一种改进的车牌定位算法

针对目前大部分车牌定位算法缺乏对光照条件的适应性以及对不同底色车牌的定位率有差异的缺点，提出一种改进方法。采用“多重搜寻”定位算法，综合利用车牌纹理和颜色信息，并采用游标式浮动区间自适应处理阈值。对高速公路路口实拍的各种情况车牌图片共计两千四百五十张进行实验，定位成功率约为99％，在P41．8G CPU、512MB内存的台式计算机Matlab环境下平均定位时间小于0．15秒／帧。提高了定位的准确率和鲁棒性，定位速度也满足实时性要求。     

一种改进的车牌定位算法

针对目前大部分车牌定位算法缺乏对光照条件的适应性以及对不同底色车牌的定位率有差异的缺点,提出一种改进方法。采用"多重搜寻"定位算法,综合利用车牌纹理和颜色信息,并采用游标式浮动区间自适应处理阈值。对高速公路路口实拍的各种情况车牌图片共计两千四百五十张进行实验,定位成功率约为99%,在P4 1.8G CPU、512MB内存的台式计算机Matlab环境下平均定位时间小于0.15秒/帧。提高了定位的准确率和鲁棒性,定位速度也满足实时性要求。     

一种改进的分级车牌定位算法

通过深入研究分级车牌定位算法,发现当车牌左右两旁存在复杂竖直边缘干扰时,该算法中的候选车牌生成模块容易造成错误检测。提出了一种改进的候选车牌提取算法,可以去除竖直边缘干扰的影响,进一步提高了分级车牌定位算法的检测率,同时保持了算法的实时性。     

一种改进的BP算法及其在车牌识别中的应用

在车牌识别系统中,如何提高字符识别的速度和准确率是很关键的问题。传统的BP算法可以实现非线性函数的映射,经过有监督式的学习规则可以达到比较好的识别效果。但是BP算法识别速度慢,而且容易陷入局部最优。本文借助增量PID算法的思想,提出了一种改进的BP神经网络算法,可以根据识别误差自动调整学习速率,而且不容易陷入局部最优。文章最后给出了仿真结果和程序实现。     

一种快速车牌定位算法

提出一种快速的车辆牌照定位算法,对获取的车辆图像进行相应预处理后,根据图像的纹理特征,分析牌照区域字符分布情况及变化规律,利用车牌号码区域像素值的变化频率,在一个特定范围内进行水平和垂直方向上的定位,从而准确地得到车牌区域。实验结果表明,本文提出的算法能够较好地快速定位车辆图像中车牌区域。     

一种精确高效车牌定位算法

车牌自动识别是现代智能交通的重要组成部分,而车牌定位技术又是车牌识别系统的核心技术之一。本文提出一种精确高效的车牌字符定位算法,该算法采用差分来描述灰度变化进行初步定位,并对不同类型的车牌使用不同的二值化处理方法。实验表明,该算法快速有效。     

一种快速的车牌定位与提取算法

针对现有的车牌定位的各种局限性,本文提出了一种基于图像二维区域能量的车牌定位算法,给出了该算法实用公式,并给出了基于图像能量的车牌提取算法以及车牌区域的验证方法。该方法充分利用了车牌的纹理复杂、对比度鲜明、外型规则等特征构造能量图像,并对原有的能量算法进行了改进。其明显的优点是可以避免直接对图像进行二值化时阈值难以确定的问题以及光照情况对颜色的影响。大量的实验表明,该算法不仅简单、快速、准确率高,而且对车牌区域的噪声有很好的抑制作用。     

一种基于车灯定位的夜间车牌识别研究

针对夜间的车牌识别,提出了一种基于车灯定位的识别多个车牌的流程方法。该方法首先利用车灯坐标来对图像中多个车牌区域进行定位,进而对局部区域利用边缘检测,形态学技术,使车牌成唯一存在多次跳变的区域,车牌定位之后又利用改进的模板匹配的算法,提高了误判率,从而提供了一套夜间多车牌识别的方法。试验结果表明,两辆车的车牌识别的准确率在95%以上,并能适应于夜间的不同环境。     

基于车牌特征和底色识别的车牌定位算法研究

在车牌识别系统中,车牌定位是车牌自动识别系统中最重要的一步,车牌定位的准确程度直接影响车牌识别的精度。针对背景复杂,车牌区域模糊的图像,提出一种车牌结构特征和底色相结合的车牌定位方法。该算法首先利用彩色边缘算子提取图像的边缘,然后利用连通域算法找出不同的连通区域,最后结合车牌的结构特征(宽高比、车牌区域灰度跳变次数)和车牌底色特征(目前是黄色、黑色、白色和蓝色)选定最佳区域。实验结果表明,该算法简单,定位准确,满足实时性要求。     

