LPR中车牌分割的Matlab解决方案

车牌的分割是车牌识别中比较重要的环节。通过Matlab,运用二值梯度边缘检测对生成的二值化图像进行检测,通过形态学的膨胀算法形成连通区域并判决连通区域,然后使用蒙板分割出车牌类似区域,并计算其间的欧拉数,最终筛选出车牌区域。     

一种自适应车牌识别系统设计方法

基于多种格式车牌的共性,提取车牌图像的纵向边缘,然后根据车牌区边缘灰度跳变和边缘密度等特征,采用一系列步骤去除无效和干扰边缘,保留类车牌特征区域;通过横向形态学运算,使类车牌区闭合,有效克服了形态学结构元素难以随车牌大小变化自适应选取的问题.基于扫描线种子填充算法来搜索车牌区域,利用颜色信息进行反色判断,并基于边缘检测的方法来进行车牌区域二值化,利用形态学和连通域检测方法进行字符的精细切分.对实际场景中大量车牌样本加以验证表明,算法准确率高,对车牌大小自适应性良好,具有较好实用价值.     

一种由粗到精的快速车牌定位算法

提出一种由粗到精的分步快速车牌定位算法.它首先运用数学形态学线形算子增强车牌等水平边缘密集区域得到粗定位车牌;对粗定位候选车牌区进行二值化,利用线扫描等特征获取车牌精确定位.大量测试实验结果表明,该定位算法快速、准确.     

基于图像预处理和纹理特征的车牌定位算法

为了解决车牌定位过程中拍摄图像背景复杂,噪声大,检测准确率偏低的问题,提出简便有效抗干扰强的车牌定位算法.首先将彩色图像转换为灰度图像,其次设定灰度门限区分图像目标和背景,进行二值化处理,然后使用Sobel边缘检测算子计算图像梯度幅度值,检测图像边缘点,采用局部图像平滑技术中值滤波对图像去除干扰,最后根据车牌区域纹理信息较其它区域丰富的特征,采用投影法,通过水平和垂直方向上投影分布特征的反复提取,准确检测定位车牌.实验结果表明,该方法定位出的车牌区域图像清晰度和准确度较高.     

复杂光照下的车牌图像二值化新方法

为解决车牌识别系统中,车牌区域由于受到光照过度、不足和不均等复杂光照的影响,使得车牌图像的二值化效果不理想的问题,文中提出一种复杂光照车牌图像的二值化新方法。根据国内车牌颜色特点,重新分配R、G、B颜色分量的权重来构造新灰度图,并设计不同颜色车牌灰度图转化的规则。采用全局和局部阈值相结合的双阈值方法实现车牌图像二值化,同时利用空域同态滤波进一步提高图像对光照的鲁棒性。实验结果表明,文中方法运算时间仅为传统方法的61.95%,同时能更有效地克服不均匀光照对车牌图像二值化的干扰,使二值图像的汉字和字符更清晰,鲁棒性更好。     

基于公路收费系统的车牌定位与字符分割算法

针对收费站点环境的特殊性,在使用新的边缘检测与图像二值化方法的基础上,提出了仅基于车牌特征信息进行车牌定位与字符分割的算法。经过现场检测,该算法定位与分割准确率较好,且具有很好的鲁棒性,车牌定位准确率为98．7％,字符分割正确率为99％。     

基于区域最大图像熵的车牌二值化算法

针对二值化算法,提出了基于区域最大图像熵的算法.该算法把图像熵表征局部剧烈变化的物理意义、区域最大值基于整体变化考虑最大值的优点以及车牌图像目标与背景灰度分布存在一定比例的特点这三者有机结合,通过局部与整体相互补的原则,采用具体问题具体分析的方式,实现了图像二值化.通过研究证明,该算法对于不同颜色、不同噪声强度的图像都具有一定的适应性和实用性.     

基于Lab颜色空间的车牌定位方法

本文提出一种基于Lab颜色空间的车牌定位方法。首先将RGB颜色空间转换成Lab彩色空间,采用自适应二值化阈值对b分量图像进行二值化处理,使得车牌区域凸显,并通过后续的形态学处理排除孤立点的干扰,最后采用投影法确定出车牌的准确位置。     

基于图像处理的车辆牌照定位的算法研究

探索用投影法和数学形态法来确定车牌在二值化图像中的水平和垂直位置,从而定位车牌图像.实验表明该车牌定位算法是一种可行的车牌定位方法.     

