字符识别算法在车牌识别系统中的应用研究

本文以车牌识别系统定位后的车牌字符识别算法为研究对象,分析基于模板匹配的字符识别算法和基于神经网络的字符识别算法,将车牌字符进行分割处理,诠释字符识别算法在车牌识别系统中的应用。     

试析车牌识别系统中的关键技术

随着社会经济的发展,我国汽车数量也在迅速增长,智能交通也越来越普及,其中的车牌识别系统在大型停车场、小区门口、高速公路收费处等地方已经逐步投入使用,由于受到各种因素的制约,并没有普及。简要分析了目前存在的车牌识别系统中的关键技术,并对车牌识别系统进行了展望。     

车牌识别系统中关键技术的研究

针对现有的车牌识别系统中的多项关键技术做了改进。车牌定位与提取技术采用了基于图像二维能量与HIS彩色空间相结合的方法,并对现有的能量算法与彩色图像分割算法做了改进。在倾斜校正中,给出了一种基于车牌二值图像的密度重心的校正方法;在识别技术中,引入了特征提取与多级BP神经网络算法相结合的分类识别方法,对车牌中部分相似字符采用二级神经网络进行精细识别。实验表明,通过对车牌识别系统中关键技术的改进可以大大提高该系统的鲁棒性与准确率。     

车牌识别系统研究与实现

车牌识别(LPR)系统是智能交通系统中的重要组成部分,该系统分为车牌定位、字符切分和字符识别3个模块。文中基于数学形态学方法和边缘特征分析来进行车牌定位,接着进行二值化、引入多指标联合评价函数判断反色等处理,然后基于连通体分析的方法切分字符。实验表明该系统设计方法是可行的。     

车牌识别系统研究与实现

车牌识别（LPR）系统是智能交通系统中的重要组成部分，该系统分为车牌定位、字符切分和字符识别3个模块。文中基于数学形态学方法和边缘特征分析来进行车牌定位，接着进行二值化、引入多指标联合评价函数判断反色等处理，然后基于连通体分析的方法切分字符。实验表明该系统设计方法是可行的。     

基于DSP的车牌识别系统研究

介绍了一种基于TMS320DM6437硬件平台,运用数字图像处理的知识来实现汽车车牌的自动识别功能。对目前使用的车牌预处理、车牌定位技术与字符分割等算法进行了实验分析。     

基于云计算的车牌识别系统研究

随着智能交通事业的快速发展,传统的监控识别系统已经无法满足海量高清图像高速处理需求.对此,对云计算平台、车牌识别技术等进行了研究,从工程实践的角度出发,研究了基于云平台的车牌识别系统.     

车牌提取与识别系统的研究与设计

针对现有的车牌识别方法的缺陷,改进了车牌识别系统中的多项关键技术;采用了基于图像二维能量与HSI彩色空间相结合的方法进行车牌定位与提取,并对现有的能量算法与彩色图像分割算法做了改进;在识别过程中,引人了特征提取与多级BP神经网络相结合的分类识别方法,对车牌中部分相似字符采用第二级神经网络进行精细识别;通过上述改进,提高了系统的整体性能;实验表明,这些关键技术的改进可以大大提高车牌识别系统的准确率与鲁棒性.     

车牌识别系统中的改进神经网络算法一例

交通管理中大量应用的智能抓拍取得了良好的效果,随着抓排量的扩大,由以往的仅抓拍违章到数据统计方面的抓拍,需要的车牌识别功能也更加强大.由于车牌本身易污损,高速情况下模糊不清以及不同光照情况下的反光不均匀,抓拍后的快速识别是需要不断追求新高度的技术.现在,一种BP神经网络算法正逐步取代传统的单机算法,这种网络神经算法将为我国的公路交通大数据工作奠定基础.     

一种改进的细化算法在车牌识别系统中的应用

首先介绍了几种典型的细化算法,以Zhang细化算法为基础,并加以适当改进,然后应用到车牌识别系统中。实验结果表明,该改进算法实现效率高、细化效果好、大大提高了车牌识别系统的整体性能。     

基于MATLAB的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仿真方法。该方法首先采用基于Canny算子边缘检测和数学形态学相结合的方法定位出车牌,进行二值化、滤波和形态学开运算后使用投影二分法分割出7个车牌字符,最后使用模板匹配和特征统计相结合的方法识别出车牌字符。试验表明该方法是有效的、可行的,与传统使用单一算法相比较,该方法大大提高了车牌识别系统的正确率。     

