車牌識別系統要綜合應用多種手段提取車牌區域，對汽車牌照的精確定位並最終完成對汽車牌照的識別。因此車牌識別系統要應對多種複雜環境，如車流量高峰期、照射反光、車牌汙染等。利用模擬人腦智慧型的ann，在識別車牌時能進行聯想記憶與推理，能夠較好地解決字元殘缺不完整而無法識別的問題。
車牌識別方法的研究
車牌識別系統主要包括車牌定位、字元分割、字元識別等工作模組，同時系統統自身具有良好的維護性和擴充套件性，可在無需為車輛加裝其他特殊裝置情況下實現對車輛的自動檢測。
車牌定位方法的研究
車牌定位就是把車牌區域完整的從一副具有複雜背景的車輛影象中分割出來，它是解決影象處理中的實際問題，其方法多種多樣，當前最常見的定位技術主要有：基於邊緣檢測的方法、基於彩色分割的方法、基於小波變換的方法、遺傳演算法和人工神經網路技術等。
基於邊緣檢測的車牌定位方法：在對車牌進行定位前，先將汽車影象通過灰度變換、直方圖均衡化等增強預處理，再經二值化，最後利用邊緣檢測運算元對影象進行邊緣檢測。檢測到邊緣後在進行區域膨脹，腐蝕去無關的小物件，這時影象會呈現出多個連通的判斷區域，最後找出所有連通域中最可能是車牌的那乙個便可 。
基於色彩分割的車牌定位方法：主要由彩色分割和日標定位等模組組成，在進行色彩分割前，要先將原始影象從rgb色彩空間轉換到hsv空間，再在hsv空間內進行色彩分析。具體的分割運算：依次將四種車牌底色中一種為基準，對影象中每一畫素先對照表1進行色彩分量比較，對超出基準色限定範圍的畫素直接設定為背景色（白色），否則統計所有落在該區間內的畫素三分量的均值，作為分割計算的顏色中心，再對所有區間範圍內的畫素計算其與顏色中心的色彩距離，若距離大於閥值，則設定為背景色，否則設定為日標色（黑色）
由於影象背景的複雜性，色彩過濾後的影象仍然可能包含多個可能的目標區域，需進一步使用車牌體態比特徵對多個目標區域進行過濾。
基於小波變換的車牌定位方法：先將車輛影象轉換成索引影象，然後對索引影象作用小波變換，獲取影象在不同子帶的小波係數。車牌識別特徵提取就是基於汽車影象在小波變換後的lh高頻子帶，根據影象中車牌區域的小波係數幅值大、密度高的特點，可以通過作用乙個閾值來濾掉非牌照候選區域的小波係數。通過小波尺度分解提出紋理清晰且具有不同空間解析度、不同方向的邊緣子圖；再利用車牌日標區域具有水平方向低頻、垂直方向高頻的特點實現子圖提取，最後用數學形態學方法對小波分解後的細節影象進行一系列的形態運算，進一步消除無用資訊和雜訊，以確定車牌位置。
基於遺傳演算法的車牌定位方法：車牌日標區域的主要特點有車牌底色往往與車身顏色、字元顏色有較大差異；另外牌照的長度比變化有一定範圍，存在乙個最大和最小長寬比。根據這些特點，可以在灰度影象的基礎上提取相應的特徵。還有車牌內字元之間的間隔比較均勻，字元和牌照底色在灰度值上存在跳變，而字元本身與牌照底的內部都有較均勻灰度。又由於車牌有乙個連續或由於磨損而不連續的邊框，車牌內字元有多個，基本呈水平排列，所以在牌照的矩形區域內存在較豐富的邊緣，呈現出規則的紋理特徵，因此在實際中我們只要先對彩色影象進行灰度化和二值化處理，採用反映不同疏密度的一維濾波器組在水平方向對二值影象進行濾波便可獲得車牌影象的紋理特徵向量，再對待定區域性區域影象進行濾波處理獲得其特徵向量，將其與車牌特徵描述向量進行比較就能得到該區域作為車牌區的可能性。
