基于聚类分析的车牌字符识别方法与应用

在车牌字符识别的实际应用中,只采用改进的BP神经网络算法不能彻底改变其固有的算法缺陷.因此,重点阐述采用聚类分析与神经网络的方法分别对车牌中汉字和英文字母及阿拉伯数字进行识别,以加快车牌的识别速度,以适应高速公路收费系统即时、准确的要求.实验结果表明,对数字与字母的识别率为97.0%,对汉字的识别'率为90.1%,识别时间小于3s,既兼顾了BP神经网络识别的稳定性,又考虑到高速公路收费的实时性需要.     

车牌字符识别技术

本文分析了车牌字符识别的技术要点，对照了各种不同的解决方法，最后指出了分级分类技术是保证车牌识别快速性和准确性的良好方法。     

采用BP神经网络的车牌字符识别方法研究

将BP神经网络应用于汽车车牌的自动识别，在简述车牌预处理的基础上，重点讨论了用BP神经网络方法对车牌照字符的识别，用MATLAB完成了对车牌照数字识别的模拟，最后给出实验结果：     

图像处理在车牌识别中的应用

车牌识别是智能交通的一个重要组成部分,系统一般包括车牌定位,字符分割和字符识别。对目前车牌识别领域的各种算法进行分析,总结和改进。实验结果表明,所提方法能快速有效的获取车牌信息。     

Gabor变换的参数设计及其在车牌字符识别中的应用

Gabor变换能有效抑制字符的噪声、变形、断裂、模糊、以及亮度不均等图象干扰,适合于象车牌字符这样的低质量字符特征提取。Gabor变换的难点是滤波器组参数优化设计,因此提出了一种快速参数优化设计方法,并提出了一种Gabor特征融合方法。实验表明,用此方法获取的Gabor滤波器组参数效果良好,已经运用于实际的车牌识别系统中,取得了满意的效果。     

字符识别系统综述

字符自动识别系统是智能管理系统中的关键技术。本文总结了目前字符识别系统的发展现状和存在的问题,分别从车牌字符识别、纸币识别这两个字符识别系统的方法,以不同的理论角度对近年来国内外出现的字符自动识别系统方法进行了综述。最后对字符识别系统进行了总结并提出今后一些研究方向。     

车牌识别算法的对比研究

汽车数量的不断增长使交通变得日益拥堵,已经严重的影响了我们的生活。在这种背景下,人们开始致力于智能交通系统的研究,作为该系统的核心部分,车牌自动识别技术取得了较快的发展,并且在其他领域中也发挥了很大的作用。本文重点讨论了车牌定位部分。     

基于OpenCV的人工神经网络字符识别研究

为克服传统模板匹配方式识别字符存在的缺陷,采用BP神经网络技术,有效识别字符特征,快速识别字符.运用C++编程以及OpenCV计算机视觉库,降低系统实现的复杂程度,实现了字符的快速准确识别.     

基于PCNN的车牌分割技术

近几年,随着神经网络理论的深入研究,神经网络技术的并行性计算能力、非线性映射和自适应能力等优点得到了充分的认识,各种神经网络模型在图像处理领域中得到了广泛的应用.脉冲耦合神经网络(PCNN)是20世纪90年代发展起来的新一代神经网络模型,特别适合于图像处理的各个方面.对PCNN在彩色图像分割上的应用进行了研究,将彩色图像空间变换成三个独立的分量作为PCNN的输入,实现车牌的定位分割,实验表明,该方法对于车牌的定位分割是有效的.     

基于RBF网络的光学字符提取与识别新方法

提出了一种新的基于统计与模糊隶属度的光学字符特征提取方法,可以快速准确地识别受噪声污染的光学字符.相比传统算法,本文方法的特征空间区分度更高,最小类间距离扩大33.2%以上.应用在径向基函数(Radical Basis Function,RBF)神经网络中,在字体字号变化且有背景噪声污染的影响下,识别率高达99%以上,且相比直方图投影法提速75%.理论分析与实验结果表明,与传统方法相比,该算法抗噪能力更强、模式区分度更高、时空复杂度更低,更简约、更全面地覆盖了字符的特征,应用范围广.已应用于实际系统,取得很好的实验结果.     

改进BP网络在旋转机械故障诊断中的应用

ＢＰ神经网络在旋转机械故障诊断中得到了广泛应用，但是实践中发现，ＢＰ网络的联想能力有限，特别是对于多故障情况。本文对此进行了改进，提出了一种新型ＢＰ网络模型。新模型增加了输入、输出层间的部分连接，大大提高了ＢＰ网络的联想能力，特别适用于象旋转机械这类复杂系统的故障诊断。     

基于字符连通域特征的车牌汉字字符识别技术

本文通过对待识别字符和标准车牌汉字字符库中的各个标准字符的重合部分的连通域数目及相似度进行分析,定义了待识别字符相对于标准汉字字符的连通域特征和相似度特征,由此提出了一种"基于字符连通域特征"的车牌汉字字符识别方法.该方法通过分析待识别汉字字符相对于标准字符模板的连通域特征对待识别字符进行初步识别,然后再通过分析字符的...     

