车牌识别的关系技术研究

来源 :青岛大学 | 被引量 : 0次 | 上传用户:gaodmljs
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
硬件的普及推进了软件的发展。随着高精度数码相机的普及,一些原本得不到推广的技术变得当普遍。车牌识别就是其中之一。这项技术主要用于高速公路违章记录,停车场收费管理系统。该技术主要分3部分。1.车牌区域提取;2.车牌字符提取;3.车牌字符识别。  本文的主要研究内容包括:  1.在分析目前常用的基于边缘提取方法的基础上,提出了一种基于条带数目的车牌区域提取方法。它解决了常用方法在复杂场景下无法提取区域的问题。首先,对图像进行预处理,得到二值化图像。其次,对二值化图像进行行扫描,获取每一行的条带数。最后,对各行进行统计,连续多行的条带数多于阈值就认为这一区域是车牌区域。  2.改进了一种字符分割方法。该方法基于车牌第二个字符与第三个字符之间的宽度最大来求各个字符的边缘位置。将以往的方法做了改进,对于汉字的边缘通过其它字符的边缘计算得到,从而保证汉字不会被错误分割导致无法识别。  3.改进了传统的基于模板的汉字、字符识别方法。该方法基于水平和竖直方向上的跳变次数作为分类依据,并结合模板识别来对其进行识别。  实验表明,将这些方法有机结合,可满足目前大部分车牌识别的场合。
其他文献
Android系统作为2008年才发布的开源手机操作系统,因为其免费和开源的特性,迅速流行开来,市场占有率已成为第一,不论是价值千元的低端机还是四五千的高端机,都随处可见。其易用性
近年来,电影产业的发展越来越受到人们关注,每年都有数以百计的电影上映。由于可以选择的影视节目太多,用户很难找到自己感兴趣的节目,如何让用户在短时间内从大量影视剧中找
基于视频的移动目标检测是图像处理的一个重要分支,在许多实际应用中担当核心的任务。理想情况下运动目标检测算法是基于静态背景的,但在实际应用中,运动目标所处的场景往往
随着大数据时代的到来,爆炸式增长的海量数据迫切需要有效的存储和管理。大规模分布式存储技术的飞跃式发展势不可挡。人们对存储系统的要求也更为广泛,譬如存储容量、I/O性能
随着大数据技术在业界和学术界的发展,大量的分布式计算平台投入运行,其中以Apache Hadoop平台应用最为广泛。Hadoop屏蔽了分布式系统的底层实现细节,使得应用程序开发人员可
随着网络和信息技术的发展,不同组织域之间的信息共享和分布式协作变得日益广泛。一方面为现代社会生产和生活提供了很大便利,而另一方面,又会带来各种信息安全问题。各个组织域
随着以微博为代表的社交网络的兴起,在带给人们前所未有的资讯体验的同时,社交网络中层出不穷、愈演愈烈的谣言信息也成为日益突出的问题。谣言的自动检测研究作为社交网络谣言
近年来,世界经济发展迅速,但是很多国家的交通设施的建设速度都不及机动车增长速度,导致交通拥堵问题愈演愈烈。交通拥堵会造成极大的时间浪费和经济浪费,也会造成空气污染、噪音
Web服务作为一种新型的Web应用模式,近年来得到了迅速的发展。如何把现存的各种Web服务整合起来形成新的、增值的服务并满足用户对服务质量的要求成为服务组合领域的应用需求
近年来云计算技术发展迅猛,作为云计算技术主要应用形式之一的VDI[1](Virtual Desktop Infrastructure)也在随着企业用户和普通用户实际应用需求的变化而不断改进与完善。VDI