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。     

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.     

车牌自动识别系统设计与实现

车牌自动识别分为图像预处理、车牌定位、字符分割、字符识别四步。利用形态学变换对图像进行滤波聚类,HOUGH变换对车牌图像进行水平校正,BP神经网络的方法进行字符识别,最后基于DELPHI7．0环境下设计开发了车牌自动识别系统。     

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。     

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。     

基于均值聚类的车牌定位技术研究

采用强制综合聚类中心的均值聚类思想对车牌图像进行区域分类,在HLS颜色空间下,利用数理统计的方法得到聚类颜色中心,并对目标图像进行强制聚类,以最终获得只包括车牌四种颜色的待处理的图像,然后利用形态学、人工神经元网络等技术对车牌进行车牌识别.该方法在实践中进行了验证,比基于二值化和灰度化处理思路的定位效果更好,能对多种不同环境下的拍摄的车牌进行有效的识别.     

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．