张晓[1]2005年在《汽车牌照识别技术的研究与实现》文中研究说明汽车牌照自动识别系统的研究与开发一直是现代化交通发展中倍受关注的问题,也是制约交通系统智能化、现代化的重要因素。本文在分析目前有代表性的车牌定位和识别方法以及图像处理技术的基础上,研究了车牌自动识别的各项关键技术,包括汽车图像预处理、车牌定位、车牌字符分割和字符识别,设计并实现了一个车牌自动识别原型系统。汽车图像的预处理是车牌定位与识别中最关键的一步。本文在对大量图片进行各种综合处理的基础上,总结出将图象进行灰度化、灰度拉伸、中值滤波的预处理方法,很好地消除了图象的噪音,强化了纵向纹理区域;通过对车牌特征和定位技术的深入研究,提出了基于纹理特征和垂直投影法的车牌定位方法,能够很准确地搜索到车牌区域;基于车辆牌照的一些结构特点及先验知识,完成了基于投影直方图的车牌字符分割;最后,又提出了一种车牌字符识别方法,包括针对汉字的模板匹配法以及针对字母和数字的多分类器融合的字符识别方法。实验数据表明,本系统能较准确地定位、分割车牌并进行识别。同时也说明了把多种图像的预处理与识别技术有机结合起来可以提高系统的识别能力,在有效、实用原则的基础上不仅可以提高汽车车牌上汉字、英文字母和数字的识别率,而且适合我国目前交通汽车业的现状,因此具有很好的研究和开发价值。
龚小兵[2]2006年在《基于BP神经网络的车辆牌照自动识别系统的研究》文中认为汽车牌照自动识别系统是目前交通部门十分重要的科研项目之一,在交通部门的违章检测(电子警察)、高速公路自动收费和智能停车场管理等方面有着广阔的应用前景。从实际场景中切割出来的出牌图像,伴随着很多随机性干扰,所以处理时要尽量降低噪声的影响。车牌识别的难点在于倾斜校正和模糊识别。本文针对这些问题都提出了相应的处理方法。 本文主要研究的是车牌的自动识别系统,具体包括车牌图像的预处理、车牌字符分割和车牌字符的识别叁大块内容。 车牌的预处理包括去噪、增强、二值化、背景色的统一和倾斜校正等过程。预处理的难点在于倾斜校正,本文采用改进的Hough算法能准确地校正车牌图像的倾斜度。同时,针对车牌图像的预处理对灰度图像可以达到较好的处理效果,而且在一定程度上解决了由于外界光照而造成的车牌图像对比度低的问题。 车牌字符分割的难点在于噪声和字符粘连、断裂等对分割的影响,本文采用对车牌区域垂直投影,同时利用回扫和车牌图像本身的特点,引进的先验知识不受字符的粘连和断裂的影响,有较好的分割效果。 车牌字符识别的难点在于受摄像机的性能、车牌的整洁度、光照等因素的影响使车牌字符出现较严重的模糊、缺损或污染,因此要求算法有较强的容错性和鲁棒性。本文采用改进的BP神经网络模式识别技术作为识别的方法,以车牌字符作为识别对象研究在干扰情况下的车牌识别问题。 本文第一章介绍了智能交通管理系统和车牌自动识别系统的发展和现状;第二章简单讲述了车牌自动识别系统的工作原理和工作流程;第叁章、第四章中分别探讨了系统工作的两大模块:车牌字符的提取和识别。车牌的多样性、车牌图像质量的不稳定和车牌中各类字符的存在,使得这两个模块的实现成为整个车牌识别系统的重点和难点。文中详细阐述了基于先验知识的反馈式定位、基于模板匹配和指标最优的切分、基于特征和树分类器的字符统计识别等策略,并给出了一些实验结果;第五章介绍了车牌识别系统的实现。结束语中给出了一些性能指标及技术参数,并对以后的工作进行了展望。
