王义兴[1]2008年在《机动车辆牌照识别系统的研究》文中提出机动车辆牌照识别系统是智能交通应用领域的重要研究课题之一,牌照定位、字符分割和字符识别是此系统中的叁个主要组成部分。本文在分析和研究了当前车辆牌照识别系统的研究现状和发展的基础之上,提出了一种应用于此系统的技术解决方案。该解决方案提出了基于颜色搭配和纹理特征的牌照定位方法、基于图像处理的的字符分割方法以及基于BP神经网路的字符识别方法,这些方法的应用有效地提高了牌照识别系统的实时性、准确性、适应性和应用价值,拓展了其实际应用范围。牌照定位是牌照识别系统中的关键技术,目前在多数牌照定位方法中考虑到了牌照的颜色和纹理特征,但对不同环境的适应性不强。为解决这方面的问题,文中从机动车牌照具有固定颜色搭配的特点和丰富的纹理特征出发,提出了一种牌照定位新算法,实现了车辆牌照的精确定位。算法中采用了BP神经网络获得强适应性的HIS颜色空间牌照颜色识别方法,并且只在边缘点邻域内实现颜色空间转换运算,极大地缩减了定位周期,提高了定位准确率。在字符分割阶段,为了提高字符的分割有效性,首先对彩色牌照进行了一系列的图像预处理操作,并结合字符颜色特征、字符的有效像素密度以及字符的宽高比等特性实现了候选字符区域的标定。然后,依据不同类型牌照上字符的分布特点和字符特征,采用水平直方图投影的方法成功地区分出了单行/双行字符牌照,增强了对多种类型牌照的字符分割的适应性。字符识别是影响整个牌照识别系统性能的最后一个环节。文中首先依据字符在牌照上的分布特点,将这些字符分为四种类型,并采用逐像素扫描的方法进行了特征提取。然后,根据不同类型的字符构建了与之相应的BP神经网络字符识别子网络结构,成功地实现了牌照字符的高准确率识别。经过实验表明,本文提出的关于机动车辆牌照识别系统的技术解决方案,能够在复杂的环境和不同光照条件下快速地实现不同类型牌照的准确识别,具有实际应用和推广的价值。
范焱[2]2009年在《可配置的机动车牌照识别系统》文中研究说明机动车辆牌照识别是现代智能交通中应用最广泛的一门技术。近年来关于车辆牌照识别系统的研究方法种类很多,也达到了很好的效果。但是对于多种格式的牌照的通用性不太好,造成了重复开发。而且解决车牌图像中的噪声和字符粘连等问题也一直是研究的重点。本文开发了一种可配置的车牌识别系统,它能通过定义斜角、行数、模板参数、字符样式等4个因素,适应不同类型的车牌。整个机动车辆牌照识别系统由基于边缘检测的车牌定位、基于模板匹配和连通性分析的字符分割和基于人工神经元网络的字符识别叁个部分组成。车牌定位算法采用的是垂直Sobel算子边缘检测,针对边缘检测后图像中干扰边缘的噪声影响,加入了区域生长,剔除了一些离散的边缘。车牌字符分割算法中,利用车辆牌照的标准格式这一先验知识,首先对字符分布区域进行粗分割,一定程度上解决了仅用连通分量提取对字符粘连抗干扰性差的缺陷。在字符识别算法中,采用了典型的叁层BP神经网络,提取基于灰度值的字符结构特征作为字符的特征,并根据车牌格式将识别系统划分为包括标志、数字和英文字母的识别子系统,减少了分类的数目,提高了识别速度。用实时采集的车牌图像进行实验,实验结果表明,本系统识别的准确率高,速度快。
戚飞虎, 叶芗芸, 李卫东, 孙晓阳[3]1997年在《机动车辆自动识别收费系统》文中认为介绍了一个机动车辆自动识别收费系统，该系统采用计算机图像分析和识别技术以及人工智能、人工神经网络等先进技术对通过车辆进行牌照和车型的识别。现场实用结果表明该系统已基本达到实用化技术指标。
樊剑剑[4]2010年在《江西省吉安县智能交通电子警察系统设计》文中进行了进一步梳理随着我国经济的快速发展,汽车的拥有量急剧增长,加强交通管理,减少交通事故已经成为社会问题。在这种背景下,智能交通系统(Intelligent Transportation System,简称ITS)逐渐发展起来。“电子警察”系统是ITS中的一部分,主要用于道路交通违章的抓拍与处理,是交通管理工作中的必备装备,它无需交通警察值班看守,能够自动记录数据,信息存储容量大,管理方便。本文介绍了电子警察系统的研究现状及发展趋势,论述了本系统的设计思想、特点、各组成部分的构成和功能,对线圈检测系统、闯红灯抓拍系统、车牌号码识别等关键技术进行了详细的说明,对闯红灯错拍、误拍进行了分析,并提出了解决方法。目前,该系统已在江西省吉安县等县市安装使用,系统运行稳定,得到了当地交管部门的认可,使用价值较高。
