云浮安全通道升降柱生产厂家

　　在车牌的字符分割中，有许多因素会对车牌的字符分割造成影响，例如图像的噪声、车牌的定位不、字符的粘连、汉字的不连通等。本文介绍一种改进的水平投影算法，该算法能够克服这些因素造成的不良影响，并且能够准确的分割出车牌，为后续的识别做好准备。为了分割出相互独立的字符，对经过Otsu算法阈值化的灰度图进行分割。以下以改进的水平投影算法为例进行介绍:去除车牌字符的上下边界以外的区域。对灰度化的车牌图像从下向上逐行扫描，并统计出每行的像素值为 255 的像素的个数，当像素值为 255 的像素个数大于 7时（车牌有 7 个字符），认为寻找到车牌字符的下边界。同理，从上向下逐行扫描，能够寻找到车牌字符的上边界。去除车牌字符上下边界以外的区域。去除车牌字符上下边界之后，设车牌的高度为 height，宽度为 width。

　　车牌定位模块是一个十分重要的环节，是后续环节的基础，其准确性对整体系统性能的影响巨大。车牌系统摒弃了以往的算法思路，实现了一种基于学的多种特征融合的车牌定位新算法，适用于各种复杂的背景环境和不同的摄像角度。车牌矫正及精定位模块由于受拍摄条件的限制，图像中的车牌总不可避免存在一定的倾斜，需要一个矫正和精定位环节来进一步提高车牌图像的质量，为切分和识别模块做准备。使用精心设计的图像处理滤波器，不仅计算，而且利用的是车牌的整体信息，避免了部噪声带来的影响。使用该算法的另一个优点就是通过对多个中间结果的分析还可以对车牌进行精定位，进一步减少非车牌区域的影响。

　　在一些单位，该应用还可以与车辆调度系统结合，自动客观地记录本单位车辆的车辆情况。车牌识别管理系统采用车牌识别技术提高进出效率。——自动放行，进入指定牌照信息输入系统，并自动读取车辆牌照，查询内部数据库。

　　应用贝叶斯网络分类器进行分类主要分成两阶段。阶段是贝叶斯网络分类器的学，即从样本数据中构造分类器，包括结构学和CPT学；第二阶段是贝叶斯网络分类器的推理，即计算类结点的条件概率，对分类数据进行分类。这两个阶段的时间复杂性均取决于特征值间的依赖程度，因而在实际应用中，往往需要对贝叶斯网络分类器进行简化。根据对特征值间不同关联程度的假设，可以得出各种贝叶斯分类器，Naive Bayes、TAN、BAN、GBN就是其中较典型、研究较深入的贝叶斯分类器。