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。     

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。     

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。     

受污染车牌字符分割方法的研究

为提高对受污染车牌字符分割的有效率,提出了将现有字符分割方法中的垂直投影法和固定边界法结合的方法应用于受污染车牌字符的分割,对原始图像进行灰度化、二值化、开闭运算、去除边框、去除圆点,实验结果表明,该方法可以有效进行受污染车牌字符的分割。     

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。     

基于闭运算和背景减法的车牌字符分割算法

提出一种基于闭运算和背景减法预处理的二值化分割算法.该方法能够削弱上下边框,减少字符与上下边框之间的粘连,同时能减少背景噪声.在此基础上利用车牌字符的垂直投影特征和先验知识处理字符的粘连与断裂,有效提高了字符分割效率.实验结果表明,该方法具有良好的适应性.     

一种基于局部自适应的女书字符图像分割算法

针对女书字符的结构特点,结合LLT局部阈值算法的基本思想,通过在局部窗口内引入基于最大类间方差的OTSU算法,并设计相应的阈值修正参数,给出了一种基于局部自适应的女书字符图像分割方法,从而实现了局部阈值的自动获取.通过与OTSU算法相比,该算法不仅具有较强的抗噪能力,而且较好克服了女书古籍文献中常见的光照不均匀性问题.实验结果进一步验证了该算法的适应性和鲁棒性.     

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.     

基于多信息融合的中文手写地址字符串切分与识别

该文提出了一种有效的中文手写地址字符串的切分与识别方法。首先,利用笔划提取与笔划合并将字符串图像进行过切分,得到字根图像序列;然后综合利用几何信息、识别信息和语义信息挑选最优的字根合并路径,得到最优的切分结果及对应的最优识别结果。其中,几何信息是根据当前字符串自身的特点统计得到,因此可适应不同书写风格的字符串。识别信息由单字分类器给出,包括10个候选识别结果及其相应的置信度;单字分类器采用MQDF分类器。语义信息用基于字的bi-gram模型进行描述,模型参数是从包含18万条地址数据的数据库中统计得到的。用3000个实际的手写地址样本做试验,单字识别正确率达到88.28%。     

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。     

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.     

基于改进的K-means的车牌字符分割

提出了一种基于改进的K-means的车牌字符分割方法。该方法首先利用均值跳变法对车牌区域进行精确定位,再利用改进的K-means算法对车牌字符进行聚类,最后根据K-means算法得到的聚类中心对车牌字符进行分割。实验结果表明,该方法能够准确地分割出车牌字符,且具有较强的抗干扰性。     

一种新的基于分类的音频流分割方法

很多传统的音频流分割方法都是基于小尺度音频分类的,它们普遍存在虚假分割点过多的缺点,严重影响了实际应用的效果.我们的研究表明,大尺度音频片段的分类正确率明显高于小尺度音频片段的分类正确率.基于这个事实和减少虚假分割点的目的,我们提出了一种新的基于分类的音频流分割方法.首先,采用基于大尺度分类的分割方法对音频流进行粗分割,然后采用基于小尺度分类的细分割步骤在边界区域中进一步精确定位分割点.理论分析和实验结果均表明,当处理类别变换频率较低的音频流时,这种分割方法在保持真实分割点检测率的同时能够大幅降低虚假分割率.     

License Plate Recognition System Using Artificial Neural Networks

A high performance license plate recognition system (LPRS) is proposed in this work. The proposed LPRS is composed of the following three main stages: (i) plate region determination, (ii) character segmentation, and (iii) character recognition. During the plate region determination stage, the image is enhanced by image processing algorithms to increase system performance. The rectangular license plate region is obtained using edge‐based image processing methods on the binarized image. With the help of skew correction, the plate region is prepared for the character segmentation stage. Characters are separated from each other using vertical projections on the plate region. Segmented characters are prepared for the character recognition stage by a thinning process. At the character recognition stage, a three‐layer feedforward artificial neural network using a backpropagation learning algorithm is constructed and the characters are determined.     

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.     

一种字符识别算法在自动识别系统中的应用

基于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,提取字符的点阵特征、特征线和网格特征,分类器采用神经网络.为充分利用各组特征向量的互补作用,采取层次结构来获得系统的最佳性能.实验表明此算法非常有效.     

基于神经网络的车牌字符识别算法研究

提出了一种基于神经网络的车牌字符自动识别算法。用本文提出的方法对车牌图像进行实验,对车牌字符样本进行特征提取,用特征来训练有效分类器,用MATLAB完成了对车牌照数字识别的模拟,结果证实此算法对车牌字符识别有一定准确性,具有良好的效果。