搜索资源列表
CorrectCarNoImageAndRegnize
- 一种车牌图像校正新方法 【摘要】因摄像机角度而造成的机动车牌图像倾斜会对其后继的字符分割与识别带来不利的影响。本文在分析了车牌倾斜模式的基础上,提出了一种基于最小二乘支持向量机（LS-SVM）的车牌图像倾斜校正新方法。通过LS-SVM线性回归算法求取坐标变换矩阵并对畸变图像进行旋转校正。主要方法：首先,将二值倾斜车牌图像中的像素转换为二维坐标样本,并构造图像数据集 再通过LS-SVM线性回归算法对该数据集进行回归,求取主要参数 最后,再由该参数转换为能反映图像倾斜方向的2维坐标变换矩阵。实验
greyimages
- 从大量车牌图片里面切割出来的单个的灰度字符图片，内有两个文件夹，分别为训练样本和测试集，包含了数字、字母、各个省份的简称，由于网友普遍反映网上找不到资源(纯粹的体力活，要收集各个省份的车牌真不容易！)，故分享出来，做OCR的用得上的-sigle gray character image cutted from Chinese vehicle license plates from different provinces. they are categoried into 3 kinds: num
chepai
- 车牌识别算法的VC环境的实现。 能够对车牌图像进行图像处理图象输入---》灰度化---》二值化---》梯度锐化---》去离散噪声---》倾斜度调整---》图象切分---》归一化---》特征提取---》样本训练---》字符特征输入---》识别出字符结果---》结束- License Plate Recognition
ww
- 车辆牌照识别(LPR)系统是一个专用的计算机视觉系统，LPR系统的广泛应用将有助于加快我国交通管理 自动化的进程。本文对车牌识别系统中的图像预处理、车牌定位、字符分割和字符识别等环节涉及到的技术、算法以 及系统整体设计作了全面的论述，并与已有方案进行了比较，对部分关键算法进行了设计和改进。用采集到的40多 幅汽车图片作为实验样本数据，用纯软件的方法实现了车牌字符的自动识别-As a speclal computer vision system，the License Plate Re
Character-recognition-
- 基于BP神经网络的字符识别,不涉及从照片中定位车牌，分割字符等前期处理，只对含有单独数字的图片样本进行识别-Character recognition based on BP neural network does not involve locate the license plates from photos, split characters such as pre-treatment, only to be identified with separate digital picture
BPchepaishuzishibie
- 基于BP神经网路的车牌字符识别，包括训练样本集包含对样本的训练程序，测试用例。-BP neural network-based license plate character recognition, including the training sample set contains samples of the training program, the test case.
chepaishibieCPP
- 一、车型识别 1.首先单击车型识别菜单下的载入图像菜单项（载入背景和前景图像）。 2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理，轮廓提取。 3.最后单击车型识别菜单项，对车辆进行识别。 4.测试图像存储在img文件夹下，车型轮廓模板存储在contour文件夹下。 二、车牌识别 1.先打开一幅图片，然后在车牌定位与识别菜单下依次点击：车牌提取、倾斜校正、字符分割、字符识别。 2.测试图像存储在img文件夹下。
MAERJIANCE
- 场景图像中文本占据的范围一般都较小，图像中存在着大范围的非文本区域。因此，场景图像文本定位作为一个独立步骤越来越受到重视。这包括从最先的CD和杂志封面文本定位到智能交通系统中的车牌定位、视频中的字幕提取，再到限制条件少，复杂背景下的场景文本定位。与此同时文本定位算法的鲁棒性越来越高，适用的范围也越来越广泛。文本定位的方式一般可以分为三种，基于连通域的、基于学习的和两者结合的方式。基于连通域的流程一般是首先提取候选文本区域，然后采用先验信息滤除部分非文本区域，最后根据候选文本字符间的关系构造文本
charSamples
- 车牌识别样本库。每个字符库有50个样本，用于测试。用于车牌识别神经网络库的训练样本。(License plate identification sample library. Each character library has 50 samples for testing. Training samples for license plate recognition neural network library.)
神经网络 训练识别
- 1.先打开一幅图片然后按照顺序灰度化、二值化、灰度拉伸、车牌定位、二值化、倾斜校正、字符分割、训练神经网络、识别字符。 2.测试图像存储在当前目录的img下。 3.测试集、训练集、目标向量均存储在img下的文本文件中。(1. First open a picture and then follow the sequence of grayscale, binary, grayscale stretching, license plate positioning, binarization, ti
车牌汉字样本
- 车牌识别中汉字训练样本，包含31个省份，每个字符几十到几百个样本。(License plate recognition Chinese character training samples, including 31 provinces, each character tens to hundreds of samples.)
代码
- 车牌识别系统以设计一个基于MATLAB实时的车辆牌照识别系统为最终目的。本系统实现车牌识别要求对采集到的样本经过以下相关步骤：图像采集，图像预处理、车牌定位、字符分割、字符识别等。本文主要介绍图像预处理、车牌定位、字符分割这三个模块的实现方法。(The Automatic Recognition System of License Plate Based on Digital Image Processing)
Python-opencv车牌识别
- 算法思想来自于网上资源，先使用图像边缘和车牌颜色定位车牌，再识别字符。车牌定位在predict方法中，为说明清楚，完成代码和测试后，加了很多注释，请参看源码。车牌字符识别也在predict方法中，请参看源码中的注释，需要说明的是，车牌字符识别使用的算法是opencv的SVM， opencv的SVM使用代码来自于opencv附带的sample，StatModel类和SVM类都是sample中的代码。SVM训练使用的训练样本来自于github上的EasyPR的c++版本。由于训练样本有限，你测试时会