车牌自动定位与模糊识别算法

提出一种基于阈值分割与区域矩化的车牌定位方法，先得到候选车牌区，然后根据车牌区的特征进行筛选得到车牌区，并给出了快速区域矩化方法。字符识别采用两级模糊识别方法，粗分类得到动态的候选集，然后根据该候选集进行细分类。实验结果表明，该方法能对车牌快速准确定位并识别字符。     

基于免疫参数优化的汽车颜色识别方法

针对汽车颜色识别中的不确定性问题,通过引入模糊逻辑实现HSV颜色空间中各颜色特征分量的模糊化,将各分量的隶属度加权融合以进行颜色分类。为进一步提高识别算法的正确率和自适应能力,借鉴克隆选择、高频变异和免疫浓度调节等免疫机理,提出了一个基于免疫原理的参数优化算法,通过交叉、变异、克隆变异和选择等算子的作用,在抗体种群的免...     

基于粗糙集方法的车牌识别算法

采用粗糙集方法对车牌字符进行识别。对车牌图像进行必要的预处理后分割为16×16的像素矩阵,以此矩阵作为决策表中的条件属性构建决策表。采用遗传算法进行粗糙集规则提取。实验结果证明,此方法取得了良好的效果。     

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。     

复杂场景下的车牌检测与识别算法研究

针对传统车牌识别方法在复杂环境下识别准确率不高和过程繁杂的问题,提出一种基于U-Net和CNN的车牌检测和识别的深度学习模型,首先通过U-Net模型进行车牌定位,然后采用透视变换方法对倾斜较大或者形变的车牌实现车牌矫正,最后通过改进的CNN模型对车牌区域进行车牌识别,其识别率为97.5％.实验结果表明该算法在复杂环境下...     

融合多特征的海内外复杂车牌识别技术的对比研究

本文通过结合Ann算法训练模型,应用机器学习方法,提升复杂环境下,国外非标准编码车牌的识别效率。随着计算机视觉算法的不断发展,越来越多地将其应用在生活的方方面面,尤其在图像识别领域的研究较为突出。利用深度学习框架,提取大量图片的特征并训练,提升图像识别的准确度。车牌识别技术是近几年快速发展的技术领域,普通清晰的规律编码车牌识别已经比较成熟,识别准确度较高,但是对于复杂环境下的车牌识别,或者非常规编码的车牌识别效果欠佳。     

基于DSP的车牌识别关键算法研究

根据DSP的车牌识别硬件系统的特点,分析改进了车牌区域定位算法、字符分割算法,提高了车牌识别的效率。     

基于混合BP神经网络的车牌识别研究

车牌识别是智能交通体系的核心,具有很大的研究价值.为解决传统的车牌定位不精确的问题,并且考虑到检测结果容易受到环境的影响从而导致采集车牌图像可能会产生噪音和干扰,本文以Radon图像矫正为基础并应用BP神经网络进行车牌识别可以有效地去除大部分噪声.仿真的结果显示,本文的算法具有良好的识别精度,可以在复杂的环境中,如有污...     

复杂背景下基于颜色的车牌定位方法研究

车牌的颜色特征是车牌定位的一个关键信息。复杂背景下,直接对车牌边缘进行分割以达到车牌的定位比较困难。为解决上述问题,提出了一种复杂背景下基于颜色的车牌定位方法。此方法通过颜色空间变换,将复杂背景下与车牌颜色相近的颜色全部保留,滤除其他不符颜色。实验结果表明,基于颜色的车牌定位方法,去除了背景颜色及不相干区域的干扰,可以简化后续车牌处理算法,提高车牌定位的精度和速度。     

车牌识别系统设计与实现

通过对车牌定位、车牌字符分割和车牌字符识别进行研究,提出了一种车牌识别系统的设计和实验方法。车牌定位模块中,提出了采用基于小波变换的车牌边缘提取和数学形态学相结合的方法定位出车牌,进行二值化、滤波后使用垂直投影法分割出车牌字符,最后使用多模板匹配和二次细分识别相结合的方法识别出车牌字符。经实验验证,基于该算法的车牌识别系统能够达到较高的车牌识别率。     

基于L1-BRD的视频图像车牌识别

针对实时视频的车牌识别系统应用,利用车牌的边缘特征和形态学操作对车牌进行粗定位,通过支持向量机(SVM)结合方向梯度直方图特征(HOG)方法对粗定位车牌进行鉴别真伪.在对字符进行分割后,取连续多帧车牌,对字符特征利用L1-BRD(L1-norm Bin Ratio-Based Histogram Distance)自适应计算融合权重,使L1-BRD能够从图像间特征相似度评估扩展到实时视频中.把L1-BRD用于车牌字符识别,可以降低单帧图像中噪声及字符分割误差产生的影响,有助于后期基于多帧加权直方图特征进行字符识别,提高车牌字符识别的准确性和稳定性,并保证了实时性.     

车牌识别中字符识别的研究

对智能交通系统进行了简要的概述,分析了字符识别在车牌识别中的重要性及选取特征的标准,针对车牌中汉字与大写字母和数字采取不同的特征提取方法,最后进行实验分析并对其识别效果进行比较,发现用改进的13点特征法对汉字进行特征提取,其识别效果要好于直接用13点特征法对汉字进行识别。     

汽车牌照汉字识别方法综述

字符识别是汽车牌照自动识别系统中的关键环节，汉字字符识别是其中的难点。在对车牌汉字识别方法分类的基础上，介绍各种传统的和最新的汉字识别方法，分析各种方法的特点，并对它们的性能进行评述。     

基于自编码神经网络重构的车牌数字识别

提出了一种基于自编码神经网络重构的车牌数字识别方案.首先对车牌图像进行预处理,利用车牌字符的原图和Gabor特征作为自编码神经网络的输入进行识别实验.然后对每个车牌字符构造一个自编码神经网络,利用训练样本进行图像的重构训练,并根据训练得到的网络权值重构出训练样本集中的各个字符图像或特征.最后,将测试样本输入到每个自编码...     

一种基于笔画特征的车牌前景背景分割新方法

车牌前景背景分割是车牌识别过程中的一个重要环节,其直接影响着其后的车牌识别过程的正确率.在以往的传统算法中,区分车牌前景背景的方法是基于字符面积小于背景面积的先验知识,其不适用于一些实际应用场景.本文提出了一种新的区分车牌前景背景的方法,不再基于传统的面积假设,而是利用了车牌图像中包含的笔画特征,文中实验论证了使用该方...     

一种基于OpenCV的高效车牌识别系统实现

提出一种基于SVM(支持向量机)和ANN(人工神经网络)的车牌定位与识别算法,并使用OpenCV库有效实现。首先将灰度空间和HVS色度空间进行结合,在Sobel边缘提取基础上,进行自适应阈值下的二值化处理,通过对轮廓外接矩形的面积和长宽比初步定位车牌位置,然后利用SVM线下学习的方法更加精确的定位车牌位置。并采用寻找连通域有效外部轮廓的方法进行字符分割,最后对汉字位置、英文位置、数字位置和英文数字混合位置分别使用ANN方法进行字符识别。实验证明,该方法定位准确率和字符识别率高,可以有效应用于多种场合。     

车辆牌照识别中车牌定位的研究

车牌定位是车牌识别系统的第一步,也是非常重要的一步,对车辆牌照的特征及几种常用的定位方法进行简要介绍,对车牌图像进行图像预处理之后,用微分算子对图像进行边缘提取,并且针对Sobel算子的缺点用形态学出来进行弥补。根据图像行、列像素点灰度值累加和对车牌图像进行定位,最后给出定位出的车牌图像。