基于MATLAB的车牌识别系统的研究

汽车牌照识别是图像识别领域的重要研究课题,这里运用MATLAB研究车牌识别技术中的图像预处理、车牌定位、字符分割与字符识别等核心部分,并提出一种基于MATLAB的车牌识别系统的实现方法,综合使用多种方法提高系统的有效识别能力.该方法解决了在自然背景的图像中定位分割牌照区域、车牌倾斜和提取分割的字符等问题.通过对一定数量的图像进行处理,结果表明MATLAB在车牌识别方面的运用非常有效.     

基于MATLAB的车牌识别系统的研究

汽车牌照识别是图像识剐领域的重要研究课题。这里运用MATLAB研究车牌识剐技术中的图像预处理、车牌定位、字符分割与字符识别等核心部分,并提出一种基于MATLAB的车牌识别系统的实现方法．综合使用多种方法提高系统的有效识别能力。该方法解决了在自然背景的图像中定位分割牌照区域、车牌倾斜和提取分割的字符等问题。通过对一定数量的图像进行处理,结果表明MATLAB在车牌识别方面的运用非常有效。     

基于MATLAB的车牌自动识别系统开发与设计

车牌自动识别系统是基于MATLAB平台仿真实现的,里面主要包括拍照截取图像、图像预处理、车牌字符分割、车牌定位、车牌字符识别、识别车牌几大关键步骤。车牌自动识别系统是通过特定区域的汽车进行拍取含有车牌的照片,经过预处理图像,完成车牌图像提取,自动对字符分割,进而正确识别出车牌号码。     

切线距离在车牌字符识别中的应用

针对车牌字符识别中字符变形失真影响识别率的问题,文章提出一种基于切线距离的车牌字符识别算法。首先对车牌字符图像进行预处理,在先验知识的基础上确定切线向量,然后通过核主成份分析对样本图像和切线向量降维,并引入切线距离度量样本之间的相似度,最后利用K-NN分类器对字符进行识别。实验结果表明,该算法有效地保留了车牌字符的非线性信息,减少了识别时间,并且显著提高了识别率。     

基于权系数标识符矩阵的车牌字符识别方法

为了提高对车牌字符的准确识别能力,提出了一种基于权系数标识符矩阵的模板匹配车牌字符识别方法。具体方法是在进行字符识别前为每一个车牌字符制定一个标准化的模板,再将每一个模板字符的像素依据像素区域、像素边缘区域和非像素及非像素边缘区域等标记成不同的区域,并依此为基准生成一个模板矩阵。根据车牌字符闭合区域个数及字符二值图像中间行、中间列黑白跳变次数,可将字符分为10类。进行字符识别时,首先判定待识别字符属于哪一类,然后与所在类的每一个字符的标准模板进行匹配,统计待识别字符落在每一个标准模板矩阵的不同区域的像素数,并根据不同区域的不同权值计算相似度值,相似度值最大的即为识别结果。该方法采用两级分类法对车牌字符图像进行分类,再采用基于权系数标识符矩阵的模板匹配法对车牌字符进行识别。实验结果表明,该方法提高了识别结果的准确度,对于存在字符断裂以及形状相似而容易混淆的字符有较好的识别效果。     

车牌识别系统设计与实现

通过对车牌定位、车牌字符分割和车牌字符识别进行研究,提出了一种车牌识别系统的设计和实验方法。车牌定位模块中,提出了采用基于小波变换的车牌边缘提取和数学形态学相结合的方法定位出车牌,进行二值化、滤波后使用垂直投影法分割出车牌字符,最后使用多模板匹配和二次细分识别相结合的方法识别出车牌字符。经实验验证,基于该算法的车牌识别系统能够达到较高的车牌识别率。     

智能交通车牌自动识别系统的设计

利用图像增强、边缘检测首先对车牌图像进行预处理,然后利用基于边缘特征和形态学相结合的方法对车牌进行定位,接着进行字符分割处理,并采用神BP经网络字符识别算法对车牌进行识别,最终实现车牌自动识别。实验结果表明,该系统对车牌识别效果较好。     

基于提升小波的矩不变量车牌字符识别方法

车牌识别系统的关键在于字符的识别,而字符识别的核心是字符特征的提取。小波变换可以获取字符的细节结构特征,而不变矩能很好地对其进行描述,故将两者结合起来提取字符的特征;同时利用张量积小波分解的高频子图具有方向性的特点,提取字符的笔画特征,最终得到反映字符结构和统计特征的联和特征向量,并且字符图像的分解采用第二代提升小波算法进一步降低了计算复杂性。实验结果表明,此方法提取得到的联合特征向量能够取得98%的字符综合识别率,可以满足实际应用的要求。     

