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。     

车辆牌照定位的算法研究

车辆牌照的自动识别是智能交通系统（ITS）中的关键技术,而车牌照的定位又是车牌识别的关键点之一,本论文探索用数学形态学和投影方法来确定车牌照在原始灰度图象中的水平和垂直位置,从而定位车牌照图象,对不同背景和光照条件下的各类车辆灰度图象进行实验的结果表明本论文提出的车辆牌照定位是一种可行的车牌定位方法。     

汽车牌照自动定位方法

汽车牌照定位是一个较难解决的图像分割问题.采用灰度图像分割、数学形态学、颜色搜索相结合的方法,进行汽车牌照定位,充分利用了颜色信息和牌照特点.实验表明,检测出的牌照区域准确率高,适用于任意背景、位置和光照下的牌照定位,且通用性较好.     

基于数学形态学的汽车牌照提取算法

定位汽车牌照在车牌识别应用中是很关键的一步。提出了一种基于数学形态学的新方法。以车牌宽度和高度、车牌字符高度及字间宽距等信息为依据来设计一种新的结构元,通过对汽车边缘图像进行形态学运算,能从图片中得到包含汽车牌照的候选区域,最后,基于汽车牌照纵宽比等固有特征,采用连通域体态分析,对包含车牌的多个候选区域进行去伪,得到真正车牌区域。通过对大量汽车图片实验,验证了该方法的有效性。     

基于灰度跳变的车牌自动识别技术

探讨了汽车牌照识别系统的关键技术并介绍了一种实现该系统的简单方法:利用车牌字符与背景的灰度跳变实现车牌的快速提取,利用投影法进行字符分割,利用字符的层次轮廓特征分类别地识别车牌字符.     

基于计算机视觉的汽车收费系统

给出了一种基于计算机视觉的汽车收费系统 ,该系统由传感装置、图像采集系统和计算机车牌识别和收费管理系统组成 .当埋地线圈检测到汽车通过关口时 ,发出信号给图像采集系统 ,摄入并采集到车牌图像后 ,经识别软件得到汽车的牌照号码 ,由收费系统查询相应的数据库 ,进行收费、通缉报警等操作     

汽车牌照的产时分割方法

提出了一种汽车牌照的实时分割方法,利用牌照区域灰度变化剧烈,而背景相对平缓的特点,以适当阈值二值化牌照图像以消除背景干扰,结合牌照知识,搜索牌照区域,如找不到,则自适应调整值,重复以上步骤。实验证明该算法定位准确并且是实时的。     

结合纹理分析和支撑矢量机的汽车牌照定位研究

为了提高汽车牌照定位的准确率，将拍摄到的汽车图像先作离散余弦变换(DCT)，然后对频率系数量化，从量化值中提取图像的方向性，并将量化值的统计特性和图像的方向性结合起来构造频域特征矢量；在空域中提取图像的角二阶矩、对比度、相关性和熵4个特征量，构造空域特征矢量.结合支撑矢量机，在粗分类时找到牌照候选区域，在细分类时从牌照候选区分离出真实的牌照.分类过程综合考虑分类速度、分类准确率和感兴趣的区域，可采取灵活的分类方式.实验表明，该方法对于汽车牌照定位具有较好的效果，可操作性较强.     

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.     

“公路交通管制监测系统”在我校通过技术鉴定

1990年5月5日,我校12系杨金玉副教授等负责承担的国家经委技术攻关项目——“公路交通管制监测系统”在我校通过机电部科技司组织的技术鉴定。与会代表听取了课题组所作的技术报告,并观看了外场汽车跑车实测表演,代表们一致认为我校研制的系统已接近实用化,稍加改进即可投入使用,该系统居国内领先水平。系统由计算机、高速摄象机、汽车牌照检测器以及能对车速、车型、车位检测的单片机子系统等组成。能对通过检测站的车辆牌照进行实时检测、录取与识别。能检测车辆的车速、车型并对车型进行分类;能实时打印输出过车的时间、识别后的牌照     

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.     

车辆牌照识别技术的研究发展

车辆牌照识别系统即基于图像和字符识别技术的智能化交通管理系统,是智能交通系统的重要组成部分。通过对车辆牌照识别系统及识别技术的分析,总结出进一步研究车辆牌照识别技术的必要性,并提出将模板匹配与支持向量机相结合进行字符识别的算法思想。     

基于颜色与投影特征的车牌定位

车牌定位是车牌识别系统的关键技术。定位的准确与否直接影响车牌识别的结果。本文根据车牌的颜色特征和投影特征提出了一种综合颜色特征和投影特征相结合的定位方法,算法分为粗定位和精确定位。该方法较单一特征的定位方法有较好的通用性,可适应于不同背景、不同光照下的汽车图像,能够确定出车牌区域,准确率得到了较大提高。     

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.     

基于RBF神经网络的车牌自动识别系统设计与实现

车牌自动识别系统分为图像预处理、车牌定位、字符分割、字符识别4步.车牌准确定位是LPR系统中的关键,本文利用形态学变换对图像进行滤波聚类,HOUGH变换方法对车牌图像进行水平校正,基于RBF网络的方法识别字符.在DELPHI 7.0环境下设计开发的车牌自动识别系统,经检验取得满意的效果.     

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.     

Harris角点检测与AP聚类结合的车牌定位方法

在车牌识别系统中,车牌的准确定位是关键,针对车牌区域包含有比较丰富的角点,提出了harris角点检测与AP聚类相结合的车牌定位方法.该方法先采用Harris算法检测出车牌区域的角点,然后对角点进行AP聚类并剔除包含角点数较少的类以及远离类中心的离群点,最后进行区域合并,根据车牌区域宽高比识别车牌区域.实验证明该方法能够快速、准确定位出车牌区域.     

车牌识别系统中的图像预处理研究

车牌图像预处理是车牌识别系统中的一个关键步骤,预处理的结果直接影响后续的识别结果.先对彩色图像进行灰度化处理,再进行目标二值化、滤波,从而实现车牌的精确定位和字符分割.采用形态学细化算法对图像进行未完全细化处理,再用剥皮算法对其进行细微处理,最后得到比较好的车牌图像.仿真实验表明,提出的细化算法克服了传统算法中的缺点,...