Ta上传的资源 (0)

在车牌定位的过程中, 由于光照变化、视点和距离变化、车辆运动、复杂背景等原因, 摄像机很难获取到高质量的图像。 为了克服这些问题对以后的车牌定位算法的影响,提出了利用车牌区域的性质来进行车牌定位的新算法。车牌区域具有在一 定范围内灰度方差近似相等和边缘密度近似相等的性质,利用这些性质来增强车牌区域。

字符分割是车牌识别中关键的一步。但在实际处理中，预处理的不足常常给字符分割带来很大难度，甚至导致分割的失败，在对车牌字符分割前的预处理方法进行了研究之后，提出了新的预处理方法，该方法包括反色判断、局部二值化、倾斜校正、车牌精确定位以及顶帽算法滤波等步骤。

介绍了中国车牌识别的研究背景和现状，提出了一种基于神经网络的新方法，并设计了一种没有直接预处理的车牌像素图像的卷积神经网络结构。该图像变换适用于利用原始车牌来增加训练数据库。实验结果验证了本车牌识别方法的鲁棒性和有无车牌的识别效率。

针对汽车牌照识别，在特征提取方面，采用兼有统计特征和结构特征优势的粗网格特征，并且针对易混淆字符提出一种具有针对性、区分性较强的小波细网格特征加以补充，最后采用集成分类器进行识别.

在车牌自动识别过程中，图像的倾斜会给后续字符分割和识别带来困扰。利用传统 H ough 变换进行矫正的运算量很大，文中提出采用 C anny 算子提取图像边缘，去除牌照图像中和矫正无关的所有冗余信息，减少矫正过程的运算量.