基于改进模版匹配的车牌字符分割

车牌字符分割是车牌识别系统中的关键技术之一。为了有效地对车牌字符进行分割,提出了一种基于改进模版匹配的新方法,该方法包括车牌区域图像预处理、车牌字符校正、车牌字符去边框处理和改进模版匹配的车牌字符分割处理等四个步骤。与传统的车牌字符分割方法相比,该方法不仅能够在正常条件下对车牌字符有效地进行字符分割,而且还可以有效地解决车牌字符粘贴、车牌字符残缺和车牌字符区域质量差等情况的车牌字符分割问题。实验结果表明,该方法具有算法简单、实时性强和分割效果好等优点。     

改进的基于投影的车牌字符分割算法

车牌识别（LPR）是智能交通系统中的一个重要环节,而字符分割是车牌识别中的关键部分。文中提出了一种改进的车牌字符分割算法。首先,该算法结合了数学形态学与二维otsu算法,提高了车牌定位的准确性和抗干扰能力。其次提出了一种新的二值化方法,与传统方法相比,能有效地减少字符粘连,锚点等问题带来的干扰。最后使用投影法分割出字符。实验结果表明：该方法实现简单,分割质量好,效率高,便于下一步的字符识别。     

复杂车辆图像中的车牌定位与字符分割方法

车牌定位和字符分割是车牌照自动识别系统中的关键步骤。提出了一个综合多种特征的车牌定位算法和一个基于模板匹配的字符分割算法,有效地解决了背景复杂的彩色图像中车牌定位和字符分割的问题。综合这些算法并结合字符识别核心,实现了一个完整的车牌照自动识别系统。该系统对不同背景、光照条件下采集到的车辆图像进行了大量实验,实验结果证明算法准确率高、鲁棒性好。     

基于公路收费系统的车牌定位与字符分割算法

针对收费站点环境的特殊性,在使用新的边缘检测与图像二值化方法的基础上,提出了仅基于车牌特征信息进行车牌定位与字符分割的算法。经过现场检测,该算法定位与分割准确率较好,且具有很好的鲁棒性,车牌定位准确率为98．7％,字符分割正确率为99％。     

基于底色分辨和分段属性的车牌字符分割

根据车牌有多种颜色不利分割字符的问题,提出一种分辨底色并用分段属性来进行字符分割的算法.算法中,采用直方图平滑曲线的特征来分辨白底黑字和黑底白字的车牌区域图像,统一为白底黑字,根据二值图像纵向投影平滑曲线,求其分段属性,分析中心线距离、间隙、宽度等,来分割出车牌的字符.将该算法应用到车牌识别系统中,实验效果比较好.     

基于SVM的车牌字符分割和识别方法

文章研究了车牌识别系统中的字符分割和识别技术.提出一种投影法粗分割结合先验知识后处理的字符分割方法,该方法简单、容易实现,取得了很好的分割效果.对于字符识别,本文采用SVM(Support Vector Ma-chine)方法,并根据车牌字符特征将子分类器分为四组,提高了识别率、缩短了训练时间,实验表明,用该方法识别车牌字符具有较高的识别率和识别速度,并避免了神经网络局部极值等问题.     

汽车牌照字符分割方法

提出一种以车牌中分隔符为参照系的字符分割方法.该方法首先利用分隔符区域投影特征的唯一性,确定分隔符区域所在的区间,然后结合车牌制式的先验知识,构造出以分隔符区域为基准的字符预分割边界,通过分析字符区域的投影特征,可精确地分割出每一个字符.仿真结果表明,该方法分割精度高,具有很强的稳健性.     

