基于模板匹配方法的不均匀照度车牌图像识别

为了快速准确识别不均匀照度车牌图像,提出一种基于改进的顶帽重构和模板匹配方法车牌识别算法。首先,使用灰度级顶帽重构进行预处理,增强图像的细节信息,减弱环境和光照等条件变化对车牌字符信息的干扰。然后,使用改进的投影分割法对二值车牌图像进行分割,提取字符图像。最后,对不同地点、不同自然条件下采集的图像进行测试,测试结果证明该算法性能优异。在此基础上,设计了一种基于字符图像全局重合度的模板匹配函数,对字符样本图片进行测试,测试结果证明该匹配函数准确可行且性能良好。     

基于投影图像分布特征的车牌定位算法研究与实现

汽车牌照的自动定位是智能交通系统中的重要组成部分之一，是实现车牌识别（LPR）系统的关键一步．针对不同背景和光照条件下的车辆图像，提出了一种先利用扫描行跳变点数据得到图像的水平投影图，再通过突出图像列的边缘特征得到垂直投影图从而提取出车牌的方法．理论分析及实验结果表明该方法是非常有效的，准确率高、鲁棒性好，具有较好的实用价值．     

基于改进二维离散小波变换的多车牌定位

针对复杂背景提取多个车牌的问题,提出一种改进的二维离散小波变换的多车牌定位方法。根据小波多尺度分解的特性,对图像进行二维离散小波变换,获得一系列小波低频信息图,与原图像做线性差值,获得车牌字符的细节特征;然后根据二值化图像中车牌字符与背景的差异产生灰度跳变,粗定位车牌在图像中的行位置,缩小车牌定位的查找范围;最后,在粗定位的小范围图像中,利用颜色特征和形状特征精确定位所有车牌。研究结果表明:改进的二维离散小波变换图像相比传统的二维离散小波变换图像,灰度均值、标准差和平均梯度提高近一倍,有效获取原图像的边缘信息缩小多车牌位置;多车牌定位方法可以达到98.96%的准确定位率,平均用时328 ms,能够准确、快速定位多车牌。     

基于边缘检测及数学形态学的快速汽车车牌定位

车牌定位是汽车牌照识别系统的重要环节,定位的准确性直接影响车牌识别的准确率.文章研究了利用图像边缘及数学形态学的快速汽车车牌定位方法,首先将彩色图像灰度化,并利用Sobel算子进行图像边缘提取,然后运用数学形态学算法对二值图像进行处理,得到几个车牌候选区域,最后利用连通区域的长宽比,面积比及车牌字符水平分布特征等来准确定位车牌.实验表明,这一方法能快速准确地实现车牌定位.     

����ͼ��ֱ��ͼ�ij���ͼ���ֵ�������о�

在基于数字图像处理的车牌识别技术的研究过程中,因为车牌定位和字符分割一般都是基于车牌区域的二值化结果进行的,因此对图像的二值化是非常关键的一步,二值化的效果直接影响到后面的车牌定位以及字符分割。二值化最主要的是阈值的确定,文章对比了几种常规的车牌图像全局阈值二值化处理算法,并重点分析了最大类间方差法和KSW 最大熵法的基本原理和微机仿真结果,发现用于车辆图片是这些方法不够理想,然后提出一种新的方法—基于图像直方图波形分析的车牌图像二值化处理算法,经过大量试验证明该算法在进行车牌图像二值化处理时效果非常理想。     

基于主动学习AdaBoost算法与颜色特征的车牌定位

人工选取少量的车牌区域和非车牌区域,采用积分图法快速提取Haar-like扩展特征,构成初始训练样本.使用AdaBoost算法训练样本产生一个初始分类器,经过主动学习过程,产生一个用于车牌检测的强分类器.利用Cascade结构检测法进行车牌的粗定位,通过提取边缘颜色对,对候选区域进行验证,实现车牌区域的精确定位.对不同光照条件及车牌污损等复杂情况下的车牌图像进行了定位测试.测试结果表明:车牌的粗定位率和精确定位率分别为98.3％、97.1％,平均定位时间小于0.1s,因此,该方法有较好的车牌定位效果和定位准确率.     

