一种自适应车牌识别系统设计方法

基于多种格式车牌的共性,提取车牌图像的纵向边缘,然后根据车牌区边缘灰度跳变和边缘密度等特征,采用一系列步骤去除无效和干扰边缘,保留类车牌特征区域;通过横向形态学运算,使类车牌区闭合,有效克服了形态学结构元素难以随车牌大小变化自适应选取的问题.基于扫描线种子填充算法来搜索车牌区域,利用颜色信息进行反色判断,并基于边缘检测的方法来进行车牌区域二值化,利用形态学和连通域检测方法进行字符的精细切分.对实际场景中大量车牌样本加以验证表明,算法准确率高,对车牌大小自适应性良好,具有较好实用价值.     

神经网络与Zernike矩在字符识别中的应用研究

本文介绍了Zernike矩的理论,并将其与神经网络相结合,运用于字符图形的识别中去.并从理论和实验两个方面证实Zernike矩的识别效果优于空间几何矩.     

基于小波变换和DCT的字符图像特征抽取新方法

从特征矢量的不变性和抗噪性角度,提出了一种基于小波变换(WT)和离散余弦变换(DCT)的字符特征抽取新方法。利用圆周投影算法,把二维的字符图像转换为一维投影。基于WT和DCT的非线性变换,克服了因变形和噪声引起的一维投影的非线性变形失真。通过对识别不同大小、方向及噪声的字符仿真实验和不同特征抽取方法的对比实验,以及对工业标牌字符的识别,表明该特征抽取方法具有尺度和旋转不变性,有较好的抗噪声能力和很好的分类性能。     

基于边界查找车牌定位算法的研究

车辆牌照识别是实现现代交通管理智能化的一个关键环节,其中车辆牌照定位是实现这个环节中的核心技术。车辆牌照的定位是车辆牌照识别的前提和基础,因此车辆牌照的定位有着重要的意义,本文提出了一种基于边界查找的车牌定位算法,实验证明该算法不仅实时性强、稳定性高、鲁棒性好,而且计算量小,从而车辆牌照识别系统的整体性能在很大程度上得到了提高。     

改进遗传算法在车牌定位中的应用

为了更好地反映自然界的优胜劣汰,提出改进的遗传算法。在改进的交叉与变异运算中引入个体的适应度。把改进的遗传算法应用于车牌图像分割中,并根据车牌中字符分布的特点,利用车牌内部灰度值的变化频率实现车牌定位。实验结果表明该算法不仅可以获得较好的车牌分割效果,而且能提高车牌定位的速度。     

基于CCD和神经网络的LCD数显字符采集与识别

利用CCD对LCD数码显示字符进行采集,在分析图像处理和神经网络理论的基础上,采用网格法与交线特征提取法,对LCD数显字符进行识别,为具有LCD数显而与计算机无标准通信接口的仪器仪表设备提供一种实用的无线接口.实验表明,系统对LCD数显字符采集方便,识别率高,并且抗干扰能力强.     

一种基于距离相似性度量和HMMs的字符识别方法

为了能够综合利用隐马尔可夫模型(HMMs)分类器在分类过程中能够得到的多种信息,提出一种基于距离相似性度量对HMMs后验概率进行调整的方法,将样本相似性与HMMs后验概率有机地结合起来进行识别.在分类过程中,采用距离相似性度量来描述待识别样本与模式类标准样本间的相似性,然后采用归一化距离相似性度量对后验概率进行适当调整,最后用调整后的概率进行分类.实验结果表明:与标准的HMMs识别方法相比,改进后的方法能够在计算量增加很小的情况下,较好地改善系统的识别精度;系统性能的改善效率在1.1～6.5间.     

车牌字符识别技术的研究与实现

设计了一种机动车牌照的自动识别解决方案.对车牌图像的预处理中,提出了一种新的基于非线性均值边缘检测算法,通过大量实验,该检测算法处理后的图像能更好实现车牌的定位与字符分割.在识别系统中,为了更准确地识别字符,使用两种特征提取法提取字符特征,设计了两级分类器对字符进行逐个识别.实验结果表明,这种识别方法具有良好的识别效果,具有较大的实用价值.     

基于聚类分析的车牌定位算法的研究

提出一种基于数学形态学和均值聚类的实时车牌定位算法,将边缘处理与聚类分析相结合,得到车牌字符的垂直边缘信息,然后通过数学形态学运算处理,结合车牌的多个特征对车牌进行定位,试验证明,该算法准确率高,抗干扰性强.     

基于小波变换的字符图像分割

为了消除明暗不均等低频干扰的影响,将字符成功地从车牌图像中提取出来,提出了基于小波分解的车牌图像分割方法,根据干扰信号与字符信号属于不同频域的特点,利用小波的时频局部化分析能力,在保留字符信息的同时滤除或抑制低频干扰成分。首先采用逐行逐列扫描的方法对图像预处理后的图像进行车牌定位,再利用基于小波变换的阈值分割法对车牌进行字符分割。