基于垂直投影的车牌字符分割方法

车牌的字符分割是车牌识别系统中的重要环节,通过车牌字符的垂直投影可以对字符进行分割,所以可应用于分割车牌图像中的字符。首先对车牌进行图像预处理,提取出车牌的灰度图像;然后根据垂直投影法确定字符边界以及车牌字符的7个投影块;最后结合实际车牌情况,提出了对粘连和断裂字符的处理方法。实验结果表明,该算法能有效的分割出车牌图像中的字符。     

基于投影法与字符特征的车牌字符分割算法

提出一种结合投影法与车牌字符特征的车牌字符分割算法,先利用投影法对车牌图像进行字符分割,然后对投影结果进行判断,由于干扰投影法分割效果的主要为字符粘连,经过判断,对字符粘连的区域进行字符特征的判定,从而达到最终字符分割的目的。     

基于数字图像处理的车牌字符分割方法

传统的字符分割方法一般针对单行车牌,本文提出一种针对单行和双行两种结构的车牌字符分割方法。首先进行图像预处理,减少噪声及环境干扰。将车牌图像分为两部分,对前两个字符的部分先垂直投影,再结合先验知识判断进而准确分割;对后五个字符的部分用垂直投影法确定动态阈值并结合连通域分析进行字符分割。实验结果表明,该方法同时适用于单双行结构车牌,对字符粘连断裂的情况也能很好的分割。     

一种改进的汽车牌照定位算法

本文介绍了一种有效的基于彩色图像的汽车牌照的定位算法。它充分运用车牌的字符特征、形状特征和颜色特征,能够准确分割车牌区域。     

车牌定位算法研究

提出了基于参数自校正纹理分析的牌照定位方法,提高了车牌定位的精度.实验结果表明,该方法对于车牌模糊、牌照扭曲等现象均有很强的适应性.     

基于改进BP神经网络的车牌字符识别

在分析了BP网络学习算法的缺陷的基础上引入动量项和遗传算法对BP网络学习算法进行改进,大大提高了BP网络的收敛速度.对车牌字符图像进行分割并利用sobel算子进行边缘检测来提取字符特征.然后利用改进的BP网络来自动识别车牌字符,提高了识别的速度和正确率.     

基于字符连通域特征的车牌定位方法

车牌定位是整个车牌识别系统的关键技术,传统方法普遍存在实时性差、适应性不强等问题。强调硬件系统构架,固定部分图像输入环境,引入大量先验知识,并最终利用车牌字符连通域的显著特征,将车牌定位与车牌字符的显著性特征相联系,缩短了车牌识别的流程,实现了可适应性强、定位准确的车牌定位。实验结果证实,该算法准确率高,效果明显且具有较好的稳健性。     

车辆牌照检测关键算法研究

本文对车牌识别系统中的图像预处理和车牌定位等环节涉及到的关键技术、算法进行了分析、设计和改进,提出了一种简单高效的车牌检测算法.     

基于EMD的车牌字符去噪校准算法

对典型的车辆牌照字符识别算法中的去噪校准算法进行了研究和分析,在此基础上提出一种新型去噪算法,通过提取分割字符的积分投影波形进行EMD与SG联合去噪后重构字符,克服了字符特征模糊的缺陷,为车牌字符识别提供了可靠的字符特征。     

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。     

Best Combination of Binarization Methods for License Plate Character Segmentation

A connected component analysis from a binary image is a popular character segmentation method but occasionally fails to segment the characters owing to image noise and uneven illumination. A multimethod binarization scheme that incorporates two or more binary images is a novel solution, but selection of binarization methods has never been analyzed before. This paper reveals the best combination of binarization methods and parameters and presents an in‐depth analysis of the multimethod binarization scheme for better character segmentation. We carry out an extensive quantitative evaluation, which shows a significant improvement over conventional single‐method binarization methods. Experiment results of six binarization methods and their combinations with different test images are presented.     

基于复合顺序形态变换的车牌边缘检测

边缘检测是图像分割的重要环节,边缘提取的好坏直接影响了整个图像处理的效果。数学形态学用具有一定形态结构的“结构元素”去度量图像的形态,以解决图像处理和分析问题。文章通过对多种边缘检测方法的分析比较,结合高速公路路口汽车图像噪声大的特点,提出了基于复合顺序形态变换的车牌边缘检测。该方法不但能有效地改善有噪图像边缘检测的效果,鲁棒性好,而且并行快速,便于硬件实现。