卢吉国[5]2012年在《车牌识别系统研究》文中研究指明随着社会经济的不断发展和人们生活水平的日益提高,全社会对于交通运输的需求逐渐增大,而智能交通系统(ITS)在交通监管、控制及车辆管理等方面起着非常重要的作用。车辆牌照是目前车辆管理时使用的唯一标志，因此，车辆牌照识别系统在现代智能交通管理中发挥着极其重要的作用，具有较高的实用研究价值。车辆牌照识别系统中运用的关键技术有图像处理技术、车牌定位技术、字符分割技术和字符识别技术。在图像处理中，首先将获取的车辆原图像转变成灰度图像，采用灰度变换、直方图均衡化和数学形态学来增强转变的灰度图像，接着使用基于改进的中值滤波去除噪声，同时利用常用的几种边缘算法提取边缘，列举了叁种图像二值化的方法。本文使用的是全局阈值中的Ostu法。在车牌定位中采用投影与车牌先验知识相结合的方法，其中先验知识主要是利用了标准车牌的几何特征，如高宽比、面积和车牌字符与底色之间存在灰度跳变的规律性，投影法分别使用了水平投影法和垂直投影法。在车牌字符分割中，首先使用Hough变换校正倾斜的车牌，它依据的是点与线的对偶性寻找长度最大的一条直线来得出车牌角度，然后再利用车牌先验知识字符长宽、总长和间隔，结合对字符粘连和间断划分，最后采用垂直投影分隔字符。在字符识别之前,分离出来的单个字符还要进行归一化操作，提取字符标准的特征，以便后面的字符识别。字符归一化包含了位置、大小和笔划粗细叁类归一化，本文使用的主要是对字符的大小进行归一化处理。在字符识别方面深入研究了BP神经网络及其主要思想和算法，将归一化处理后提取的字符特征放在神经网络中进行训练，神经网络学习之后再对待识别的车牌字符进行识别。本文是在学习已有研究成果的基础上，对车牌识别系统的4个处理过程提出了一些改进。
赵谞[6]2014年在《车辆牌照识别系统的研究与应用》文中研究指明车辆牌照识别系统是现代智能交通系统中一项重要的应用技术,对交通系统中车辆管理智能化起到关键作用。基于路面上行驶中的车辆牌照自动识别系统具有适应性强、智能化程度高,已经成为了智能交通管理系统中的重要环节。本文在对动态车辆牌照识别系统进行了研究,完成了以下工作：1.给出了车牌图像预处理方法,研究了车辆牌照区域的检测与定位；介绍了车辆牌照图像经过图像预处理、灰度化处理、滤波处理、图像增强处理、图像二值化等一系列的操作和处理,能有效地改善采集图像质量,为车辆牌照图像的定位、字符分割及字符识别处理的速度、识别精度等性能的提高奠定基础。2.详细研究了基于车辆牌照的定位方法、定位算法、字符分割方法和字符识别的方法等相关知识,提出了以边界分割为基础,基于垂直投影的字符分割方法,该方法简单有效的车牌定位、字符分割与识别的方法,需要在字符间和字符内的间隙处得到字符在竖直方向上的投影的局部最小值,根据最小值的位置分割出字符；在汉字识别方面采用以神经网络为基础的模板匹配的字符识别方法。3.提出了一种基于改进的神经网络和改进的模板匹配方法来进行字符识别,通过对沈阳某商场地下停车场的管理改造工程进行设计,采用车辆牌照识别系统对该地下停车场进行管理,将算法在该系统中得以实现。通过试验仿真验证了算法的有效性,其优点是克服了模板匹配对数字、字母和汉字分别寻找形状子图像的困难,并利用了神经网络来识别中文字符,通过试验结果表明,字符识别率得到了提高,取得较好的效果。4.提出了针对车辆牌照识别应用的基于神经网络和模板匹配的车牌字符识别算法,很好地解决了车牌字符的字体黏连、分割不准确的问题,较以往的算法相比具有较高的识别
