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．     

小波技术在车牌识别中的应用

详细论述了车牌识别技术的原理和常用方法,叙述了车牌识别过程的特点和难点,并针对上述情况,提出了利用小波技术可以解决车牌图像预处理、图像分割和字符识别等过程的理论依据。同时,以字符识别为例给出了以小波变换为核心的算法。     

牌照自动识别系统在高速公路收费中的应用

牌照自动识别系统在高速公路收费中具有防止车辆换卡逃费,辅助车型分类,杜绝收费人员舞弊,自动放行,提高通行能力,减少通行卡投资以及满足车道监控需要等作用。牌照自动识别系统采用车牌号码匹配和车牌图片匹配两种方法对出入口的车牌进行匹配识别。安装在出口的车牌自动识别系统首先根据通行卡中的车牌号码识别结果进行车牌号码匹配,判断出入口是否为同一车辆。当车牌污损严重而无法识别时,出口车牌自动识别系统将根据出入口的车牌图像来进行图片匹配,判断出入口是否为同一车辆。     

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。     

基于串行分类器的车牌字符识别

在特征提取的基础土,对采用Bayes分类器和支持向量机的车牌字符识别方案进行比较,提出在Bayes分类器的基础上,再利用支持向量机对Bayes分类器不易区分的车牌字符进行识别的二级串行分类器融合的改进方案,在一定程度上既克服了Bayes分类器对车牌字符识别率低的问题,又解决了支持向量机识别速度慢的问题,可满足车牌字符识别实时性和高识别率的要求。     

基于串行分类器的车牌字符识别

在特征提取的基础上,对采用Bayes分类器和支持向量机的车牌字符识别方案进行比较,提出在Bayes分类器的基础上,再利用支持向量机对Bayes分类器不易区分的车牌字符进行识别的二级串行分类器融合的改进方案,在一定程度上既克服了Bayes分类器对车牌字符识别率低的问题,又解决了支持向量机识别速度慢的问题,可滿足车牌字符识别实时性和高识别率的要求。     

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。     

一种新的车牌图像自动识别系统

通过分析国内外图像自动识别系统在交通管理中应用的现状，指出了现行各种自动识别系统所采用技术方案的优缺点，提出了一种新的车牌图像自动识别管理系统，并对其中图像定位和字符分割核心技术的研究进行了分析比较，提供了在复杂图像中如何进行图像识别的研究新思路，使其在实践中能得到广泛应用．     

采用分段分形维数识别车牌字符

研究了在小波多尺度分解情况下，采用分形维数描述车牌字符特征，并在分区情况下计算出典型车牌字符的分段分形维数。发现小波变换能获取丰富的车牌字符特征，采用分段分形维数描述车牌解决了单一维数描述车牌字符时，有些字符维数相差太小，导致阈值难以选取的问题。结果表明，小波分形方法是研究车牌字符识别的有效的新方法。     

复杂背景下的汽车牌照自动识别系统

本分析了目前存在的车牌自动识别系统及其相应的问题，同时提出了一种在多分辨率下串行运算的金字塔结构的车牌自动识别系统。该系统由两个重要步骤组成：(1)结合数学形态学的字符笔画分析的车牌定位算法，(2)分析类字符连通域的字符切分算法。通过大量的实验证明该方法准确率高，鲁棒性好，速度快。用1013幅图像对该系统进行测试，正确率为95．27％，平均处理一幅图像只用0．49秒。     

����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。     

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.     

基于多层前馈神经网络的车牌提取方法

文中提出一种采用三层前馈神经网络提取车牌的方法。该方法是一种基于纹理分析的图像分割算法,适合于彩色及灰度图像。实验表明,该方法能准确地提取图像中的车牌。     

PCNNģ����ϲ������Ż�������ͼ��ָ�

脉冲耦合神经网络（PCNN）具有良好的图像分割特性,但神经网络参数的选取对分割效果有较大影响,如何自适应地选择网络参数是脉冲耦合神经网络应用研究的重要内容.本文首次从脉冲耦合神经网络的耦合特性出发,结合神经计算原理及图像局部区域的灰度特性,提出了脉冲耦合神经网络耦合参数的优化算法.首先利用Hebb学习规则对脉冲耦合神经网络模型的链接权值矩阵进行更新,然后利用图像局部区域的均方差自适应确定神经元链接强度系数,最后将优化的PCNN模型应用于运动车辆图像分割.通过耦合参数的优化,增强了神经元之间的耦合强度,与传统PCNN的车辆分割结果相比,较好地避免了过分割和欠分割现象,提高了运动车辆图像中车牌区域的分割质量,为后续车辆特征的提取奠定了良好的基础.     

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。     

车辆牌照相似字符识别研究

车牌识别（License Plate Recognition,简称LPR）作为智能交通系统中的核心技术,受到国内外科研学者的广泛关注。其中相似字符的识别是车牌识别的关键技术之一,也是提高车牌识别率的重要途径。     

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.     

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。