马腾飞[3]2007年在《汽车牌照定位与字符分割算法的研究》文中研究指明智能交通系统中，通过计算机自动识别出汽车牌照的车辆牌照识别系统，具有重要的现实意义。如高速公路收费，车辆检测，停车场监控与管理，路面行驶车辆监控等。本文对车辆牌照识别系统中汽车牌照的定位以及字符分割算法进行了深入研究，具体包括以下内容：车牌定位算法的研究。先对图像进行了预处理，包括RGB图像的灰度化、灰度拉伸，然后给出了基于边缘检测的字符竖向纹理分割方法。该方法利用车辆牌照的边框、字符与背景形成的较强边缘，对车辆牌照进行定位，同时利用牌照的几何特征结合预选区内部象素的分布特征来进行候选车牌区域的判断，实现了各类牌照的准确分割。实验表明这种方法定位准确率高，运行速度快。车牌预处理方法的研究。首先通过对现有车牌二值化方法的分析，结合全局阈值及局部阈值二值化算法的优缺点，给出了基于CASDA与Bernsen的二值化改进算法，实现了对车牌图像进行快速有效的二值化处理。针对不同颜色车牌在应用Hough变换方法时难以取得正确的角度的问题，本文给出了基于边缘检测的车牌校正方法，对车牌图像进行倾斜校正。车牌字符分割算法的研究。根据车牌字符的排列规律和字符的几何特征，本文给出了基于投影的字符分割改进算法。该方法首先采用行扫描及投影的方法来去除车牌边框的干扰，然后针对垂直投影法中难以解决的字符粘连及字符断裂现象分别提出了解决方法，引入窄字符及宽字符的概念对字符块区域进行分类处理，实现了车牌字符的准确分割。实验表明这种方法运算速度快且分割效果好。本文算法对车辆牌照在车辆图像中的位置没有限制，对牌照的倾斜、变形等情况有较强的抗干扰能力，对于外界光线强度和图像对比度的变化有较强的适应能力。
段红[4]2007年在《基于图像识别技术的智能交通监控系统研究》文中进行了进一步梳理随着我国国民经济的高速发展,汽车数量大幅度的增加,国内高速公路、城市道路、停车场等设施越来越多,对交通控制、安全管理的要求也日益提高。在国内外,智能交通系统(ITS)已成为当前交通管理发展的主要方向,而图像识别技术作为智能交通系统的核心技术之一,是智能交通系统的重要前沿研究领域,起着举足轻重的作用,它的广泛应用必将有助于我国交通管理自动化的进程。论文致力于解决智能交通监控系统中因天气、光照、路况所造成的车牌模糊现象的车牌识别问题,以使得识别设备具备更强的环境适应性。车牌识别主要包括车牌图像的预处理、车牌区域的定位、车牌字符的分割和识别四大块内容。在图像预处理环节中,首先对图像进行增强,然后提出一种基于小波分析和遗传算法的去噪方法,对图像进行了去噪处理,取得了较好的效果,为进一步的处理作好了准备;在车牌定位环节中,提出了一种基于小波高频部分重构获取边缘信息,再根据投影特征进行定位的方法,取得了理想的定位效果;在车牌字符分割环节中,提出了一种基于改进的Snake模型的字符分割的方法,解决了粘连字符的分割问题;在字符识别环节中,为了提高识别率,分析车牌字符的分布规律将字符识别系统分为四个子系统,采用了一种基于模板匹配的改进AdaBoost算法的字符识别方法。它不仅继承了传统AdaBoost算法的识别率高、识别速度快等优点,针对AdaBoost算法的退化现象,根据样本在权重上的分布情况,对权重进行适当的调整,解决了经典AdaBoost算法中存在的退化现象。同时,为了实现系统的高度智能化和小型化,提高系统的性价比,论文采用高性能的DSP取代传统的PC作为核心处理器,设计了一种基于DSP的智能交通监控系统,并详细地对其硬件实现的各个环节做了介绍。在硬件开发平台上,对论文采用的算法从图像预处理到字符分割,进行了实验验证,取得了满意的效果。