焦家华[7]2005年在《基于图像处理技术的车辆牌照识别系统研究》文中指出机动车辆数量的急剧增加对交通控制、安全管理的要求越来越高,智能交通系统已成为当前交通管理发展的主要方向。车辆牌照作为行驶车辆的唯一标志,在车辆的控制和管理方面有着无可替代的作用。以图像处理技术为基础的车辆牌照识别系统作为智能交通的一个重要的部分,在高速公路、城市道路、停车场等项目管理中起着重要的作用。 本文在对车辆牌照识别系统的研究中,综合运用了图像处理中灰度处理、图像去噪、梯度锐化、纹理分析、直方图统计、图像投影、图像特征提取、图像二值化等技术对车辆图像进行分析、处理,提出了一种基于车牌区域纹理变化的牌照定位方法,对车辆图像进行梯度锐化处理,检测梯度锐化图像的突变点,利用牌照区域字符笔画宽度的信息,对突变点进行过滤,最后对图像进行投影,并结合牌照字符尺寸特征最终确定了牌照的位置,收到了较好的效果;根据牌照定位的结果,考虑牌照区域内字符之间、字符与牌照边框之间存在相当的间隙,以及字符宽度与牌照边框宽度相差较多等因素,对牌照图像进行水平投影与垂直投影,去除牌照边框,分割字符,最后对字符进行归一化处理;对分割过后的车牌字符,综合考虑了牌照字符特征,提出了基于BP神经网络的车辆牌照字符识别方法,设计了数字BP神经网络识别器,同时运用Visual C++开发工具实现了图像预处理以及牌照识别各个阶段的相关算法,给出了具体的处理结果。
范钢锋[8]2002年在《机动车辆牌照识别》文中提出本论文对复杂背景情况下机动车辆牌照的识别作了深入研究。在深入掌握和理解图像处理和软计算等相关知识的基础上,针对识别过程的各个阶段,包括牌照分割、字符切分、LVQ2神经网络的字符识别和LVQ神经网络权值的优化等,提出了基于连通成份标记和复合极值形态学滤波的牌照自动分割算法,探讨了用LVQ神经网络对牌照上的字符进行识别的方法,并将基因算法引进了LVO神经网络的权值优化,取得了良好的效果。本文的方法对其它图象处理问题也有较高参考价值。论文主要内容包括:1)图像处理和识别基础2)牌照分割3)字符识别前预处理4)LVQ2神经网络模式识别5)遗传算法在LVQ中的运用
李新刚[9]2003年在《行驶车辆牌照自动识别技术的研究》文中认为随着机动车辆规模及流量的不断增加，路政部门对交通管理智能化的要求越来越高。而实现智能化的关键技术之一——牌照识别技术尚未成熟，有待于进一步研究。 本论文论述了牌照识别系统开发采用的技术路线、关键问题的解决方案及系统实现的措施，涉及图像处理和模式识别等技术。为了改善系统的综合性能，针对车牌定位和字符识别两个关键环节，提出了基于纹理的“阈值自适应变步长动态分析”的定位方法和“带惩罚因子的中心模板匹配”的字符识别方法。这两种方法的综合运用，可以显着缩短车牌识别所需时间。 该系统图像处理软件的开发工作已初步完成，课题提出的主要性能指标已经达到。
赵郁亮, 黄银龙, 王占斌, 谈广云, 张辉[10]2010年在《基于射频识别与图像牌照识别技术管控车辆》文中进行了进一步梳理介绍了RFID技术和图像牌照识别技术,并分析影响RFID识读率和图像牌照识别率的因素,提出基于射频识别与图像牌照识别融合技术打击假套牌车辆,从而实现机动车辆的智能化管理。
参考文献：
[1]. 机动车辆牌照识别系统的研究[D]. 王义兴. 哈尔滨工程大学. 2008
[2]. 可配置的机动车牌照识别系统[D]. 范焱. 哈尔滨工程大学. 2009
[3]. 机动车辆自动识别收费系统[J]. 戚飞虎, 叶芗芸, 李卫东, 孙晓阳. 交通与计算机. 1997
[4]. 江西省吉安县智能交通电子警察系统设计[D]. 樊剑剑. 南昌大学. 2010
[5]. 车牌识别系统研究[D]. 卢吉国. 长安大学. 2012
[6]. 车辆牌照识别系统的研究与应用[D]. 赵谞. 沈阳建筑大学. 2014
[7]. 基于图像处理技术的车辆牌照识别系统研究[D]. 焦家华. 长安大学. 2005
[8]. 机动车辆牌照识别[D]. 范钢锋. 江苏大学. 2002
[9]. 行驶车辆牌照自动识别技术的研究[D]. 李新刚. 大连理工大学. 2003
[10]. 基于射频识别与图像牌照识别技术管控车辆[J]. 赵郁亮, 黄银龙, 王占斌, 谈广云, 张辉. 射频世界. 2010
标签：计算机软件及计算机应用论文; 车牌识别系统论文; 神经网络算法论文; 图像分割论文; 图像融合论文; 投影面积论文; 图像处理论文;