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。     

基于多分类器--并行计算的车牌识别算法

针对已有车牌识别中技术存在的不足，提出了一种多分类器——模板匹配和神经网络并行计算的识别算法，这一方法对于汉字、英文和数字混杂、数字的识别，分别采用粗分类和面向汉字的双进程计算方法、面向字母的双进程计算方法、简单的数字神经网络方法。这些方法的采用可以缩小检索范围，充分利用模板匹配和神经网络算法各自的识别优点，提高车牌字符识别准确率，并进一步提高运算速度。     

基于卷积神经网络的双行车牌识别系统

目前,车牌识别发挥在众多应用程序和许多技术已经提出。但是,他们中的大多数可以仅适用于单行车牌。在实际应用程序方案,也有现有的许多多行车牌。传统方法需要对双行车牌的原始输入图像。这是一个非常复杂场景中的难题。为了解决这个问题,我们建议一个端到端的神经网络为两个单行和双行车牌识别。是的原始输入车牌图像的分段。我们查看这些整个图像作为一个单位在要素映射后直接深度卷积神经网络。大量的实验表明我们的方法是有效的。     

基于小波变换的车牌图像检测定位算法研究

在讨论二维二进可分离小波及图像小波去噪的基础上，研究一种基于小波变换并结合其他多种图像处理方法的车牌图像检测定位的算法。实验表明，该算法对含噪的车牌图像能较好地完成检测定位。     

基于Hough变换的车牌倾斜检测算法

典型的角度检测算法是进行Hough变换后寻找最长直线的倾斜角度．一般情况下，待处理图象中未必有明显的较长直线．甚至存在一些对图像进行正确检测的长直线干扰。章介绍了一种基于统计考虑的数据分析思路，以期在基于Hough变换的角度检测算法上取得更高的准确性。     

基于纹理特征和彩色特征的车牌定位算法

车牌定位是车牌自动识别系统的关键。提出了一种以纹理特征为主要手段，以彩色特征为辅助手段的多特征定位算法，对不同背景和光照条件下的各类车牌图像进行了实验，结果表明该算法是一种可行的方法。     

基于Delphi的车牌识别研究

介绍了基于delphi图像处理的车牌识别的流程,提出了去除噪声、RGB到HSL空间转换、二值化、Hough变换和8方向Sobel检测等研究方法,实验表明取得了满意的结果。     

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。     

基于卷积神经网络算法的混凝土桥梁裂缝识别与定位技术

无人机技术的进步与高性能计算机的出现,促进了桥梁结构智能化检测的发展。为了实现对无人机获取的大量照片的自动化处理,提出了一种基于计算机视觉的混凝土桥梁裂缝识别与定位技术。以卷积神经网络为核心算法,构建相应的数据库,通过对现有方法的改进,提出一种混凝土桥梁裂缝高效识别的技术。用于检测桥梁裂缝的卷积神经网络架构由3组卷积与池化层、两组Dropout与全连接层组成,算法测试集准确率为93.6%。结合卷积神经网络与滑动窗口算法,搭建相应的数据库与网络架构,提出一种混凝土桥梁裂缝准确定位的技术。结果表明,本文所提出的混凝土桥梁裂缝识别与定位技术,计算效率较高,准确度较好,可以直接应用于识别由无人机拍摄得到的桥梁裂缝照片。此项技术加速了识别速度且具有较高的准确率,为智能化、自动化检测桥梁病害奠定了良好的基础。     

基于特征的车辆牌照定位算法

车辆牌照定位是车辆牌照识别中的重要步骤，文章针对车图象的复杂背景及非均匀的光照条件，提出了一种基于特征的车牌实定位算法。实验结果表明，该处一位准确率较高，鲁棒性较好。     

基于弹性模板匹配和并行神经网络的车牌字符识别

研究了现有的字符识别方法．通过算法改进和优化组合．提出了一套分级处理的车牌字符识别方案,将基于弹性穿线的模板匹配和并行BP神经网络识别方法有机的结合起来,在充分发挥神经网络高识别率优势的基础上,极大的提高了识别速度。     

一种基于边缘颜色的彩色车牌定位算法

为解决车牌识别中车牌定位问题,根据车牌局域颜色变化、车牌宽高、车牌中字符数及车牌中字符颜色变化等特征,提出了基于边缘颜色的车牌定位算法;通过实验,证明了该算法能够有效地克服光线和天气变化的影响,具有很强的抗干扰性能、定位精度高达98.4%.     

车牌识别系统中智能算法应用研究

章介绍丁利用车牌的纹理特征和区域形状特征检测车牌区域情况。为提高区域检测的正确性，利用新的改进的主动轮廓模型。利用先验知识确定精确的车牌边界。在精确的车牌区域中切割出车牌中的单个字符，最后利用支持矢量机对字符进行分类识别。     

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。     

基于FCM和组合神经网络的车牌汉字字符识别方法

提出了1种组合神经网络结构的车牌汉字识别方法,主要从特征选取和分类器设计2方面研究车牌汉字字符识别,识别系统由2层神经网络组成,应用FCM算法对汉字进行粗聚类,聚类结果作为后续网络的先验知识,产生网络训练目标,采用LVQ网络进行粗分类,通过BP网络进行细分类。该种分层结构缩减了待识别模式的搜索范围,克服了传统单层识别系统识别率不高和组合网络粗分类率低的缺点。实验结果显示,本方法的识别率高,识别效率较好。