基于小波变换与形态学的车牌定位方法

针对信号噪声环境下的车牌定位问题,提出了一种基于小波变换和数学形态学的图像定位方法.该方法先用自适应滤波多尺度边缘检测方法检测出车牌的边缘;然后用数学形态学方法对阈值二值化后的边缘图像进行系列形态运算,进一步消除无用信息;最后用基于车牌底色识别的方法进行车牌定位.实验结果表明,该方法定位效果好,适于有噪声的车牌图像进行定位.     

Radon变换在倾斜车牌图像校正中的应用

倾斜车牌图像的校正是车牌识别中的重要环节之一.根据Radon变换思想,对三种倾斜方式提出了相应的校正方法.用数学形态学的方法对车牌图像进行边缘检测;利用Radon变换检测车牌倾斜角度,对水平方向进行旋转无损校正,对垂直方向进行双线性插值错位偏移校正.实验结果表明该方法是快速有效的.     

一种基于MSER和SWT的新型车牌检测识别方法研究

为了降低拍摄距离、光照等对车牌识别的影响,提高复杂背景下车牌识别准确率,提出了一种基于最大极值稳定区域(maximally stable extremal regions, MSER)和笔画宽度变换(stroke width transform, SWT)的新型车牌检测识别方法。该方法首先进行MSER提取和Canny边缘检测,并根据车牌字符特征对二者相与运算后的MSER筛选;然后在筛选后的区域内做基于形态学处理的SWT和SW筛选,聚合筛选后区域,结合车牌几何特征完成车牌精定位;最后校正分割定位成功区域内连通域,提取骨架并归一化,与细化和归一化后的模板匹配。利用HU不变矩和网格特征识别首字符汉字,采用扫描跳跃点统计编码识别数字和字母。实验结果表明:该方法定位准确率高达94.86%,识别准确率达96.14%。该方法对远距离、变光照获取的复杂背景下,车牌检测识别具有较高的准确率和鲁棒性。     

实时数字车牌定位算法

交通车辆的自动车牌识别系统由于其广泛的商业应用,是一项具有挑战的研究领域。第一步同时也是非常重要的就是把从摄像机捕获的图像进行车牌定位。在车牌定位和车牌数字识别方面,大量的文献讨论这个问题。然而,其中的人大多数只限于特定的环境。例如场景不是很昏暗、背景不是很复杂等等。目前,研究的车牌定位系统,是基于新型的多阶段的方法,通过对比拉伸的灰度图像的垂直边缘梯度进行分析,实验证明这种方法对于89．2％的车牌有效。     

一种基于灰度差阈值的快速车牌定位方法

智能交通系统(ITS)在现代交通中扮演了越来越重要的角色,车牌识别是智能交通管理中一个重要的环节,车牌识别由预处理、车牌定位、字符分割和字符识别组成,本文从预处理和车牌定位入手,提出了一个运算简单、运行速度快的车牌定位方法。采用图像灰度差阈值生成二值图,利用汽车牌照字符和底色的纹理特征找到车牌位置的新方法。     

基于边缘检测和形态学的车牌定位

提出一种基于边缘检测和形态学的新的车牌定位方法。该方法首先对车牌图像进行预处理,然后用Sobel算子进行边缘检测,再用数学形态学进行图像处理,进而根据车牌的先验知识,得到长宽比精确定位的车牌号码,最后使用水平投影和垂直投影来准确定位车牌号码。仿真结果表明该算法速度快、精度高,达到预期效果。     

机动车牌自动识别软件技术分析

探究图像处理技术在机动车车牌自动识别技术中的应用步骤。按照车牌定位由彩色图转化到灰度图、车牌区域分割、车牌位置校正、车牌图像二值化处理等步骤,对车牌字符的识别进行分析,同时参照大量的实验结果,对自动识别技术进行修正。     

一种基于颜色和灰度跳变的车牌定位方法

通过对现在的车牌定位方法进行研究,提出了一种粗细相结合的车牌定位方法,即利用颜色特征和灰度跳变结合来确定车牌位置,首先利用车牌的颜色特征将车牌可能区域从整幅图像中确定,然后将经过图像处理技术和基于ostu二值化方法初步定位的图像变为差分图,根据白色点数来确定灰度跳变次数,再根据灰度跳变来确定车牌的具体位置.实验结果表明：这种方法对车牌的定位较为准确,对噪音的抗干扰性强,定位速度快,符合实时性的要求.     

采用角点信息和惯性主轴的车牌倾斜检测与校正方法

车牌倾斜检测与校正是车牌识别的关键技术之一.提出了一种基于字符角点信息和惯性主轴的车牌倾斜角检测方法.在用Harris角点检测算法提取出车牌区域字符角点信息的基础上,通过计算所得角点的惯性主轴来检测出车牌的倾斜角度,从而实现车牌的倾斜校正.给出了实验结果,并与Hough变换法、旋转投影法进行了比较.结果表明,该检测校正方法运算量小,速度快,校正精度高.     