基于均值聚类的车牌定位技术研究

采用强制综合聚类中心的均值聚类思想对车牌图像进行区域分类,在HLS颜色空间下,利用数理统计的方法得到聚类颜色中心,并对目标图像进行强制聚类,以最终获得只包括车牌四种颜色的待处理的图像,然后利用形态学、人工神经元网络等技术对车牌进行车牌识别.该方法在实践中进行了验证,比基于二值化和灰度化处理思路的定位效果更好,能对多种不同环境下的拍摄的车牌进行有效的识别.     

Android平台下基于OpenCV的车牌号识别技术

针对车牌识别算法在手机上应用的需求越来越迫切的问题,提出一种基于OpenCV的车牌号识别方法,并在Android平台下实现.该方法由两部分构成:其一为单一的车牌图像识别,分为图像获取、图像预处理、车牌定位、字符分割和字符识别等过程;其二为自动筛选识别结果,即连续拍摄图像并识别,通过其结果的一致性和匹配度自动选择最佳结果.经实测和分析可知:该方法在主流手机上处理速度可达到20帧/ms;影响识别率的主要因素是车牌污损和拍摄角度偏差;在实际环境中识别率可达90%以上.研究结果表明,该方法具有较高的实时性和识别率,可适用于在运动过程中进行车牌识别的场景.     

一种噪声车牌的模糊预处理方法

本文提出了一种车牌模糊预处理方法,主要用于解决现场车牌图像模糊不清、对比度不强,以及传统二值化方法带来的噪声、粘联、变形等不理想现象。通过采用模糊增强技术采增强车牌图像的对比度,便于后续的分割、识别等操作;并提出应用模糊c均值算法采确定车牌图像二值化中的聚类阈值,从而实现对车牌图像的二值化,并将二值化结果与传统的Otsu二值化方法进行了对比。实验结果显示,应用本方法处理车牌噪声和粘联等情况具有较好的优越性。     

车牌定位的一种神经网络方法

汽车牌照自动识别（LPR）是ITS中的一项关键技术。对实时采集的图像，能自动地提取车牌照信息，有利于快速、高效进行车辆监控和管理，真正实现交通管理的智能化。而车牌定位又是车牌识别的必要的先决条件，直接影响LPR的成功与否。针对国标GA36—1992，结合图像的边缘特征，给出了一种快速可行的车牌照定位方法，供同行们参考。     

车牌自动识别系统设计与实现

车牌自动识别分为图像预处理、车牌定位、字符分割、字符识别四步。利用形态学变换对图像进行滤波聚类,HOUGH变换对车牌图像进行水平校正,BP神经网络的方法进行字符识别,最后基于DELPHI7．0环境下设计开发了车牌自动识别系统。     

基于视觉注意机制 PCNN 模型的车牌 图像分割方法

车辆图像中车牌具有所占比例小、位置不固定、大小不一,以及分割易受光照影 响的特点.因此,车牌图像的分割始终是车辆跟踪、车辆识别等领域中的难点问题.针对以 上问题,本文提出了基于视觉注意机制脉冲耦合神经网络模型的车牌图像分割方法.该方 法将视觉注意机制中的数据驱动模式和任务驱动模式相结合. 数据驱动模式中,通过对 PCNN 模型细胞感受野功能的完善,使优化 PCNN 模型具有了尺度性和方向性.任务驱 动模式中,针对不同尺度的分割,利用组合不变矩和局部灰度熵,自适应地确定目标的特 征尺度和最佳尺度,并确定该目标最终的分割结果.经实验验证,该方法对车牌图像具有 较好的分割效果.     