车牌识别方法的研究与实现

随着科技的进步,车牌识别系统有了很大的发展。其识别过程大概分为三个过程：车牌定位,字符分割和字符识别。由于在现实中车牌的识别会受到自然原因、人为原因以及图像采集设备的影响,这些会造成字符分割的不准确,从而导致识别的失败。基于此提出了在利用hough变换对车牌进行分割前用小波包变换的多分辨率进行降噪的方法,最后利用KL变换进行车牌字符识别的方法。实验表明其技术在速度和识别率等方面具有很好的效果。     

基于L1-BRD的视频图像车牌识别

针对实时视频的车牌识别系统应用,利用车牌的边缘特征和形态学操作对车牌进行粗定位,通过支持向量机(SVM)结合方向梯度直方图特征(HOG)方法对粗定位车牌进行鉴别真伪.在对字符进行分割后,取连续多帧车牌,对字符特征利用L1-BRD(L1-norm Bin Ratio-Based Histogram Distance)自适应计算融合权重,使L1-BRD能够从图像间特征相似度评估扩展到实时视频中.把L1-BRD用于车牌字符识别,可以降低单帧图像中噪声及字符分割误差产生的影响,有助于后期基于多帧加权直方图特征进行字符识别,提高车牌字符识别的准确性和稳定性,并保证了实时性.     

基于Fisher准则特征融合策略的PNN车牌汉字识别

为克服图像二值化预处理的不利影响,提高汉字字符图像特征的表征能力,降低传统算法的训练复杂度,在此直接应用车牌字符灰度图像,基于Fisher准则对提取的Pseudo—Zernike矩特征和Gabor变换特征进行融合,在最佳鉴别矢量方向上求得表达能力更强的融合特征。训练结构简单、速度较快的概率神经网络作为识别器,实现车牌汉字的正确、快速识别。试验表明,此算法无需对车牌汉字图像二值化,与所采用的概率神经网络识别器相比,传统BP,SVM等的训练复杂度降低,速度提高,经表征能力更强的融合特征训练后,具有更高的识别准确率。     

基于字符密度的车牌识别方法研究

针对车牌识别系统的开发,提出一种基于二值图像的字符识别算法.在该算法中,采用了新的特征向量,字符的水平密度和垂直密度,分类器采用基于误差反响传播的人工神经网络算法(BP神经网络).采用这种方法可提高系统的字符识别率和系统的实时性,实验表明此算法非常有效.     

特征点匹配法实现汽车牌照的快速识别

本文在模板匹配法的基础上，根据汽车牌照本身的特性，提出了特征点匹配识别的方法，选取能够区分各字符的若干特征点，进面最值得到各字符的编码、通过判断达到识别汽车牌照的目的。本方法减少了冗余信息，大大提高了识别速度。     

一种广义正交不变图像矩:雅可比-傅立叶矩

提出一种多畸变不变的正交图像矩:雅可比-傅立叶矩.其核函数由径向雅可比多项式和角向傅立叶复指数因子组成.雅可比多项式中的两个参数p和q的变化能够形成各种正交多项式,因而形成各种正交图像矩:勒让德-傅立叶矩(p＝1,q＝1)、切比雪夫-傅立叶矩(p＝2,q＝3/2)、正交傅立叶-梅林矩(p＝2,q＝2)和Zernike矩以及变形Zemike矩,等等.因此雅可比-傅立叶矩是核函数由径向多项式和角向傅立叶复指数因子组成的正交图像矩的一般形式,为这种正交图像矩的数学分析和优化提供了理论基础.     

车牌字符识别技术的研究与实现

设计了一种机动车牌照的自动识别解决方案.对车牌图像的预处理中,提出了一种新的基于非线性均值边缘检测算法,通过大量实验,该检测算法处理后的图像能更好实现车牌的定位与字符分割.在识别系统中,为了更准确地识别字符,使用两种特征提取法提取字符特征,设计了两级分类器对字符进行逐个识别.实验结果表明,这种识别方法具有良好的识别效果,具有较大的实用价值.     

基于图像理解的LPR系统研究

设计了一种基于图像理解的智能车牌识别系统,利用水平和垂直投影进行车牌区域定位。通过基于垂直投影和模板匹配的字符分割方法有效地解决了背景变化、车牌尺寸变化、字迹模糊等问题,在对120幅472×332大小的车辆图像采用基于模板匹配的ORC识别方法,在Hausdorff距离分类器上进行了相关匹配测试实验。识别率达96.7%,识别时间稳定在0.3~1.2 s之间。