一种基于灰度图像的车牌快速定位算法

在图像增强的基础上,对得到的二值图像进行处理从而得到特征图像,对特征图像进行水平扫描与垂直投影并结合车牌的先验信息来确定正确的车牌区域,实验结果表明该方法能够正确快速地定位车牌区域。     

基于多尺度小波边缘检测的车牌定位研究

车辆牌照的准确定位是车牌识别系统中的关键步骤,利用车牌区域丰富的边缘和纹理信息以及车牌自身的特征,提出一种基于多尺度小波边缘检测的车牌定位方法.该方法能够更好地解决在复杂背景和复杂光照下的车牌定位.首先用图像增强和多尺度小波算子提取出车牌图像的边缘,然后利用数学形态学和连通区域标记的方法对车牌进行初步特征提取去除伪车牌区域,最后采用水平垂直投影法进行车牌的精确定位.实验结果表明,该方法能够实现车牌的快速准确定位,对复杂背景下的车牌具有很好的鲁棒性和实时性.     

基于边缘检测和形态学的车牌定位算法

针对车牌自动识别系统的车牌定位方法进行了研究分析,提出一种结合边缘检测和数学形态学的车牌定位算法。利用边缘检测和形态学分析得到车牌候选区域,对候选区域进行连通域分析,实现了对车牌区域的定位。实验结果表明,该方法降低了各种背景噪声对图像中目标区域判别的影响,降低了车牌定位时间,有效地实现了车牌定位。     

受污染车牌字符分割方法的研究

为提高对受污染车牌字符分割的有效率,提出了将现有字符分割方法中的垂直投影法和固定边界法结合的方法应用于受污染车牌字符的分割,对原始图像进行灰度化、二值化、开闭运算、去除边框、去除圆点,实验结果表明,该方法可以有效进行受污染车牌字符的分割。     

基于二值图像连通域的车牌定位方法

针对目前已有的几种车牌定位算法定位不准,抗干扰性差等特点,利用车牌的字母和数字都是连通的这一特性,提出一种新的基于二值图像连通域的车牌定位方法。首先,对车牌图像进行必要的预处理,减少一些干扰信息,然后,划分图像的连通域,根据连通域信息确定车牌的大致位置并在原始图像中截取出车牌。最后,对截取出的车牌做精确定位。实验证明,该定位方法简单快速,抗干扰性强,准确率高于98%。     

一种基于连通域分析的车牌定位方法

复杂背景中车牌定位技术,是车牌识别过程中的技术难点,提出了一种基于连通域分析的车牌定位方法。该方法通过边缘检测方法进行车牌粗定位,再对粗定位图像进行连通域标记,然后利用级联分类器筛选车牌字符连通域,最后结合车牌模板确定车牌位置。实验表明,该方法定位车牌的准确率高,能够适用于国内现行的多种规格民用汽车牌照的定位。     

基于聚类分析的车牌定位算法的研究

提出一种基于数学形态学和均值聚类的实时车牌定位算法,将边缘处理与聚类分析相结合,得到车牌字符的垂直边缘信息,然后通过数学形态学运算处理,结合车牌的多个特征对车牌进行定位,试验证明,该算法准确率高,抗干扰性强.     

基于纹理特征和神经网络牌照定位方法

汽车牌照的定位是一个较难解决的图像分割问题,神经网络为此问题的解决提供了一个有力的解决工具。这里提出一种基于纹理特征和神经网络的牌照定位方法,首先采用基于纹理特征的方法对车牌图像进行行定位和列定位,确定车牌候选区域,然后采用基于神经网络的方法对候选区域的特征进行分析判断,确定车牌区域。实验结果表明,该方法可以实现汽车牌照的快速定位,并且定位准确率较高,鲁棒性较好。     

一种基于OpenCV的高效车牌识别系统实现

提出一种基于SVM(支持向量机)和ANN(人工神经网络)的车牌定位与识别算法,并使用OpenCV库有效实现。首先将灰度空间和HVS色度空间进行结合,在Sobel边缘提取基础上,进行自适应阈值下的二值化处理,通过对轮廓外接矩形的面积和长宽比初步定位车牌位置,然后利用SVM线下学习的方法更加精确的定位车牌位置。并采用寻找连通域有效外部轮廓的方法进行字符分割,最后对汉字位置、英文位置、数字位置和英文数字混合位置分别使用ANN方法进行字符识别。实验证明,该方法定位准确率和字符识别率高,可以有效应用于多种场合。     

一种基于数学形态学和投影的车牌定位方法

车牌定位是车牌识别系统的关键步骤,定位的准确与否直接影响车牌识别的结果。为了能在复杂背景和不同光照条件下快速、准确定位车牌位置,本文根据车牌及拍摄效果等特点及因素,提出了一种结合数学形态学和水平、垂直投影法的定位方法。首先对图像进行预处理,利用数学形态学将预处理过的图像进行处理,滤去一部分伪车牌区域,然后利用水平和垂直扫描进一步精确定位车牌,最后结合车牌的先验知识最终确定车牌区域。实验结果表明,该方法定位率高,速度快,具有良好的鲁棒性。