李娜[5]2006年在《基于牌照识别的高速公路自动收费系统》文中进行了进一步梳理目前各国高速公路收费方式很多,人工收费、计算机管理通行卷、磁卡收费、红外收费等。这些方式都有其缺点,例如容易发生费用流失、车辆堵塞,而且收费车道数量较多、收费广场占地面积大、成本较高。高速公路若采用自动收费系统,可以使人工车道收费过程完全自动化,并大大提高公路的通行能力和服务水平,有效地减轻收费站上工作人员的劳动强度和改善工作环境。 本论文设计了一种基于牌照识别的高速公路自动收费系统。它是一个以特定目标为对象的专用计算机视觉系统,该系统运用计算机视觉、图像处理技术、模式识别、人工智能技术,对摄像机等设备所捕获的特定车辆图像进行处理,能够实时准确地自动识别出车牌的数字、字母及汉字字符,并以计算机可直接运行的数据形式给出识别结果,使得车辆的电脑化监控和管理成为现实。 为了实现车辆牌照的字符分割,先去除边框和铆钉,然后根据提取出的车牌图像和车牌字符大小的先验知识,提出了利用投影法粗分割字符。然后,用基于轮廓投影的分裂算法对粘连字符进行细分割,获得了较好的实验效果。 为了实现车辆牌照的字符识别,根据车牌字符的分布情况,同时为了提高识别速度,采用了基于细化图像的改进Hausdorff距离的模板匹配。先对字符图像进行细化处理,消除由于笔划粗细不一对字符匹配造成的影响。然后把待识别图像和存放在数据库里的模板逐个计算Hausdorff距离,当距离最小时,对应的模板字符就是识别的结果。最后还要针对其识别结果做出进一步分析,从而保证得到较高的识别率。
邢法玉[6]2008年在《数字图像处理技术应用于汽车牌照识别的研究》文中指出交通信号自动控制系统、GPS车辆定位及导航系统、智能交通监控系统、智能小区管理系统等智能交通系统(Intelligent Transportations System(ITS))在交通管理中日益发挥重要作用。由于牌照是确定汽车的有效手段,因此,汽车牌照识别系统(Vehicle License Plate Recognition System(VLPRS))在智能交通管理中发挥着基础性的作用。针对当前道路交通管理的现状,本文研究了汽车牌照自动识别的问题,设计了一个汽车牌照识别系统,初步实现了系统中的关键部分。该汽车牌照识别系统主要由五部分组成:图像采集输入、图像预处理、汽车牌照定位、字符特征提取、字符识别。图像采集输入模块主要由硬件构成,寻觅采集图像的时候,实时拍照并将图像传送到图像处理模块。图像预处理、汽车牌照定位、字符特征提取、字符识别模块主要由软件实现,完成牌照定位和牌照识别的任务。为了快速高效的开发出模块原型,该模块主要由Matlab实现。在图像预处理过程中,本文采用了全局动态阈值法中的迭代法进行二值化;增加了基于数学形态学的汽车车牌照图像滤波,减小了图像中颗粒状噪声的干扰;同时利用Canny算子和哈夫变换法对倾斜的牌照图像进行角度纠正,使得牌照信息突出,提高系统的识别率。对汽车牌照定位,先根据车牌区域频率变化的特点,用扫描线方法得出车牌区域的水平定位,再对分割出来的车牌图像所在的水平区域进行垂直投影,以该投影图为基础结合由经验所得到的车牌区域灰度变化的频率信息再次借助水平扫描线进行牌照的垂直定位,从而最终完成牌照的完整定位与分割。最后是汽车牌照识别部分,主要是对通过汽车牌照预处理及定位与分割后的图像进行识别,从而得到汽车牌照号码输出。包括字符特征库的建立、特征值的提取、字符的判断等主要过程。本部分主要技术点是采取了基于K-L变换的字符识别。通过实验验证,整个系统的识别正确率达到87.9%,满足实用要求。