基于汽车底部阴影特征的快速车牌定位算法研究与仿真

提出了一种结合车底部阴影的梯度特征寻找并确定可能存在车牌区域,然后利用车牌先验知识排除不含车牌的错误区域,再根据我国车牌类型特征与比例特征初步分割出小范围车牌区域,并利用Soble算子进行边缘检测,最后结合数学形态学进行快速精确定位。实验结果表明,该方法能够快速,实时有效的检测出车牌所在位置。     

字符特征的可分性量化分析

选择字符识别的特征时要进行特征的可分性量化分析．文中分析了5种在汽车号牌识别中用到的字符特征提取方法,进行了可分性测度量化计算．采用主成分分析法对特征降维处理,可以简化可分性测度的计算,使结果更加直观清晰．测度图谱的表示方法,能较好地对字符特征进行确定及取舍．采用其中3种特征的组合,即有较好的可识别性,又可降低计算工作量．     

车辆牌照自动识别系统中的字符分割技术

车辆牌照定位以后,需要进行字符分割,以便系统自动识别。介绍了一种基于阈值化与投影法的分割技术,详细阐述了车牌图像归一化、域值化和字符分割的具体过程,算法简单实用,经过实验验证,可以满足实时自动识别系统的要求。     

车牌识别的分布式结构处理方法研究

提出了一种车牌识别的分布式结构处理方法,能合理利用车牌识别系统的资源,提高车牌识别系统的识别效率,适合于多车道大流量的实际交通系统。对车牌识别系统在交通系统的应用和推广具有重要意义。     

畸变汽车牌照图像的空间校正

首先针对我国汽车版照的常规模式，提出了用Hough变换提取牌照边框参数的方法，进而求得汽车牌照四边形区域4个顶点的坐标，并且给出了利用对极坐标参数表示的直线进行Hough变换的具体途径。然后，根据畸变牌照的4个顶点和归一化汽车牌照图像的4个顶点之间的一一对应关系，求解双线性空间变换方程，进而对畸变图像进行校正。最后给出了一种图像毛刺的剔除方法。实验表明，本文介绍了的方法对畸变牌照图像的归一化可以取得良好的效果。     

基于车牌照数据的通勤特征车辆识别研究

近几年来,交通拥堵日益成为大中城市最严重的交通问题之一,而由通勤行为 引起的早晚高峰交通拥堵最为突出,严重影响了城市居民的出行和交通系统的运行.因 此,本文从车辆的角度出发,采用上海快速路牌照识别系统采集数据,通过k-means 聚类 数据挖掘方法,提取路网中的通勤特征车辆,并分析了通勤特征车辆在路网中的出行时 空分布.分析得出,在上海快速路网中,占全部检测车辆2.8%的通勤特征车辆在早晚高峰 时提供了高达36%的交通量.在早高峰时段,识别出的通勤特征车辆主要分布路段为中环 外圈、陆家嘴方向、逸仙高架和沪闵高架;晚高峰时段,基本集中在与早高峰的相反方向. 研究结果表明,本文基于车牌照数据的数据挖掘方法,可以有效地提取通勤特征车辆并 研究其出行行为的时空特征,能够为城市交通拥堵问题的缓解和交通需求管理政策的提 出提供辅助决策信息.     

复杂背景下多目标图像分割方法研究

真实路况中的运动车辆图像进行图像分割时,图像中往往存在多个车辆车牌信息,且这些车牌信息具有尺度不一,位置随机等特点,加之光照及复杂背景的影响,如何兼顾多个车辆车牌的分割效果是车辆检测和跟踪领域亟待解决的问题.为了解决这类工程应用中的问题,需要在尺度空间下对多目标图像进行分析.因本文在前期多尺度分割模型的基础上引入视觉注意机制,利用不变性特征实现多目标的定位及最优分割尺度的选取.经大量实验测试结果表明,该算法较好地实现了图像中多个车牌图像的分割并且具有较好的分割效果.