採用神經網路實現車牌定位演算法：可採用對灰度影象直接感知的方法實現，即使用乙個滑動視窗作為取樣視窗(可根據車牌特徵選擇長條形或狹長形滑動視窗)，在灰度影象上依次移動，將視窗覆蓋下的影象塊作為神經網路的輸入，所採用的bp網路是3層全連線前饋網路，其輸入層神經元數日為滑動視窗的尺寸，其輸出層神經元數日為l。當輸出接近二分之一時，表示滑動視窗下的影象塊屬於車牌區域：當輸出接近二分之一時，表示滑動視窗下的影象塊屬於背景區域。此演算法的樣本集的選擇和搜尋策略都是很重要的，這都會對定位效果有影響，因此首先要對車牌和北京交替反覆取樣，並且要在所選影象中盡量包括各種不同光照條件、背景複雜度和牌照顏色，以有利於網路實現泛化，這樣可以加強網路的容錯性；而對於搜尋策略而言，由於車牌一般位於影象的中下方，因此一般採取白下而上遍歷，這樣不容易誤將車型標誌處定位為車牌區域，並且當遍歷影象後出現不止乙個候選車牌區域的時候，也應優先考慮最下的候選車牌區域。另外，由於神經網路具有一定的容錯性，對於傾斜角度較大的車牌，要在神經網路處理之前先進行水平校正。
字元分割方法的研究
字元分割的任務是把多行或多字元影象中的每個字元從整個影象中切割出來成為單個字元。字元分割的演算法很多，通常根據處理物件的不同採用不同的演算法。常見的方法主要有：模板匹配法、水平投影法、聚類分析法、基於自適應退化形態特徵的影象分割法等，在這裡我們詳細闡述前三種方法。
模板匹配法：此方法先在二值影象上計算豎直積分投影的平滑曲線，搜尋平滑曲線的區域性最小值得到乙個波谷位置序列；再將相鄰兩個波谷分別作為左右邊界提取出一組矩形區域；最後，根據一定的規則對矩形區域進行刪除、**、合併及調整大小，從而實現對車牌區域的單字元分割。
水平投影法：此方法先自下而上再白上而下對車牌區域影象進行逐行掃瞄，找到並分別記錄下掃瞄到的第1個白色畫素點位置，確定影象大致的高度範圍；在此高度範圍之內再自左向右逐行掃瞄，遇到第1個白色畫素時認為是字元分割的起始位置，然後繼續掃瞄，直至遇到沒有白色畫素的列，則認為是這個字元分割結果。重複上述過程，直至影象的最右端，得到每個字元比較精確的寬度範圍：在已知的每個字元比較精確的寬度範圍內，再分別進行自上而下和白下而上的逐行掃瞄來確定每個字元精確的高度範圍。
聚類分析法：此方法是按照屬於同乙個字元的畫素構成乙個連通域的原則，再結合先驗知識，字元的高度、間距的固定比例關係等，來逐個分割車牌區域中的字元的。
基於MATLAB的人臉識別演算法的研究
基於matlab的人臉識別演算法的研究 現如今機器視覺越來越盛行，從智慧型交通系統的車輛識別，車牌識別到交通標牌的識別 從智慧型手機的人臉識別的性別識別 如今無人駕駛汽車更是應用了大量的機器識別的是演算法在裡邊。今天我們將從matlab的影象識別說起，後邊將陸續講解車牌識別，交通標牌識別等，並努力將...
車牌識別演算法實現的技術功能
對現存的車牌識別演算法的研究，在諸多演算法中尋找到一種適合在android ios平台上執行的演算法。先通過調取智慧型手機的攝像頭獲得車牌的彩色影象，然後將採集到的影象進處理，包括通過yuv模型進行灰度化，分段線性變換進行灰度拉公升，二值化，roberts運算元進行邊緣檢測，數學形態學處理等，然後通...
基於高階累積量的調製訊號識別演算法的研究 詳細版
在進行調製方式識別之前，我們首先需要對訊號的相關特徵進行提取，訊號特徵的提取需要反映調製訊號的細節資訊，本文將選擇訊號的高階累積量以及訊號的希爾伯特變換結果作為特徵提取值。在對調製訊號進行識別之前，需要對調製訊號做預處理，這是由於實際接收器接收到的調製訊號往往受到諸如天空雜訊 大氣雜訊以及人為雜訊等...