车牌倾斜校正算法研究及改进

车牌倾斜校正是字符分割前的必要步骤,校正效果直接影响分割结果。车牌倾斜可以分解为水平旋转倾斜和竖直错切倾斜两种模式。研究现有的水平倾斜校正主要算法：Hough变换法、旋转投影法、特征直线法、方向图像法,分析各种经典算法的缺陷并给出其改进算法。通过实验分析比较各种算法的校正效果,结果表明改进算法比各自原始算法在识别效果上都有提高。设计实验研究现有竖直错切校正算法：基于预分割的旋转投影法和直线拟合法,实验结果表明旋转投影法效果远优于直线拟合法。     

车牌定位及倾斜矫正方法研究

为提高车牌定位的有效性和准确性,利用车牌的纹理特征,提出基于边缘检测和形态学运算相结合的车牌定位算法。在摄取车牌图像的过程中,会因为各种原因导致车牌图像有不同程度的倾斜变形,而倾斜的车牌很难被分割和识别,必须进行倾斜矫正,使用了基于Hough变换的倾斜矫正算法。实验结果表明该车牌定位算法和倾斜矫正算法快速有效。     

车牌识别中倾斜牌照的快速矫正算法

在车辆牌照自动识别(LPR)过程中,车牌图像的倾斜会给下一步字符切分和识别带来困难。利用传统Hough变换进行矫正的运算量很大,文中提出采用轮廓跟踪方法去除牌照图像中和矫正无关的所有冗余信息并采用分级检测的策略,在最大程度上减少矫正过程的运算量。实验结果表明,该方法可以准确地检测出车牌的倾斜角度,同时矫正速度比传统Hough变换方法提高10倍左右。     

一种新的基于Radon变换的车牌倾斜校正方法

车牌的倾斜给车牌字符分割与识别带来不利的影响。基于Radon变换,提出了一种新的车牌倾斜校正方法。对车牌图像在[-20°,20°]范围内进行Radon变换,并对变换后的结果求一阶导数绝对值的累加和,将累加和的最大值所对应的Radon变换的角度作为倾斜角度。对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正。实验结果证明,该方法简单实用,对光照、污迹等不敏感,抗干扰能力强。     

倾斜车牌识别方法的研究

虽然车牌识别系统已经成功应用于很多有关车辆的智能应用场景,它仍然面临着许多挑战.如对在恶劣天气和夜间拍摄的模糊图像、倾斜图像等的识别未能得到很好的解决.为有效解决这类问题,提出了一套对倾斜车牌进行识别的方法.针对中国汽车牌照的特点,采用了颜色特征与形态学相结合的方法来实现车牌定位;及基于车牌字符外接矩形与仿射变换相结合的车牌矫正方法.并通过实例验证了所提方法计算比较简单,而且对车牌复杂情况,如边缘模糊不清或残缺、字符存在粘连等具有比较好的识别效果.     

基于快速广义Hough变换的倾斜车牌定位

提出一种倾斜车牌定位算法。算法使用快速广义Hough变换检测车牌倾斜角度,并检测出倾斜车牌在图像平面中的长宽比例和车牌位置,定位出倾斜车牌。仿真实验表明该算法能正确定位倾斜车牌。     

OMR图像倾斜矫正与分割

提出一种采用Hough变换进行OMR图像倾斜矫正的方法,该方法不必识别定位标记位置,具有很好的抗噪能力。为克服Hough变换计算量大的缺点,采用图像子抽样生成低辨率图像进行Hough变换,提高了算法效率。同时,提出一种快速游程段中心迭代算法分割图像,结合Hough变换,可快速准确地实现OMR图像的倾斜矫正与分割。     

文字图像的整体倾斜矫正

论文论述了文字图像在水平倾斜和垂直倾斜条件下的倾斜矫正问题,提出了一种用连通区域找文字图像特征点为基础的倾斜矫正算法。文中以车牌识别系统中的文字图像作为例子来详细说明,并且给出了在GIS电子地图和OCR文字图像中的实际应用。在车牌识别系统中的实际应用表明,论文提出的方法有很高的准确度。     

基于因子缩放的车牌图像倾斜校正方法

针对倾斜的车牌图像对后继字符切割带来不利影响的问题,提出一种车牌图像上"字符"的宽度按高度同因子缩放的车牌图像倾斜校正方法。首先,根据车牌图像的特点将车牌图像分成四块,并使用Radon变换分别检测分割后的四块车牌图像;然后,根据检测的结果,求出车牌图像上车牌四条边框所在的直线方程以及对应的长度,并计算出上边框与下边框对应点连线的直线方程和长度,根据这个长度计算出连线上各点处的缩放因子;最后,根据所求的因子对倾斜车牌图像上所有的点进行校正。实验表明,与经典校正法相比,本文所提出的车牌图像倾斜校正方法校正的结果更符合实际的长宽字符比,校正效果更好。     

一种非传统车牌倾斜矫正方法

针对依赖于车牌边缘存在的传统车牌倾斜矫正方法,提出了一种基于车牌字符中心走势线特征的水平倾斜矫正方法和一种基于窄孔透视思想的垂直倾斜矫正方法,直接对二值车牌图像进行处理。经大量实验证明,即使在车牌边缘不存在和字符缺损的情况下依然能够得到理想的倾斜矫正效果。     