贡丽霞[7]2010年在《车牌识别系统中的牌照定位及倾斜校正技术研究》文中研究表明汽车牌照识别系统是以汽车牌照为特定目标的专用计算机视觉系统,主要由车牌图像采集、车牌识别、数据库管理以及网络数据传输四个部分组成。车牌识别模块的软件部分又分为叁个子模块:车牌定位、字符分割和字符识别。本文结合数学形态学方法对车牌定位算法和倾斜车牌校正算法进行了系统的研究。首先详细介绍了对车牌图像进行预处理的相关技术与方法,本文将得到的车牌定位图像进行了灰度化处理,并用灰度分段线性变换来增强图像对比度;利用改进的Otsu法将灰度图像转换为二值图像;采用改进的抗噪膨胀型算子进行边缘检测,从而得到较好的边缘图像;并用形态学滤波平滑图像,使用这些技术方法可提高该系统的准确率。车牌定位是车牌识别系统处理的第一步,定位的准确与否直接关系着车牌识别的成败。首先利用数学形态学边缘检测的方法对图像进行预处理,然后采用数学形态学方法进行粗定位,形态学的开运算和闭运算去除噪声,最后根据投影法确定车牌边界,从而去掉车牌的边框和上下铆钉,进而实现车牌的精确定位。仿真实验结果表明,此算法不仅定位精度高,运算简单,而且能够有效地滤除噪声,在准确率上基本满足要求。车牌图像的校正是车牌识别中的重要环节之一。本文根据Radon变换思想,对叁种倾斜方式提出了相应的校正方法。首先用数学形态学的方法对车牌图像进行边缘检测;然后利用Radon变换检测车牌倾斜角度,对水平方向进行旋转无损校正,对垂直方向进行双线性插值错位偏移校正。实验结果表明该方法是快速有效的。本文是通过Matlab编程来实现车牌的定位与倾斜校正的,对实际获取的车牌进行了实验,获得了令人满意的结果,为后续的字符分割及识别创造了条件。
俞宏军[8]2005年在《汽车车型与牌照识别系统的研究与实现》文中研究表明高速公路收费系统是高速公路管理系统的重要组成部分,也是智能交通系统中的一个重要分支。本文通过对高速公路收费系统中的汽车车型和牌照识别系统的深入研究,对系统中图像预处理、特征提取和识别方法等进行了算法设计与实现。在分析了现阶段多种车型自动识别的基础上,设计了红外探测器+压电传感器的复合式车型识别系统。在该系统中,采用了压电传感器来实现对车辆轮数、轴数的测量,并采用单列的垂直摆放的红外探测器测量车高,使系统大为简化。 为了进一步提高车辆识别的准确率,同时设计了汽车牌照识别系统。在该系统中,利用模糊模板匹配法对牌照区域进行定位,该方法依据牌照区域边缘丰富的特点进行区域搜索,定位准确;探讨了字符识别的预处理方法;采用了轮廓投影的方法来切分字符;采用了线性插值法来克服由于对字符进行归一化时造成的马赛克现象;并且针对汉字,数字和字母的笔划疏密不同,采用了两种不同的字符尺寸;考虑到车牌字符的汉字,字母及数字的排列顺序,采用了优先级的办法进行匹配识别。 最后,提出了车型识别结果和牌照识别结果的融合模型。该融合模型提高了车辆识别的准确率,保障了不停车收费系统运行的可靠性。
邵玉芹[9]2007年在《图像处理技术在车牌识别中的应用研究》文中认为随着计算机技术的快速发展，基于计算机的图像处理和分析技术也获得了飞速的进步。图像处理技术已进入了各个不同的领域，得到更加深入和广泛的应用。但是在具体工程实践应用中，由于具体问题的不同，图像处理技术目前尚没有统一的算法来解决实际问题，所以其运用仍存在着一定的限制。因此对具体问题的研究和解决方案的提出仍然是一个及其具有挑战性的课题。目前，图像处理技术的应用研究已经成为科学界的一个重要研究领域。