神经网络在车牌识别中的应用

介绍了中国车牌识别的研究背景和现状,提出了一种基于神经网络的新方法,并设计了一种没有直接预处理的车牌像素图像的卷积神经网络结构。该图像变换适用于利用原始车牌来增加训练数据库。实验结果验证了本车牌识别方法的鲁棒性和有无车牌的识别效率。     

一种基于多特征提取的实用车牌识别方法

针对车牌识别系统的实际应用, 利用车牌区域的边缘梯度特征、几何形状特征、颜色特征、灰度纹理特征定位车牌, 然后校正车牌图像的颜色及倾斜度; 基于灰度投影法, 对普通及武警车牌均提出了有效字符分割方案, 通过自适应判别去除因字符断裂粘连、特殊字符等造成的干扰; 通过基于多特征值提取的神经网络方法初识别车牌; 最后将人眼的视觉特性用于模板匹配法, 解决易混淆字符及污损车牌的问题。通过大量实验证明, 该方法对车牌颜色、拍摄角度、光照条件等限制较少, 适用范围广、识别率高, 有较强的实用性。     

基于HSI空间的颜色算法提牌照识别的性能

为了研制高性能的车辆牌照识别系统,在原有基于灰度图牌照分析的基础上,考虑利用牌照的颜色信息来提高牌照识别的性能,提出了HSI空间上确定彩色牌照颜色的方法,进而用改进的基于K-means的HIS空间颜色聚类算法得到背景色范围,然后用数字形态学方法对聚类后的牌照背景进行一系列的形态运算,去除聚类后得到的前景字符对背景的干扰,最后,用边界颜色拟和直线确定精确的牌照边界,并实现对倾斜牌照的矫正。对大量的彩色车牌图片进行实验结果表明,利用HSI空间的牌照颜色信息可以提高整体牌照识别系统的性能。     

LPR系统车牌定位提取方法的研究

车牌定位在车牌自动识别中起着非常重要的作用,定位准确度直接影响车牌识别的正确率。文中使用了数学形态学和几何拓扑学相结合的方法对车牌区域进行定位提取。该方法首先采用Top-Hat变换以及开、闭运算对抓拍的车辆图像进行预处理;然后采用连通体态分析法（CCA）对图像进行粗定位;最后对计算得到的车牌候选区的欧拉数进行判别,最终提取真正的车牌区域。实验证明该方法能够很好的对牌照区域顶角进行快速搜索定位,将牌照从复杂背景图像中分割出来。     

A configurable method for multi-style license plate recognition

Despite the success of license plate recognition (LPR) methods in the past decades, few of them can process multi-style license plates (LPs), especially LPs from different nations, effectively. In this paper, we propose a new method for multi-style LP recognition by representing the styles with quantitative parameters, i.e., plate rotation angle, plate line number, character type and format. In the recognition procedure these four parameters are managed by relevant algorithms, i.e., plate rotation, plate line segmentation, character recognition and format matching algorithm, respectively. To recognize special style LPs, users can configure the method by defining corresponding parameter values, which will be processed by the relevant algorithms. In addition, the probabilities of the occurrence of every LP style are calculated based on the previous LPR results, which will result in a faster and more precise recognition. Various LP images were used to test the proposed method and the results proved its effectiveness.     

基于分级网络的车牌字符识别算法*

提出了一种基于分级径向基神经网络的车牌字符识别算法,采用两级径向基神经网络结构,由一级网络识别后,通过对识别结果和置信度进行分析,确定了12个二级子网;采用动态误差分割算法进行网络训练,通过大量实验研究,车牌整体识别率达到了86.58%,平均识别时间为181ms,对比性研究验证了该方法的有效性。     

特征区域模板匹配法实现汽车牌照的精确识别

模板匹配法在汽车牌照自动识别中已得到广泛应用。在应用该法为某汽车检测中心做牌照自动识别系统时发现，0、D及Q3个字符互相误判率较高。为解决此问题，在模板匹配法的基础上，提出了特征区域模板匹配法，应用该法取得了满意的效果，识别精度大大提高。另外，匹配系数的求法也采用了新的方法，效果比原方法好。     

基于分形维数的车牌识别二值化算法

针对当前常用车牌识别二值化算法存在的问题,提出了基于分形维数的二值化的方法。根据分形维数反映图像复杂程度的定义,通过计算两次突变的分维数,来确定图像的灰度值范围,并利用该灰度值范围确定阈值。并通过实验,表明利用分形维数所得到的阈值进行二值化处理较传统方法有较大改进,且该方法解决了在自然光和不同光照背景下对车牌识别的干扰问题,也可以从复杂背景中提取出倾斜的车牌。