基于车牌颜色特征的改进车牌定位算法研究与实现

汽车牌照识别主要包括图像预处理、车牌定位、字符分割和字符识别四大模块。本文对图像预处理和车牌定位两个模块进行了深入研究,并提出了相应的改进方法。本文提出了一种基于局部最优化思想的图像预处理方法。该方法是基于彩色图像的预处理方法,同时基于局部最优化的思想弥补了传统方法的劣势,能够更好地解决光照不均问题。车牌定位采用一种改进的"扫描线法",把颜色跳变视为特征点,算法根据车牌字符区域特征点密集的特点来定位车牌区域。     

基于车牌颜色特征的改进车牌定位算法研究与实现

汽车牌照识别主要包括图像预处理、车牌定位、字符分割和字符识别四大模块。本文对图像预处理和车牌定位两个模块进行了深入研究,并提出了相应的改进方法。本文提出了一种基于局部最优化思想的图像预处理方法。该方法是基于彩色图像的预处理方法,同时基于局部最优化的思想弥补了传统方法的劣势,能够更好地解决光照不均问题。车牌定位采用一种改进的"扫描线法",把颜色跳变视为特征点,算法根据车牌字符区域特征点密集的特点来定位车牌区域。     

一种车牌图像的快速定位算法

在分析车牌一维图像变化特征的基础上，本文提出一种基于自适应遗传算法理论的车牌定位方法。该算法简单，定位准确，运算速度快，适用于白天和夜晚复杂环境中的车牌定位。     

一种简单快速的车牌定位算法

车牌定位是汽车牌照识别系统的关键技术之一。通过对图像进行预处理,去除干扰的噪声,然后利用隔行扫描和矩形窗口搜索法来定位车牌的上下边界和左右边界,从而提高了车牌定位的速度。提出了利用车牌定位出来的区域面积的变化情况来判断车牌的倾斜情况,并对倾斜的车牌进行了准确的校正。实验结果表明,该算法简单高效。     

一种简易车牌识别算法及其实现

车牌识别在智能交通及停车场管理中有着非常重要的作用。车牌识别与处理的速度直接影响到其应用场合．尤其在高速公路的快速抓拍中,对处理速度要求更高。本文避免采用复杂的图像处理算法,而改用常规图像处理技术加模版匹配算法,提出了一套简易快捷的车牌识别算法,能大大提高车牌的识别处理速度,特别适合于需要快速识别车牌的场合。本文最后采...     

一种基于小波的快速车牌定位算法研究

车牌定位在车牌自动识别系统中占有非常重要的地位.在对小波的一些特性进行分析的基础上,提出了一种基于多分辨率分析的快速车牌定位算法.将分解出的高频图像经过后继处理即可定位出车牌,这种算法不仅提高了车牌定位的速度,而且大大提高了定位的准确率.     

改进神经网络算法在车牌识别中的应用

研究现代智能交通管理中的车牌准确识别问题.由于车牌图像存在模糊不清、倾斜,分割后字符图像笔画粗细不均、断续不完整等特殊性,导致传统车牌识别算法识别速度慢、识别正确率低,不能适应车牌识别的实时性要求.为了提高车牌识别正确率,提出一种BP神经网络的车牌识别算法.该算法首先对车牌字符图像进行归一化处理,消除图像中无用信息,然后对车牌字符进行特征提取,消除笔画粗细不均、断续不完整等影响,再将提取车牌字符特征输入到BP神经网络进行学习和识别,并采用动量因子和自适应学习速率对BP神经网络进行改进,加快其收敛速度,从而提高识别的实时性.仿真结果表明,改进用BP神经网络提高了车牌识别正确率和识别速度,缩短了识别时间,适合于实时性强的智能交通管理系统应用.     

一种改进LANDMARC射频识别室内定位算法

在射频识别RFID室内定位环境中,LANDMARC定位算法的精度与选取的近邻参考标签数量有关。传统的算法仅仅局限于在小范围定位环境中选取3~5个参考标签,而在较大的定位环境中,距阅读器较远的相邻参考标签存在干扰近邻参考标签选取的情况,因此,需要选取较多的参考标签来辅助定位,然而随着选取参考标签数量的增加,定位误差越来越大。针对这一问题,在选取的参考标签中引入加权思想来优化计算过程中权重的分配,进而降低系统误差,提高定位精度。仿真实验结果表明,改进后的LANDMARC定位算法在选取较多参考标签的情况下具有较高的定位精度。     

一种改进的车牌字符分割算法

提出了一种改进的投影分割算法，其基本思想是将数列平滑的方法用于曲线投影上，该方法避免了传统分割算法的缺点，不仅有效地去除了噪声，而且相对于直线检测分割方法计算量减小，又比简单的投影方法分割效果明显。     

一种基于多重特征的车牌定位算法

车牌自动识别是现代智能交通的重要组成部分,而车牌定位技术又是车牌自动识别系统的核心之一,然而对于真实的复杂背景下的图像,现存的基于特征的定位算法依然存在适应性差、鲁棒性不强的问题。提出了一种基于多重车牌特征的行列扫描线的定位算法,突破了原有的基于特征的行,列扫描算法中容易出现车牌区域错误判断的瓶颈。对于真实的具有复杂背景的图像进行实验后,得到了理想的定位效果。