算法改进传统BP神经网络,并增加σ参数修正LM-BP算法,避免传统BP神经网络收敛速度缓慢并容易陷入局部极小值的缺点,进行了大量实验,达到了预期的识别效果和收敛速度.