基于相似度的车牌定位方法

根据车牌区域内字符的纹理特征以及车牌的颜色特征,提出了一种基于相似度的模板匹配车牌定位方法。该算法先对车牌区域构造出相应的模板,同时分别构造出模板与待定位图像的模糊集,再根据所构造出的模糊集,用滑动窗法计算模板与当前窗口的相似度,得到一个相似度矩阵。取其中最大相似度所对应的区域作为车牌候选区,通过对该候选区进行判断与精确定位分割出车牌区域。实验结果表明该方法能得到较理想的车牌定位效果。     

基于形状上下文的车牌字符识别

针对车牌字符识别问题,该文提出一种基于形状上下文的识别算法,对分割好的车牌字符进行识别。对分割字符进行边缘检测,提取部分边缘点作为样本点,计算每个边缘点的形状上下文描述算子;再对分割字符和字符模版进行相似度比较,得到相应的对数极坐标图,计算相似度是否达到预设的阈值来判定分割字符是否可识别,并判别结果。实验表明,此算法在二维目标的不变性中,具有精确的匹配效果。     

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%.     

一种曲面药瓶标签校验方法关键技术

针对药瓶标签具有曲面性以及采集设备视角小的问题,提出了一种基于全景拼接技术的药瓶标签校验方法.采用柱面反投影算法将发生畸变的曲面药瓶标签进行校正,使用SIFT尺度不变特征算法对校正后标签图像进行拼接,提取拼接后的标签名等信息,采用基于连通域的字符分割技术进行字符切分,计算分割字符与模板字符的特征矩阵及相似度矩阵,从而识别出药瓶标签.结果表明,该方法能够校正标签两侧的文字压缩,实现图像拼接,得到包含完整药瓶名称的图像,并能够实现字符的准确切分,具有速度快和识别率高的优点.     

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．     

图像处理中关于汉字粘连字符的分割的背景算法

本文提出了一种基于汉字结构特征的手写体汉字字符切分算法。根据两个组件之间的上下、左右和包围关系,对组件进行合并形成完整的汉字图像。分析整个汉字字符串中组件的宽度和相邻组件的间距,形成字符串的特征估计,指导左右关系组件的合并。     

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.     

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。     

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.     

基于小波矩的车牌字符识别研究

牌照字符识别是车牌识别系统中关键的一步,而字符识别的关键在于有效特征的选取.小波矩是小波多尺度分析与矩相结合的新的视觉不变量,图像的小波矩特征能很好地反映图像的局部和全局特征,并且具有较强的抗干扰能力.但不同的小波矩离散化方法在性能上有很大的差异.在分析小波矩和矩快速算法的基础上,引入了一种新的小波矩离散化算法用于车牌字符识别系统,以车牌字符图像的小波矩作为特征量,结合改进的BP神经网络实现了车牌字符的识别,获得了很好的识别效果.     

改进的BP神经网络算法在车牌识别中的应用

在车辆牌照自动识别系统中,因自然因素或采样因素使得原本规则的印刷体字符产生畸变,给字符识别带来了很大困难,利用BP神经网络对车牌进行识别得到广泛的应用,如何提高车牌识别的准确率和速度是车牌识别系统最根本的问题.本文用动量因子和自适应学习速率对传统BP网络进行改进.该算法简便,识别率高,可适用于多种高噪声环境中的字符识别.     

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SVM的车牌字符识别算法研究

SVM可在训练样本很少的情况下获得很好的分类推广能力。首先分析了用多类SVM算法对车牌中的字符进行识别时存在不可区分的区域问题和采用模糊SVM算法解决该问题的办法,然后讨论了字符特征的提取方法,并根据我国车牌字符的特点分别设计了汉字、字母、数字、字母／数字4个基于模糊多类SVM的字符分类器。最后在MATLAB环境下,采用径向基核函数对算法进行学习训练。实验测试结果表明,该方法可以很好的提高字符识别的速率和效率。     

基于二次模版库的车牌残缺字符识别

字符识别在车牌识别中的作用不可或缺,最简便的识别方式为模版匹配法。本文提出改进的模板匹配法,通过细化的字符子库,结合相关匹配算法,提升识别效果,克服了传统模版匹配无法识别残缺字符或匹配识别错误的缺点,实现遮挡或残缺字符的精确识别。     

基于空间分布的最大类间方差牌照图像二值化算法

车辆牌照识别VLPR(Vehicle License Plate Recognition)是智能交通系统ITS(Intelligent Transportation System)的重要部分,有着巨大的社会和经济效益。车辆牌照图像二值化方法的研究是VLPR中的关键技术,通常都采用经典的Bernsen算法和Otsu算法．但由于光照不均、摄像机畸变、曝光不足、动态范围太窄和车辆牌照被污染等原因,车辆牌照图像的质量往往不佳,常存在严重伪影和字符边缘模糊,极大地影响了牌照图像二值化效果,Bernsen算法和Otsu算法也不能很好地克服上述问题。为此,提出了一种新的牌照图像二值化算法CASDA(Cluster Algorithm Based on Spatial Distribution Analysis),把牌照图像空间分布特性与最大类间方差的统计特性有机结合,大大加快了最大类间方差模式分类速度．与Bernsen、Otsu、LEVBB等算法比较,CASDA具有速度快,能消除不均匀光照引起的伪影,极少出现笔划断裂等优点,二值化效果好．     

复杂背景图像中的车牌检测算法

针对在复杂背景图像中汽车牌照检测定位的课题,提出了一种基于可信度评价的汽车牌照检测定位算法。在对图像进行预处理后,算法利用车牌区域由于字符排列的规则性而在梯度图像上产生的特征,分割并提取出车牌可能存在的候选区域,然后根据汽车牌照的几何特征对每一个候选区域进行可信度评价并按一定的合并规则对候选区域进行合并,以获取更高的可信度,最后根据区域可信度值的大小确定车牌的位置。算法对于图像光照条件变化、视角变化而造成的车牌的倾斜和变形等情况都具有较好的处理效果。     

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。     

小区民用车辆车牌自动识别算法

采用中值滤波、边缘检测、二值化等方法对车牌图像进行了预处理,并将车牌区域每行的边缘点数量、边缘点数量与车牌区域长度的比值及各候选区域的长宽比等因素作为参考值分别对车牌进行了粗定位和精确定位,利用统计特征和结构特征相结合的方法对字符进行了分类与识别,设计了字符分类器。实验结果表明,所设计的车辆车牌自动识别系统较好地实现了不同环境条件下的车牌识别,识别率达92%。