基于投影特征和先验知识的车牌字符分割算法

在车牌字符分割中由于泥尘、边框、铆钉、间隔符和车牌倾斜等因素影响,字符分割往往不准确甚至错误,针对这些问题提出了一种基于投影特征和先验知识的车牌字符分割算法。该方法先利用水平投影进行水平初分割,再利用垂直投影特征结合先验知识进行垂直分割,最后采用局部投影法实现水平精分割。实验表明该方法可较好的解决以上问题,分割准确率高且速度快,具有较强的实用性。     

车牌识别算法的研究与实现

介绍一种基于KL变换的车牌识别算法。算法主要由车牌分割和车牌字符识别组成。车牌分割算法利用车牌的纹理特征和形状特征来定位车牌，并采用投影的方法和先验知识实现车牌的倾斜校正和字符切分；车牌字符识别算法采用一种最优变换，KL变换来提取字符图像的特征值和特征向量，并通过计算待识别字符与各样本字符特征值的欧氏距离来实现对该字符的分类。试验结果表明此方法是正确的。     

基于纹理特征的低照度环境下车牌定位与识别算法

在深入分析低照度环境下车牌图像特征的基础上,提出一种低照度环境下的车牌识别算法。该算法利用车牌区域水平灰度投影具有的显著纹理特征寻找车牌可能存在的区域作为车牌候选区。然后根据候选区域中的灰度分布特征确定最终的车牌位置。针对汉字与字母数字的结构上的差异,分别采用2种模板对汉字和数字字母进行了识别。对157张低照度条件下的车牌抓拍图像进行了算法测试。结果表明:提出算法的车牌定位准确率为97.46%,字符分割准确率为97.10%,字符识别准确率为94.71%,基本满足了实际工程需求。     

基于投影二分法的车牌字符分割方法

在车牌字符分割中,传统的投影法对车牌图像质量的要求较高,受噪声影响较大,易造成分割字符的粘连与断裂,在一定程度上影响了车牌的识别率.针对传统投影法的不足,文章提出了一种基于投影二分法的字符分割算法,该方法能快速有效地把车牌字符准确地提取出来.实验结果表明,该方法抗干扰能力强,能有效地抑制字符的粘连,减少字符的断裂,车牌识别准确率高.     

一种基于纹理分析和投影法的车牌定位方法

针对现有车牌定位算法在复杂背景和不同光照条件下很难快速、准确地定位汽车牌照位置问题,提出了一种基于纹理分析和投影法的车牌定位方法。该方法利用车牌区域字符丰富的纹理特征和投影统计规律对车牌位置进行粗、精两次定位。实验表明在不同光照、不同车型和不同背景条件下,该方法定位速度快、准确率高,具有较高的实用性。     

复杂背景下基于形态学的车牌识别系统

车牌识别(LPR)是智能交通系统中的一个重要研究课题。本文提出了一个在高速公路复杂背景下,基于形态学的车牌定位和识别系统,它包括图像垂直边缘检测,边缘密度图生成,图像二值化和膨胀,连通域分析,车牌定位,基于先验知识的车牌字符分割和车牌字符识别。在实验中,使用高速公路上采集的9825幅图像数据库来做测试,车牌定位率为98 1%,车牌识别率为89 2%。所以说,本系统具有很好的应用前景。     

基于图像处理的车牌识别系统设计

本论文提出了一种基于图像处理的车牌识别系统设计,系统分为三个部分,第一部分,对采集的图像进行灰度化,图像平滑,边缘检测等操作以进行预处理。第二部分,对预处理后的图片进行车牌定位,并作倾斜矫正。最后使用卷积神经网络,对车牌字符分割后提取出来单个字符的结果进行识别。     

基于垂直投影法的涉车案件车牌字符分割研究

由交通事故引起的纠纷、停车场管理困难、车辆的丢失等社会性问题,以及随之引发的各类违法犯罪行为,给公安工作带来很多压力。促进智能交通系统日常化成为政府工作的重中之重,目前的车牌自动识别技术日趋完善,但算法的设计思路不尽相同,本文以车牌为研究对象,在分析车牌结构及型式特点的基础上,利用计算机图像处理技术,构建了车牌图像分割框架,建立了车牌图像灰度化、中值滤波、边框去除等预处理算法及基于垂直投影法的车牌图像分割模型,应用MATLAB集成了车牌图像分割系统。通过实际应用,本文建立的车牌分割具有较高质量的分割效果,且鲁棒性较强,为实现车牌自动识别提供了技术支撑。     

复杂背景下的多车牌定位技术研究

针对竖直边缘检测的车牌定位方法在多车牌定位中的梯度分割阈值的问题,提出一种改进的阈值选取方法。即先将图像进行区域划分,然后采用区间梯度均值和Otsu阈值的平均值作为新的阈值来分割区域图像。该方法对车牌污染、车牌远近不一致等情况具有良好的适应性。同时,针对从车牌候选区域中去除伪车牌的问题,提出了利用新的主连通域分析的方法和颜色、宽高比等特征来从候选区域中正确提取多个车牌的方法。该方法能够较好地去除复杂背景下的类似于车牌背景的颜色伪车牌,以及和车牌字符有着相似纹理特征的伪车牌。测试结果表明,该方法车牌定位率超过97.3%,去除伪车牌后的车牌定准率超过88.5%,同时在时间上能够较好地满足实时路况中准确定位出车牌的需求。     

