利用数学形态学实现车牌的快速定位

本文主要针对车辆图像中的车牌区域定位问题进行研究分析。首先介绍了数学形态学,随后根据车牌的整体和局部特征,对基于数学形态学的车牌定位方法进行研究分析,并对其加以改进,实现了车牌的快速、准确定位。     

基于嵌入式Linux的莫尔斯码报务实训系统设计

介绍一款基于嵌入式Linux平台的莫尔斯码报务实训系统。该实训系统具有收发报功能,并且将识别判断的结果显示到硬件设备上的LCD显示屏上。同时采用了等距离判定法和递减的修正因子的方法来动态的计算判定阈值,实现了莫尔斯码的识别速度、准确性和适应性之间的平衡。在程序中自适应的莫尔斯电码的识别的过程由3部分组成:点划码识别、自适应处理和字符识别。系统同时还提供了练习功能以及训练文本编辑等辅助功能。     

基于SVM的车牌字符分割和识别方法

文章研究了车牌识别系统中的字符分割和识别技术.提出一种投影法粗分割结合先验知识后处理的字符分割方法,该方法简单、容易实现,取得了很好的分割效果.对于字符识别,本文采用SVM(Support Vector Ma-chine)方法,并根据车牌字符特征将子分类器分为四组,提高了识别率、缩短了训练时间,实验表明,用该方法识别车牌字符具有较高的识别率和识别速度,并避免了神经网络局部极值等问题.     

基于图像分解的车牌定位算法

针对车牌图像背景复杂和定位准确率低的问题,提出基于图像结构纹理分解的车牌定位方法。将图像中的小尺度细节分到纹理图,车牌部分划分到结构图,从而去除噪声,再结合边缘检测和形态学方法对结构图进行车牌定位。结果表明,该方法可以显著提高车牌定位的准确率。     

基于边缘检测的车牌识别算法的实现

针对传统车牌识别的不足,本文提出了基于边缘检测的车牌识别的算法.该算法首先对摄像头获取的车牌图像预处理,去除图像无用信息,然后运用Robert算子检测车牌边缘,并对车牌区域进行图像较正,用高斯滤波法去除噪声并且提取车牌信息特征,接着对车牌区域水平和竖直方向运用触点定位法分割字符,对车牌分割后与相应字符模版匹配,利用预测模型预测识别结果,最后识别出车牌字符.     

一种基于分级神经网络的车牌字符识别新方法

为了进行车牌字符的有效识别,提出了一种分级径向基函数神经网络的车牌识别算法,识别网络由两级构成,一级径向基神经网络用于汉字、字母、混合和数字的粗分类;二级子网用于对字母网络、混合网络和数字网络内部易混字符再进行精确识别。实验结果表明,提出的方法有效地提高了识别的精度,而且平均运行时间减少。     

基于Boosting算法的车牌汉字识别

对AdaBoost算法作了详细的分析:AdaBoost是一种有效的分类器组合方法,他用某个分类算法生成一系列的基分类器,每个基分类器的训练依赖于在其之前产生的分类器的分类结果,基分类器在训练集上的错误率用于调整训练样本的概率分布,最终分类器通过单个基分类器的加权投票建立起来。最后将该算法应用于车牌照的汉字识别,对识别效率有大幅度提高。     

一种基于OpenCV的高效车牌识别系统实现

提出一种基于SVM(支持向量机)和ANN(人工神经网络)的车牌定位与识别算法,并使用OpenCV库有效实现。首先将灰度空间和HVS色度空间进行结合,在Sobel边缘提取基础上,进行自适应阈值下的二值化处理,通过对轮廓外接矩形的面积和长宽比初步定位车牌位置,然后利用SVM线下学习的方法更加精确的定位车牌位置。并采用寻找连通域有效外部轮廓的方法进行字符分割,最后对汉字位置、英文位置、数字位置和英文数字混合位置分别使用ANN方法进行字符识别。实验证明,该方法定位准确率和字符识别率高,可以有效应用于多种场合。     

基于特征点的汉字字体识别研究

该文提出了整体分析法和个体分析法的概念,并在分析它们各自适用范围的基础上,指出个体分析法更适合于解决印刷体汉字字体识别。在此基础上,提出一种基于特征点的个体分析法来解决汉字字体识别问题,与以往方法相比,该方法具有3个优点：识别可信度可控;处理速度快;适用于多语混排情况。实验结果表明,该方法有效解决了印刷体汉字字体识别问题,其性能大大优于以往方法。     

SVM在车牌字符识别中的应用

采用支持向量机方法实现车牌字符识别.根据车牌字符排列特征,构造了汉字、数字、字母、数字 字母4个最佳分类器,通过车牌字符的序号对每个字符进行对应识别,再将识别结果组合得到车牌号码.实验结果表明该方法具有较高的车牌字符整体识别率,达到了98.33%,识别时间仅为15ms,能够满足实际应用.