复杂背景下基于HSV空间和模板匹配的车牌识别方法研究

车牌识别技术作为交通管理自动化的重要手段,在交通监视和控制中占有很重要的地位.车牌识别过程可分为车牌定位、车牌校正、字符分割和字符识别四个部分.在车牌定位中,若单纯采用纹理特征或颜色特征来进行定位,往往适用于背景较为简单的场景,对复杂背景的定位效果尚有待改进.在字符分割中,目前单行车牌的分割已比较成熟,但双行车牌的分割仍不理想.提出一种在HSV空间下两次颜色标定和纹理特征相结合的定位方法和一种单双行车牌的字符分割方法.该定位方法利用车牌固定颜色搭配特性,对图片两次标记并利用投影法定位车牌,对200张不同背景图片测试,定位准确率达到98％.在字符分割部分,利用改进的模板匹配方法对字符分割,可适用于单、双行车牌分割,准确率达到95％.     

基于卷积神经网络的模糊车牌自动识别

目前,清晰的车牌识别算法已经成熟,但是对于人眼不能识别的模糊车牌,传统车牌识别算法的识别率较低或者根本无法识别。鉴于此,提出了一种基于卷积神经网络的车牌字符识别算法。制作了含9 720幅模糊字符样本集,用8 748幅样本对卷积神经网络进行训练,测试样本时,先对模糊车牌字符进行盲分割等预处理,再调用训练好的卷积神经网络对盲分割后的字符进行识别。实验结果表明:该算法对训练集的准确识别率约为99.17%,对测试集的准确识别率约为93.32%,这说明该算法对模糊车牌的识别具有鲁棒性,能应用于各种场景。     

车牌识别技术在智能交通系统的应用研究

智能交通系统对于扼制交通违章,打击肇事逃逸,科学合理地解决交通问题,有着极其重要的意义。车牌识别技术是智能交通系统中的关键技术之一,包含车牌定位和字符识别这两项主要技术。针对当前传统的识别技术识别准确率不高,识别速度不快提出了一种基于小波分析的车牌定位快速算法,并且利用神经网络技术实现字符识别的算法。经过实际应用得出通过对车基于小波的车牌定位算法,可以较好的进行车牌定位,定位率可以达到96．3％以上。对字符的识别率可以达到85％以上牌的自动识别。提高了传统技术的自动识别效率。此车牌识别算法的速度和准确率在实际工程应用中达到交通监控集成系统的功能要求,取得了较好的运行效果。     

改进BP网络在旋转机械故障诊断中的用

ＢＰ神经网络在旋转机械故障诊断中得到了广泛应用，但是实践中发现，ＢＰ网络的联想能力有限，特别是对于多故障情况，本文以此进行了改进，提出了一种新型ＢＰ网络模型，新模型增加了输入、输出层间的部分连接，大大提高了ＢＰ网络的联想能力，特别适用于象旋转机械这类复杂系统的故障诊断。     

数字图像处理在车牌识别系统中的应用

数字图像处理技术在车牌识别系统中的图像预处理起着关键的作用,介绍图像灰度化、图像去噪以及图像二值化方法,并通过仿真试验模拟图像处理的过程。实验证明文中图像处理方法用于车牌识别的有效性。     

基于BP神经网络的字符图像识别方法

字符图像识别是数字图像处理技术中的重要应用,本文研究了一种基于BP神经网络的字符图像识别方法。首先对图像进行预处理,包括临域法去杂及灰度、二值化处理;然后采用垂直投影法进行图像分割,对字符进行网格及交点特征的提取;最后利用经过训练的BP神经网络进行字符识别。     

基于改进BP网络的冷水机组故障诊断

采用常规神经网络进行冷水机组的故障检测与诊断,存在整体检测率低或完全无法检测的现象。为了提高冷水机组故障检测效率及诊断精度,本文提出了一种基于贝叶斯正则化的改进神经网络故障检测策略。由于BP神经网络存在泛化能力差的缺陷,对神经网络进行贝叶斯正则化,从而提高模型的检测效率。贝叶斯算法通过限制神经网络权值,使网络反应更加光滑,模型更精确。通过利用ASHRAE Project提供的数据对FDD(fault detection and diagnosis)策略进行验证,检测率明显提高。     

车牌识别在高速收费系统中的应用

汽车数量的不断增加,使高速收费面临着较大挑战,智能化、高效化收费模式已经成为现代高速收费系统设置目标。鉴于此,车牌识别技术开始在高速收费系统中得到应用。该文将以车牌识别系统介绍为切入点,通过对车牌识别原理与过程的分析,对该系统在高速收费系统中的具体应用展开全面论述,希望能够为车牌识别技术使用以及高速收费系统优化提供可靠支持。