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。     

基于Matlab数字图像处理的车牌定位方法

通过彩色图像灰度化、最佳阈值法对图像进行二值化,改进的中值滤波策略对图像去噪,小波融合技术等对图像进行预处理。从而提高图像质量。利用改进的边缘检测的方法对预处理后的图像进行定位,并运用数学形态学的知识筛选车牌区域。结果证明,该定位方法取得了较好的效果,可为车牌图像的准确识别奠定基础。     

道路交通噪声对城市居民影响的模糊评价

利用模糊数学理论建立了道路交通噪声对城市居民影响的评价模型，从道路交通噪声的客观实测量和噪声引起的居民主观反应两个方面进行评价．将道路交通噪声级、主观烦恼度和噪声对居民睡眠、思考、语言的干扰程度作为评价因素，从而全面反映道路交通噪声对居民的实际影响程度，并通过实例对评价模型的运用进行了说明．     

一种车牌自动识别系统的设计方案

通过对设计的车牌自动识别系统的组成、作用、原理进行分析。介绍了系统的图像采集、车牌定位、车牌字符识别和数据库管理等几部分的设计要求和方法．该系统可用于停车场、收费站、交通路口等场所．     

道路交通噪声对城市居民影响的模糊评价

利用模糊数学理论建立了道路交通噪声对城市居民影响的评价模型,从道路交通噪声的客观实测量和噪声引起的居民主观反应两个方面进行评价.将道路交通噪声级、主观烦恼度和噪声对居民睡眠、思考、语言的干扰程度作为评价因素,从而全面反映道路交通噪声对居民的实际影响程度,并通过实例对评价模型的运用进行了说明.     

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。     

基于Canny算子边缘检测的车牌图像增强方法

提出一种基于Canny算子的车牌边缘检测技术,该技术优点是适用于不同场合并且它的参数允许调整以便于识别不同的边缘特性,尤其适合车牌数字这样具有封闭特性的图像;其缺点是在实时图像处理时速度比较慢。     

用于振动噪声分析的模糊神经网络故障诊断测试仪的研制

以８０Ｃ１９６ＫＢ为核心，基于模糊神经网络的多功能便携式振动噪声分析仪对振动和噪声信号检测，在复数范围内进行１０２４点浮点快速付立叶变换，从而得到被测信号频谱图，通过对传统谱图分析，提出一种简单，有效的分析方法，并与神经网络和模糊理论相结合，用已建立的模糊神经网络对谱图进行模式识别或故障诊断。     

基于分类预处理的协同供应商模糊综合评价

供应商优选是供应链协同管理和供应链竞争力的内在要求。对定性指标采用梯形模糊数处理,并对所有指标进行分类预处理,实现无量纲化并避免设计隶属度函数;构建模糊互补矩阵时对定性指标采用两两比较法,对定量指标采用模糊一致判断矩阵元素与权重之关系式,以提高定量指标数据的区分精度;从而,构建基于梯形模糊数及模糊一致矩阵的协同供应商模糊综合评价方法。案例计算表明,该评价方法对定性指标和定量指标的处理技术更加科学客观,比传统模糊评价方法更合理,能为供应链协同管理中供应商选择提供科学的决策支持。     

车辆号牌识别率合理评价

车辆号牌识别率关系到交通信息采集中车牌识别的精确度,本文把车牌识别的过程近似地抽象为贝努利试验,据此提出了一种实际检测车辆号牌识别率的应用方法.     

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.     

基于色彩分割与体态纹理分析的车牌定位方法

本文提出了一种基于色彩分割、体态分析及数学形态学纹理分析的车牌定位方法．该方法利用车牌与背景的色彩特征,在HSV(Hue,saturation,value)空间内根据车牌颜色的三分量取值范围和色彩距离阀值进行色彩分割以初步过滤背景．对分割后得到的与车牌底色相符合的连通区域再根据车牌体态特征和车牌字符纹理特征,应用数学形态学处理及连通域体态分析等手段,逐步过滤干扰区域,最终定位正确的车牌位置．该方法充分考虑了车牌与背景的色彩、体态及纹理特征的差别．实验证明在复杂背景下具有很强的适应性与鲁棒性．     

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.     

˽������������ӵ���շѵ���������Ч���о�

作为中国唯一实施私车牌照拍卖的城市,上海的先行实践和示范效应十分巨大.政策实施二十余年来,随着本地牌照拍卖价格不断走高,选择外地牌照的人数逐渐增加,政策绩效面临衰减的局面.本文以博弈论为工具,分析了牌照拍卖政策绩效流失的根源,研究了拥挤收费作为综合配套政策的可能效果.研究发现,如果对外地牌照拥车者征收拥挤费,高时间价值者会提前出行以规避收费,而低时间价值者留在道路上.进一步,在序贯博弈下,更多的人会选择本地牌照,道路拥挤仍旧不可避免.因此,一个可行的拥挤收费方案是,通过设置不同费率对不同牌照实施差别化收费,以弥补当前政策下相对通行权不对等问题.     

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。     

车辆牌照自动识别中的一种新算法

机动车是现代交通运输中的一种重要工具,而车牌是车辆的身份证,是车辆的唯一标识,对车辆具有非常重要的意义.车牌识别技术是现代交通运输中的关键技术之一.在车牌识别系统中,根据车牌字符的分布特征,提出了投影与车牌尺寸先验知识相结合的车牌字符分割算法,该算法对图像中字符断裂和字符粘连的现象进行了有效的针对性处理,提高了字符分割的正确性,对牌照的正确识别起到至关重要的作用     

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.     

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。