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.     

一种基于投影变换和神经网络的字符识别方法

提出了一种基于投影变换和BP神经网络的字符识别方法,该方法集成了投影变换和神经网络的优势,可有效地提高机动车牌照上的字符的识别率、识别速度以及识别系统的泛化能力.用MATLAB构建字符识别网络进行仿真测试,结果表明该方法是有效的,测试识别率可达96%.     

汽车牌照自动识别系统的设计和研究

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车辆图像中提取车牌字符信息,从而确定车辆身份的技术.车牌识别包括图像采集、图像预处理、车牌定位、车牌分割、字符识别等5个核心部分.这里提出一种基于MATLAB的车牌识别系统的实现方法,综合使用多种方法提高系统的有效识别能力.该方法可以解决在有噪声和光照恶劣情况下车牌定...     

基于彩色图像信息的车牌自动识别系统仿真研究

针对汽车牌照自动识别技术在现代社会车辆管理中的应用,本文研究了一种基于Matlab软件的车牌识别系统。该系统包括图像预处理、车牌定位、字符分割及字符识别几部分。对采集好的车牌图像进行图像预处理,采用统计像素法对车牌图像进行定位,二值化已定位好的车牌图像,对处理过的车牌图像字符进行分割,并采用模板匹配法对分割好的车牌字符进行识别,同时选用100张不同场景、不同省份、不同品牌的汽车牌照,采用Matlab软件进行仿真实验。仿真结果表明,有79张汽车牌照识别正确,说明本文可以实现较为准确的车牌识别。该研究具有一定的实际应用参考价值。     

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.     

汽车牌照自动识别技术的现状与发展

在介绍国内外汽车牌照自动识别技术的现状,与讨论我国汽车牌照识别的特殊性的基础上,分析了汽车牌照自动识别技术的发展趋势,认为基于计算机视觉技术、人工神经网络技术和图象处理技术的无源型汽车牌照智能识别系统具有广泛的应用前景。     

利用神经网络识别车辆牌照字符

由于受光照条件、牌照自身清洁程度等因素影响,车牌识别系统往往达不到满意的字符识别率．结合神经网自适应的特点,本文利用基于自适应谐振理论(Adaptive Resonance Theory,ART)构成的自组织神经网络进行字符识别,给出了算法和实验结果．     

汽车牌照字符识别系统设计

随着交通事业的迅速发展,人工管理方式已不能满足实际的需求,针对这一问题,提出了汽车牌照字符识别系统设计,采用了数字图像处理技术、车牌定位技术、车牌字符分割技术、BP神经网络识别技术来解决车牌字符的识别问题,研究了图像预处理、边缘提取、车牌定位、字符分割、字符识别5部分内容,并给出了BP神经网络实现车牌字符的识别,实验表明,此方法能实现良好的定位精确度和较高的识别率.     

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.     

模糊识别技术在车辆牌照检测系统中的应用

为了对基于图像处理的车辆牌照自动检测系统中的牌照分类进行研究,将分割后的车辆牌照二值化图像,从其10多个形态学特征中选取出7个有效特征,采用模糊识别技术进行识别.结果表明:该方法克服了传统模式识别技术精度低、实时性差等缺陷,为系统的实际应用奠定了基础.     

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。     

一种车牌识别系统的设计

基于像素精确定位方法来实现车牌定位,然后对车牌进行灰度化、二值化处理,避免了对整个汽车图像先图像处理后车牌定位的繁琐过程,将改进的模板匹配算法应用于字符识别中,最后,利用MATLAB的图形用户开发环境设计出了本系统的测试平台,经过大量车牌样本验证,该车牌识别系统准确率较高.     

基于颜色的汽车牌照定位技术研究

汽车牌照定位是汽车牌照自动识别系统中第一个环节,定位的准确与否对系统起关键性的作用。结合我国汽车牌照的特点,对近几年来国内车辆牌照识别系统研究中出现的另一种新思路,即基于颜色的汽车牌照定位方法,进行了全面的综述,并从中得出一个重要发展趋势。     

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．     

基于图像处理的车牌识别技术

汽车车牌照的识别是智能交通系统必不可少的组成部分,也是保障车辆安全的必要手段。本文针对智慧小区设计一种简易实用的车牌识别系统,设计内容包括图像采集及预处理,车牌定位,边缘检测,字符识别等。系统开发构建在Qt软件平台上,对采集的图像进行灰度化、边缘检测二值化处理,同时,通过水平投影进行区域定位消除边框,再利用处置投影对车牌字符分割,最后根据特征值对系统字符识别,输出字符。实验验证,该系统检测方便易行,识别效果较好。     

基于车牌识别及RFID技术的小区车辆管理系统设计

采用车牌识别及RFID射频卡互补的方式设计了小区车辆管理系统,该系统可对分布于小区大门监控点内的过往机动车辆实现自动车牌识别,并对所有过往车辆的图片进行自动记录存档。由于本系统采用的是目前国内最先进的高清晰抓拍识别技术,基于计算机视觉原理以及模式识别技术,故可对过往车辆的车牌号进行清晰、准确的识别和不间断监测。     

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．     

数字图像处理技术在车牌定位中的应用

文章研究数字图像处理与车牌定位技术在车牌自动识别中的应用,运用Matlab进行数字图像处理和定位算法运算及调试,解决车牌定位问题。车辆图像经过数字图像预处理之后,根据车牌区域边缘信息白点分布密集的特点,按一定的规则依次对目标区域进行水平和垂直定位,最终提取出车牌信息。文章的方法不仅针对车牌类型,背景颜色不同具有一定的通用性,还对不同的焦距具有一定的通用性。