本文在分析图像处理技术理论的基础上，以车辆牌照为研究对象，主要研究如何通过图像的预处理、车牌的定位、车牌字符切分和字符识别等一系列过程，以完成汽车牌照的识别。本文的主要工作是分析了车辆图像处理的方法，对现有的各种牌照预处理算法和定位算法进行了深入的分析和比较，并在此基础上采用了一种根据字符竖向纹理特征的牌照定位算法，实现了牌照的准确、快速定位；研究了车牌图像二值化、图像的边缘检测、图像分割、图像平滑和图像增强标准化算法，对带有倾斜的牌照采用边缘检测和Hough变换相结合的方法有效的区分了不同种类的车辆牌照，并利用投影法结合牌照先验知识给各个字符区域进行了标号；引入字符窄区域概念，将字符区域进行分类处理，提高了分割的准确性；利用特征匹配法，通过分析字符的结构特征或各种统计特征，来设计各种分类器，对切割出的车牌字符进行识别。本文使用在各种实际交通环境下拍摄的车牌图片对上述算法进行了试验，试验结果表明本文设计的车牌处理算法一方面提高的车牌处理的正确性，另一方面在一定程度上减少了车牌处理时间，因此更加适合应用于实际的车牌识别系统中。
黄有金[10]2005年在《汽车牌照自动识别技术的研究与实现》文中研究说明汽车牌照自动识别技术在许多领域都有着广泛的研究和应用价值,本文详细讨论了汽车牌照自动识别系统的具体结构。一个完整的汽车牌照自动识别系统由以下四部分组成:车牌图象捕获、车牌区域的定位与分割、车牌字符分割、字符识别。车牌图象捕获:车辆图像的捕捉与获取是汽车牌照识别的第一步,是后端处理的前提,获取图像质量的好坏直接影响到后端图像处理和识别的效果,可见,图像获取部分在整个系统中的地位是非常重要的。本文提出了基于单片机控制的动态车牌捕捉系统,该系统可以全天候图像采集,并获得比较清晰的图像。车牌区域的定位与分割:本文提出了一种基于颜色聚类的车牌分割新方法,根据颜色的视觉一致性,采用了Munsell颜色系统的NBS颜色距离的概念对色彩进行聚类,对于聚类后的图像,又采用不同的结构元素,再进行一系列的数学形态学运算以及根据中国车牌的几何特征从而准确定位出车牌的位置并加以分割。车牌字符分割:首先对车牌图象进行预处理,它主要包括车牌图象的二值化、归一化、滤波、旋转校正;然后依据汽车牌照的先验知识和牌照图象的二维直方图利用投影法分割字符。字符识别:根据国内车牌字符集的特点分别应用矢量量化(VQ)算法和应用K-L变换算法对车牌字符进行识别,并就两种不同识别方法的实验结果进行探讨和分析。
参考文献：
[1]. 汽车牌照识别技术的研究与实现[D]. 张晓. 吉林大学. 2005
[2]. 基于BP神经网络的车辆牌照自动识别系统的研究[D]. 龚小兵. 武汉理工大学. 2006
[3]. 汽车牌照定位与字符分割算法的研究[D]. 马腾飞. 山东科技大学. 2007
[4]. 基于图像识别技术的智能交通监控系统研究[D]. 段红. 安徽理工大学. 2007
[5]. 基于牌照识别的高速公路自动收费系统[D]. 李娜. 河北工业大学. 2006
[6]. 数字图像处理技术应用于汽车牌照识别的研究[D]. 邢法玉. 中国海洋大学. 2008
[7]. 车牌识别系统中的牌照定位及倾斜校正技术研究[D]. 贡丽霞. 中北大学. 2010
[8]. 汽车车型与牌照识别系统的研究与实现[D]. 俞宏军. 长安大学. 2005
[9]. 图像处理技术在车牌识别中的应用研究[D]. 邵玉芹. 合肥工业大学. 2007
[10]. 汽车牌照自动识别技术的研究与实现[D]. 黄有金. 东南大学. 2005