基于神经网络的隧道行车车牌识别技术研究

针对隧道环境下高速行车的车牌识别问题,提出使用红外摄像机采集监控视频,背景重建法进行车辆信息检测;采用Canny边缘定位算子与形态学结合的方法确定图片的车牌区域、投影法和固定边界法相结合的方法进行字符分割、引入特征提取与BP神经网络相结合进行字符的识别,提取车牌信息;并通过改进BP神经网络的学习方法来提高字符的识别速度。项目研究运用Matlab进行了大量车牌图片的样本实验,以验证此算法车牌识别的速度、准确率。     

一种基于模板匹配的车牌识别方法

提出了一种基于模板匹配的车牌识别方法，可不需分割车牌中的字符而有效识别实际系统中低质量和模糊的车牌图像中的字符，识别率可达95%，识别时间不超过1s。     

基于红外光源的驾驶员眼睛特征提取

驾驶员疲劳与精神分散是引发夜间行车交通安全事故的主要因素之一,驾驶员服睛位置的快速准确定位是利用视觉方法对驾驶员的夜间驾驶状态进行监测和预警的前提。文中利用Otsu阈值方法分割驾驶员人脸,根据分割后的二值化图像进行水平和垂直方向投影确定人脸位置,并在可靠定位人脸区域的基础上,建立了眼睛位置检测的感兴趣区域。采用Harris角点特征提取的方法在感兴趣区域内进行眼睛位置的快速有效定位。实验结果表明,该算法具有很好的可靠性和实时性,为后续夜间驾驶员状态研究奠定了良好基础。     

基于边缘生长的车牌定位新方法

采用一种新的边缘生长算法提高车牌字符边缘检测的准确率。通过采用灰度局部方差极大的原则以边缘生长的方式检测边缘,实验结果显示该算法检测边缘的速度快,轮廓非常清晰。边缘生长结束后,通过分析边缘的几何特征确定其是否是车牌字符的边缘,最后利用字符与车牌之间的位置关系,准确地定位车牌。采用该算法的车牌定位程序在IntelPIV计算机上的平均运行时间只有100ms。     

A Multi-license Plate Location Algorithm for Vehicle Sequential Images

针对序列图像的多车牌定位问题,提出了一种综合车牌特征与梯度分析的定位算法.该算法使用灰度均衡化与中值滤波算法对图像预处理来消除噪声,利用测试样本图像提取出若干有效的车牌参教作为定位系统的输入,实现了全自动定位车牌的目的.并引入MGD梯度分析方法辅助边缘提取算法来提取车牌候选区域,利用HSV颜色模型,使用主颜色分析方法分析候选区域,并通过车牌字符纹理分析方法做进一步的判断.使用Hough轮廓检测方法计算非文本区域块的直线斜率.该算法定位效果较好,鲁棒性强,有很好的工程应用推广价值.     

一种基于模板匹配的汽车牌照识别方法

受天气、光线等因素的影响，易造成车牌图像灰度不均匀，在车牌图像上部产生阴影，章提出了一种消除阴影的预处理方法。即采用模板匹配完成字符识别，设计字符提取算法，使字符提取和识别同时进行，避免了字符的单独分割。针对一些易混淆的字符，构建神经网络，提高字符的识别率。测试结果证实了本方法的有效性。     

基于灰度投影的驾驶员图像眼睛定位

眼睛位置的快速准确定位是利用视觉方法对驾驶员的驾驶状态进行监测和预警的前提。采用一种基于灰度特征投影的方法进行眼睛位置的有效快速定位。在利用皮肤颜色YCrCb空间分布二维高斯模型可靠定位人脸区域的基础上，建立了进行眼睛位置检测的感兴趣区域，最后分别对灰度图像和二值化图像进行水平和垂直方向灰度投影确定眼睛位置。实验结果表明，该算法具有很好的可靠性和实时性，为后续驾驶员状态研究奠定了良好基础。     

一种车牌定位算法的实现

车辆牌照的自动识别是智能交通系统中的一项重要技术,而车辆牌照的定位又是车牌识别的关键点之一。文章依据二值化图像中车牌区域跳变频率高的事实,提出一种算法来确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照。实验结果表明本算法处理速度较快、便于实现。     

基于数字图像处理对汽车牌照自动识别系统的研究

以快速准确识别汽车牌照号码为目的,在充分利用数学形态学与多特征组合分析相结合分析的基础上,运用灰度变换、边缘检测、Radon变换、投影特征等图像处理方法,分车牌检测、字符分割、字符识别三步实现汽车牌照的识别,处理过程中考虑并解决了现实拍摄图像中存在的牌照倾斜等不利条件,用MATLAB软件对这些算法进行仿真,经过对多幅图像的处理实验表明,该系统识别速度快,识别率高。     

一种基于垂直字符边界特征的车牌定位方法

提出了一种基于垂直字符边界点特征的车牌定位方法，该方法能有效定位车牌，定位精度高达９８％，定位时间不超过２ｓ，并能有效地克服光线和天气条件等影响。     

基于场景分类及灰度跳变的车牌定位方法

车牌定位是自动车牌识别系统实现的关键。提出一种基于场景分类及灰度跳变的车牌定位算法。该算法对彩色图像进行场景分析,将图像分类为白天场景类或夜晚场景类。这两类场景的字符与背景的灰度跳变值不同,一般白天场景类的灰度跳变值较大,夜晚场景类的灰度跳变值较小。利用不同的灰度跳变值快速提取出几块车牌候选区域,对不同的场景用不同的方法最终选取一块区域。实验结果显示本文提出的方法对图像场景分类准确率达到98.2%,车牌定位的准确率达到98.5%。