基于粗糙集和小波矩的车牌字符识别

文章首先提取车牌字符图像的小波矩特征,利用粗糙集理论进行属性约简,然后用神经网络对约简后的字符数据进行识别;实验结果表明,使用上述方法不仅使要处理的数据维数减小,从而降低了识别过程的复杂程度,而且有较高的识别率.     

基于小波空间的车牌字符识别算法

根据车牌中字符的形态特征和横向纹理属性,以小波空间作为车牌字符识别的特征空间,用小波系数能量和熵的动态阈值提取车牌字符相应的统计特征并作为BP神经网络的输入进行识别.实验结果表明该算法是一种切实可行、准确高效的方法,对复杂背景下拍摄的汽车牌照识别具有很好的鲁棒性.     

基于BP神经网络的车牌字符识别

自动车牌识别作为高精度的车辆识别中的核心技术,在智能交通中发挥着日益关键的作用．构建一种改进的BP神经网络识别车牌字符,并在VC＋＋6．0环境下测试,实验结果表明系统具有良好的有效性,并能满足实时车牌识别的要求．     

基于正交Gegenbauer矩的车牌汉字字符识别

针对已分割完成的车牌字符,提出了一种基于正交Gegenhauer矩特征提取方法,并将其应用于车牌汉字字符识别中．Gegenbauer矩法有别于其他传统的字符特征提取方法,它能获得字符的全局特征信息,因此可以唯一地表征一个字符．通过与其他方法的对比实验,可以看出此方法在低噪环境下具有更好的识别效果．     

基于正交Gegenbauer矩的车牌汉字字符识别

针对已分割完成的车牌字符,提出了一种基于正交Gegenbauer矩特征提取方法,并将其应用于车牌汉字字符识别中.Gegenbauer矩法有别于其他传统的字符特征提取方法,它能获得字符的全局特征信息,因此可以唯一地表征一个字符.通过与其他方法的对比实验,可以看出此方法在低噪环境下具有更好的识别效果.     

一种基于特征的BP神经网络车牌字符识别

字符识别是自动车牌识别系统中很关键的一步.字符识别有以下几步,首先,对车牌图像进行预处理.其次,通过竖直方向投影分割字符.最后,将提取的字符特征输入网络进行训练.在实验中,利用该方法对光照不均、字符大小不一、运动背景的图像,特别是相似字符的识别获得了较高的识别率,并且将其与字符输入BP神经网络进行对比分析.实验结果表明,该方法对字符识别有很好的鲁棒性、有效性.     

基于CNN的车牌数字字符识别算法

针对传统车牌识别算法识别率低、鲁棒性差等问题,提出一种基于卷积神经网络结构车牌数字字符识别算法.在卷积神经网络的基础上用ReLU激活函数代替传统的Sigmoid激活函数,引入卷积步长等操作,不仅加速网络的收敛,而且降低了网络参数的数量.实验结果表明:与传统特征提取算法相比,该算法识别率最高,达到95.2%,识别率波动范围小,鲁棒性强.     

随机分形维数和小波变换的车牌字符识别

运用随机分形特征描述了车牌字符的形态、复杂程度和不规则性特征,结合小波变换,使得车牌字符的分形特征描述更加丰富,同时避免了分形维数计算阈值选择带来的问题.模拟结果表明分形和小波结合使用的方法为车牌字符识别提供了新途径,但计算量较大.     

基于改进BP神经网络的车牌字符识别研究

分析BP网络学习算法的缺陷基础上,引入动量项和遗传算法对BP网络学习算法进行改进。提高了车牌字符识别的正确率。     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重。基于VC＋＋6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别。车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤。利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效。     

一种新的汽车牌照字符切分算法

充分利用车牌字符的局部与整体特征,提出了字符串的车牌相似度概念．并在此基础上提出了一种新的车牌字符切分算法．该算法将搜索连通区域切分与投影切分结合起来,通过聚类分析,遍历各种切分的可能情况,最终按照车牌相似度最大的字符串完成字符切分．实验结果表明,该算法有很好的可行性和有效性．     

基于小波变换的字符识别快速算法

提出了一种基于小波变换的识别图像中英文字母、数字以及汉字字符的快速算法.算法通过将字符二值化点阵图像进行垂直与水平方向投影,实现了从二维图像数据到一维数据的转化.对于W×H大小字符图像,相对于传统算法,本算法将运算量从W×H数量级降至W+H数量级,大大降低了后续处理运算的时间复杂度,同时保留了足够的关于字符垂直及水平点阵分布的特征信息.将投影得到数据进行2层小波分解,从其中各层平滑分量提取一个特征信息,将其与模板字符对应的特征信息进行分析比较,实现了字符的快速高效识别.实验结果表明,运用此快速算法可使字符总的识别率达到92%以上.     

基于车牌识别数据的交通拥堵识别方法

针对目前缺少基于车牌识别数据的交通拥堵识别方法的相关研究,使得建设及维护成本均较高的车牌识别系统只能实现交通监控、流量检测等初级功能,导致系统性价比较低的问题,分别设计了基于车牌识别数据的单车行程速度采集方法及区间平均行程速度采集方法,对交通拥堵的识别方法进行了研究,并进行了实例分析.结果表明,单车行程速度采集方法及区...     

汽车牌照图像的预处理研究

讨论了平滑和二值化方法，提出了一种改进的适合汽车牌照图像自身特点的去噪及二值化方法，该方法将平滑和二值化结合起来，对螺丝钉、大污点、牌照边框、字符分割不当等引起的噪声非常有效，为正确的特征抽取提供了保证。     

基于图像模糊度与主成分分析的车牌汉字识别

针对车牌汉字字符结构复杂且图像品质差异大而导致识别率不高的情况,提出了一种基于图像模糊度的主成分分析(PCA)子空间车牌汉字字符识别方法。首先通过三角模和非模糊基数计算字符图像的模糊度,然后根据模糊度将训练样本分成不同的子集并生成相应的PCA子空间族,最后以待识别字符的模糊度为依据选择相应的子空间族进行识别。实验数据表明,本文方法使得子类的类内距离变小类间距离增大,从而可以获得较高的识别率。与其他算法的对比实验进一步表明,本文算法能更好地同时满足精度和实时性的要求,具有良好的综合性能。     

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LPMCC特征和小波RBF网络的语音识别

小波神经网络是结合小波变换理论与人工神经网络思想而构造出来的一种"新型的神经网络模型",融合了小波变换良好的时频局域化性质及神经网络的自学习功能。它通常可看作RBF网络的推广。本文构建了一个以Morlet母小波作为小波基,代替RBF网络中的激活函数的小波神经网络结构,并采用线性预测美尔倒谱(LPMCC)作为特征参数,进行了孤立词语音识别。实验结果表明此种方法抗噪性能好,识别效率高。