共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
通过OpenCV机器视觉库技术与Python开发平台对车牌识别进行了研究与分析,该车牌识别系统主要由图像预处理、车牌定位、字符分割与识别等部分组成,实验表明该系统具有良好的识别效果。 相似文献
4.
本文详述了用灰度阈值分割和梯度差对车牌进行分割处理的过程,介绍了灰度阈值分割理论以及梯度算法,并用于车牌的识别检测中,有效地分割目标和背景,实现了车牌的准确定位。 相似文献
5.
车牌自动识别系统是一种利用车辆的动态视频或静态图像从而进行车牌号码自动识别的模式识别技术,是计算机视觉技术与模式识别技术相结合的技术领域。本文应用图像处理技术对车牌进行定位、获取字符,对字符进行分割,利用神经网络识别技术来对车牌字符进行识别,从而达到较好的自动识别效果。 相似文献
6.
7.
8.
车牌定位是车牌识别中的重要步骤,针对汽车图像的复杂背景和不同环境光条件,提出了一种分层次的车牌定位方法。该方法将图像进行分层次分割,不断减少分析的范围。它先定位出车牌候选区域的上下和左右边界,得到多个车牌候选区域,再从中挑选出车牌区域,实现了车牌的准确定位。实验结果表叽该方法定位准确率高,运行速度快,并且具有很强的鲁棒性。 相似文献
9.
近年来随着国民经济的蓬勃发展,国内高速公路、城市道路、停车场建设越来越多,对交通控制、安全管理的要求也日益提高.因此,汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义.论文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究. 相似文献
10.
一种新型的基于数学形态学和颜色特征车牌定位算法 总被引:4,自引:0,他引:4
在分析了车牌定位现有算法优缺点的基础上,本文提出一种新型的综合利用车牌纹理特征、颜色特征和几何特征的快速定位算法.该算法利用数学形态学充分挖掘车牌纹理特征以及消除噪声干扰.把图像分割为若干子区域,利用纹理条件和颜色条件判断,对各子区域进行独特的分类和聚类融合,最终由粗至细精确地定位出车牌所在位置,为后续车牌字符的分割识别步骤打下良好基础.实验结果表明,对于各种情况下的车牌图像,该算法都能有效地对车牌进行定位,具有定位准确率高,运行速度快,抗干扰性强的特点. 相似文献
11.
《科技通报》2017,(4)
针对当前车牌识别系统中图像分割方法应用单一,适用范围窄的问题,提出了综合应用多种图像分割方法的算法。车牌识别系统分为车牌图像预处理、车牌定位、字符分割、字符识别四个步骤。首先运用投影算法,把输入的原始车牌彩色图像转换成灰度图和二值图,并实现车牌位置的初步定位;其次运用OTSU算法,实现车牌的精确定位,并获取车牌的灰度图数据;然后运用动态自适应算法对车牌灰度图进行二值化;最后根据车牌的几何特征,对车牌字符进行分割及归一化处理。通过对4000张不同环境下车牌图片的测试,表明本处的算法可以成功的实现车牌定位及字符分割,具有较强的适应性,对后续的字符识别起到了重要作用。 相似文献
12.
《黑龙江科技信息》2016,(10)
目的:基于粗糙集的车牌字符识别技术的研究。方法:通过粗糙集的理论知识的利用以获取约简能力,同时通过神经元网络的学习及泛化能力,并将粗糙集、神经元网络和模糊逻辑技术进行相互结合,进而构造出一个可以处理含糊和不确定性车牌字符的识别系统。结果:80幅车牌图像中共计560个字符,其中汉字12个、字母14个、数字7个均被误识,另有2幅车牌定位和分割的不成功,使14位的字符识别失败,因此,本组车牌字符识别成功率为91.6%(513/560)。结论:此项车牌字符识别技术既简化识别系统的整体结构,又提高了模糊识别的泛化能力,可有效减少工作量并提高抗干扰性及车牌的准确识别率。 相似文献
13.
车牌定位是车牌识别技术的第一个关键技术,定位的准确与否直接影响着车牌识别的准确率。本文对目前存在的车牌定位算法进行探讨,希望能找出各种算法的优缺点,以便在现实中能更好的运用各种算法,更好的为应用服务。 相似文献
14.
车牌定位是车牌识别技术的第一个关键技术,定位的准确与否直接影响着车牌识别的准确率。本文对目前存在的车牌定位算法进行探讨,希望能找出各种算法的优缺点,以便在现实中能更好的运用各种算法,更好的为应用服务。 相似文献
15.
16.
车牌定位技术是车牌识别技术中最重要的部分,根据车牌区域字符的特点,提出了一种综合纹理分析和梯度特征的车牌定位方法.利用车牌字符的纹理特征提取出可能存在车牌的区域,再利用车牌字符和背景梯度的差异性进一步过滤掉由于背景原因产生的伪车牌区域,进而准确定位出真正的车牌区域.实验结果表明该方法运算量小,对复杂背景车辆图像有很好的定位效果,具有较好的应用性. 相似文献
17.
本文将TMS320C54XX作为核心器件用于车牌自动识别系统中,完成车牌图像的采集、数字图像的处理、提取车牌信息并针对提取的特征对字符进行识别。首先分析了车牌识别系统实现的背景。接着对车牌识别过程中所涉及的边缘检测、字符分割、大小归一化等一系列数字图象处理技术进行进一步的详细分析。最后选取最适合的网格特征提取法,以此为基础进行模扳匹配,最终识别出车牌号码。本文采用DSP作为核心处理器来完成识别过程的算法。 相似文献
18.
根据车牌区域的灰度分布特征,提出一种定位车牌区域并进行字符分割的新方法。该方法先利用车牌区域灰度分布特征,对车辆图片进行粗定位并得到车牌上下边界;再根据车牌区域字符紧密性特征,利用垂直投影方法初步得到车牌的左右边界;然后根据字符宽度和间距进一步修正车牌的左右边界,最后根据字符宽度和间距的比例进行字符分割。经实验证明,该方法具有在复杂背景下适应性好、抗干扰、实时性好、定位精确等特点。 相似文献
19.
20.
实现车牌识别与字符分割,需要进行图像预处理、车牌区域分割、车牌字符分割和数据库字符匹配等操作。基于MATLAB软件,在图像预处理方面,调整图像大小后获取其B分量图;在车牌区域分割方面,利用Ostu法获取阀值后转化为二值图,然后形态学处理去除小面积的区域,再利用Regionprops函数获取二值图上值为1的区域左上坐标,可得到车牌区域;在车牌字符分割方面,将车牌区域图像转化为二值图,闭运算连接字符间的间隙,再利用Regionprops函数实现字符分割。 相似文献