一种新的车牌字符图像的提取方法

在车牌自动识别（LPR）系统中，从车牌图像中正确获得各字符有效信息的图像尤为关键。传统的车牌字符提取方法适应性不强，当不能拍摄车牌正面时获取的车牌图像存在着变形的问题，从而无法从中正确提取出字符。针对此问题，设计了一种基于Radon变换与最大全零列判决法相结合的车牌图像矫正算法来矫正车牌图像，再根据车牌字符分布特点使用了边界投影确定各个字符的边界，对车牌字符进行分割提取。实验证明，此方法能从各种情况下拍摄的车牌中准确分割出单个字符图像，并且计算量较小。     

答题卡识别技术的算法系统研究与实现

随着国民经济水平的飞速发展,家长对于孩子的教育越来越重视.由于现在的教育信息化的发展,云计算、大数据、物联网等技术的完善成熟,各个学校的教育硬件资源越来越丰富,可在考试方面,普通的学校和老师无法完全使用答题卡进行考试,大量的阅卷无法避免,教师费神劳力却不能得到解决.本文对拍照实现答题卡图像的采集,对图像的识别流程、图像...     

基于改进BP神经网络的车牌识别算法

车牌识别是智能交通系统的一项关键技术,可以有效实现车辆信息的获取.针对车牌图像的倾斜、模糊等干扰导致的识别错误,本文通过Radon变换算法实现车牌定位矫正,通过引入附加动量项以及自适应学习因子,改进BP神经网络,提高了字符的识别准确率.对102张拍摄距离较远或存在车牌倾斜等干扰的汽车图像进行车牌识别,识别准确率达到95%,表明本文算法具有较好的识别准确率与抗干扰性.     

基于深度学习的含堆叠字符的车牌识别算法

车牌识别是构建智慧城市交通系统的重要技术,当前车牌识别系统对于单行车牌已经达到了较好的识别和应用效果,但无法满足对包含堆叠字符的车牌的识别需求。针对该问题,提出了一种基于深度学习且不依赖于字符分割的方法以识别含堆叠字符的车牌。首先对倾斜、扭曲的车牌进行投影矫正;然后使用MobileNet-SSD算法检测定位车牌中的单排字符和堆叠字符;之后将堆叠字符送入基于CTC损失的堆叠字符识别网络,进行非字符分割的端到端识别。实验结果表明,该算法不仅对含堆叠字符的车牌具有较高的识别精度,同时对倾斜、扭曲等复杂环境下的车牌具有鲁棒性,极大提高了车牌识别系统的通用性。     

车牌识别技术研究

利用图像处理技术以及神经网络技术对汽车牌照自动识别系统进行研究。在所摄的含有车牌的汽车照片中,先获取车牌位置,再把车牌的各个字符分割,提取出各个字符的特征,再利用BP神经网络进行识别,从而获取车牌号码。     

车牌识别技术研究

利用图像处理技术以及神经网络技术对汽车牌照自动识别系统进行研究.在所摄的含有车牌的汽车照片中,先获取车牌位置,再把车牌的各个字符分割,提取出各个字符的特征,再利用BP神经网络进行识别,从而获取车牌号码.     

基于Radon变换和HSV彩色模型的倾斜车牌校正

倾斜车牌校正是车牌识别系统中字符分割前的必要步骤。车牌的倾斜方式可以分为水平倾斜、垂直倾斜和混合倾斜。采用Radon变换来检测倾斜车牌的水平和垂直倾斜角,首先对倾斜车牌进行水平校正,然后基于HSV彩色模型对车牌区域颜色进行提取,进而去除非车牌区域的干扰,最后运用仿射变换对图像进行垂直校正。     

倾斜校正算法的仿真与分析

有效字符的倾斜校正算法可以有效提高文字算法识别率和识别速度。本文对基于最小二乘直线拟合和Hough变换的倾斜校正算法进行仿真,证明Hough变换具有更好的倾斜校正效果。     

Houhg变换OCR图象倾斜矫正方法

在光学字符识别（OCR）图象扫描输入的过程中,扫描图象或多或少会出现某种程度的倾斜,这种图象的倾斜不仅会给下一步字符的切割造成困难,也影响最终的字符识别精度,通常情况下,为避免用户重新扫描,可以通过软件方法对图象进行矫正,为此提出一种利用Hough变换进行图象倾斜矫正的方法,为克服Hough变换计算量大的缺点,该方法采用了变分辨率图象金字塔策略,实验结果表明,该方法能快速准确测量出扫描图象的倾斜角度,并且具有很高的抗噪声性和应用适应性。     

基于数学形态学和Hough变换的车牌定位算法

针对复杂环境下的车牌定位率较低的问题,提出了一种基于数学形态学和Hough变换检测车牌区域的方法。首先,对车牌图像进行图像预处理,然后,利用数学形态学的高帽变换突出车牌字符区域,并对图像进行边缘检测和连通区域分析;最后,结合Hough变换和车牌的先验知识实现车牌的精确定位。实验结果表明,针对不同复杂背景下采集到的车辆图像,该算法具有很强的鲁棒性,准确率达97.3%,能够满足现代智能交通系统对车牌定位准确性和实时性的要求。