高灵敏度CCD和图像特征在车牌识别中的应用

来源 :计算机仿真 | 被引量 : 11次 | 上传用户:ZJUCS
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
研究智能交通系统中车牌的准确识别问题。由于采集环境的限制,车牌图像存在模糊不清、不完整,且车牌汉字图像复杂,导致传统的设备和识别方法识别速度慢、正确率低。为解决上述问题,提出了高分辨率CCD相机和车牌图像特征相结合的车牌识别改进方法。针对高分辨率高灵敏度CCD相机所采集的车牌照片,结合车牌的图像特征,通过预处理、特征提取和匹配识别三个基本步骤,实现车牌信息由图像向文字的转变,为智能交通系统后端的处理分析提供数据支持。仿真结果表明,改进方法能够较好地实现车牌的自动识别。
其他文献
云计算平台采用多服务器联合计算的模式进行多媒体视频信息通信,由于不同服务器的调度规则使得针对不同信息的调度过程也不同。传统的资源调度方法在云平台环境下,缺少对服务器的统一规划,仅仅以资源为基础,按照需求的顺序进行调度,没有考虑服务器的差异性,容易产生调度冲突,影响调度效率。提出改进二叉树搜索的云平台多媒体视频信息防冲突调度方法。对待调度任务根据服务器的来源进行拆分,并在对应的任务服务器上执行报告相
在图像识别领域,针对有监督方法的模型在标签数据不足时图像的识别效果不佳问题,提出一种基于生成对抗网络(GAN)的半监督方法模型,即结合了半监督生成对抗网络(SSGAN)和深度卷积生成对抗网络(DCGAN)的优点,并在输出层用softmax代替了sigmoid激活函数,从而建立半监督深度卷积生成对抗网络(SS-DCGAN)模型。首先,将生成样本定义为伪样本类别并用于引导训练;其次,采用半监督的训练方
针对具有渐进最优性的快速扩展随机树(RRT*)算法在面对高维、复杂环境时所表现出的寻路效率低、收敛速度缓慢的问题,在RRT*的基础上,提出一种基于采样空间自调整的渐进最优快速扩展随机树(AS-RRT*)无人机(UAV)航迹规划算法。该算法可以自适应调整采样空间,进而引导树更为高效地生长,而这些主要通过有偏采样、节点筛选和节点学习这三种策略来实现。首先,在采样空间中定义向光和背光区域来进行有偏采样,
笔者2021年第1期介绍了建设合作社的第五步:借助平台招社员,红红火火办开业。本期介绍第六步:聚人聚势聚资源,规范运营扎根基。