车牌识别技术实现方法初探

现代智能交通系统把计算机视觉和模式识别技术应用到车牌识别技术领域中,车牌识别是指对已知车辆数字图像进行预处理、车牌定位、字符分割、字符识别的过程。车牌识别系统中的关键技术在于车牌区域定位技术和字符分割与字符识别技术,探讨了车牌识别过程中的常用方法。     

����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。     

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.     

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.     

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。     

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。     

基于视频列车车号识别系统的研究

提出了基于视频的铁路列车车号的识别系统,为铁路列车设计了一种全新的列车车号识别方法.系统通过对铁路现有设备的利用优化了列车图像的采集方法,同时提出用图像的色彩信息准确进行列车车牌图像定位分割和以像素面积原理为基础的搜索寻优进行列车车牌倾斜校正.在字符分割与识别部分使用了改善后的快速准确算法对列车车号进行处理.各个部分均采用改进了的针对性强、实用、快捷的算法和技术,完成了对列车车号识别的功能.     

车辆牌照自动识别系统的开发

车辆牌照识别是智能交通系统的重要组成部分，通过车辆牌照可以检索车辆的重要信息（监视车辆的违章和车辆缴费情况等）。开发研制了车辆牌照自动识别系统，该系统通过对车辆牌照定位找出车辆牌照位置，并对车辆牌照中的字符进行分割和匹配，从而识别出车辆牌照。实验表明该系统能够实时检测和识别车辆牌照。     

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.     

基于灰度形态学的车牌定位算法

根据车牌图像的统计特征,计算形态学滤波器的结构元素,进行图像背景估计;利用闭-开运算,处理残差图像;采用自动搜索种子区域填充算法,得到各个区域;根据区域的几何特征,判断是否为车牌区域;通过对二值化的车牌采用K-means聚类拟合直线方法进行倾斜校正,得到最终的车牌.实验结果表明:该算法简单、迅速,定位准确率高,为后继字符分割和识别奠定了基础.通过对120幅图像定位实验,总有效定位率为96.7%.用Matlab7.0实验时,每张车牌平均定位时间为2.438s,而用VC++实现时,平均定位时间仅为0.139s.