基于机器视觉的车距检测系统设计

为了探测前车车距,采用机器视觉方式,以 CCD构造单目成像系统采集前车图像,以检测车牌在图像中像素的数量方式实现车距的测量。系统以单目摄像头的成像模型,通过物像位置关系及大小关系,建立车牌图像与车距信息之间的模型;以CCD成像原理,建立车牌图像与传感器像元像素之间的模型。由此构建测距检测算法模型。采用MATLAB软件平台设计人机交互界面,对采集图像进行预处理提高图像的对比度;通过匹配连通域等算法,对车牌进行定位、分割,检测车牌水平方向像素数量;在此基础上,采取小孔成像原理计算车距的大小,并显示在软件平台上。实验证明了本系统能对前车图像进行分析从而计算出车距,该系统对3 m之外的车距检测平均误差为4%。     

基于纹理及小波分析的车牌定位方法

提出了一种基于纹理和小波分析的车牌定位方法。针对图像背景复杂,且车牌所占比例较小的特点,提出了一种确定基元分类阈值的二值化方法;根据车牌字符分布规律,提出了二值纹理基元分析方法,提取车牌候选区域;基于小波分析提取车牌区域竖笔画特征,采用隶属度定量表征车牌竖笔画特征、位置特征及形状特征,给出综合这些特征、从候选区域提取车牌区域的方法。测试结果表明,该方法正确定位率超过96%     

基于HSV色彩空间与数学形态学的车牌定位研究

车牌识别系统在高速路收费口与住宅小区车库管理中得到越来越多的应用,车牌定位是整个识别系统实现的前提.基于灰度图像的定位方法和基于彩色车牌图像的定位方法,实现效果均不大理想.在充分利用车牌先验信息的基础上,提出基于HSV色彩空间与数学形态学的车牌定位方法.先利用色彩信息对可能包含车牌目标的区域进行过滤,再利用数学形态学技术生成连通区域,判断并生成正确的车牌区域,最后,使用radon变换进行倾斜校正.     

图像处理在车牌识别中的应用

车牌识别是智能交通的一个重要组成部分,系统一般包括车牌定位,字符分割和字符识别。对目前车牌识别领域的各种算法进行分析,总结和改进。实验结果表明,所提方法能快速有效的获取车牌信息。     

车牌识别技术在智能交通系统的应用研究

智能交通系统对于扼制交通违章,打击肇事逃逸,科学合理地解决交通问题,有着极其重要的意义。车牌识别技术是智能交通系统中的关键技术之一,包含车牌定位和字符识别这两项主要技术。针对当前传统的识别技术识别准确率不高,识别速度不快提出了一种基于小波分析的车牌定位快速算法,并且利用神经网络技术实现字符识别的算法。经过实际应用得出通过对车基于小波的车牌定位算法,可以较好的进行车牌定位,定位率可以达到96．3％以上。对字符的识别率可以达到85％以上牌的自动识别。提高了传统技术的自动识别效率。此车牌识别算法的速度和准确率在实际工程应用中达到交通监控集成系统的功能要求,取得了较好的运行效果。     

数字图像处理在车牌识别系统中的应用

数字图像处理技术在车牌识别系统中的图像预处理起着关键的作用,介绍图像灰度化、图像去噪以及图像二值化方法,并通过仿真试验模拟图像处理的过程。实验证明文中图像处理方法用于车牌识别的有效性。     

基于改进Hu矩和矩形拟合的芯片识别定位算法

目的为了实现高质量、高精度的全自动SIM贴片机的视觉识别定位,采用基于改进Hu矩和矩形拟合的芯片识别定位算法对芯片进行识别定位。方法首先对图像进行预处理,在Ostu分割的基础上提取图像的形状轮廓。然后利用相对矩和离心率特征相结合的改进Hu矩进行芯片的识别检测。最后在识别的基础上提取外轮廓,通过对外轮廓的矩形拟合实现对芯片定位的目的。结果识别芯片时采用改进Hu距的方法,正确率至少达到98%,显著提高了芯片的识别能力。芯片进行定位时,矩形拟合定位精度在0.5像素之内,位置精度高。结论该方法可基本满足芯片贴装时SIM贴片机视觉系统对高质量和高精度的要求。     

复杂背景下基于HSV空间和模板匹配的车牌识别方法研究

车牌识别技术作为交通管理自动化的重要手段,在交通监视和控制中占有很重要的地位.车牌识别过程可分为车牌定位、车牌校正、字符分割和字符识别四个部分.在车牌定位中,若单纯采用纹理特征或颜色特征来进行定位,往往适用于背景较为简单的场景,对复杂背景的定位效果尚有待改进.在字符分割中,目前单行车牌的分割已比较成熟,但双行车牌的分割仍不理想.提出一种在HSV空间下两次颜色标定和纹理特征相结合的定位方法和一种单双行车牌的字符分割方法.该定位方法利用车牌固定颜色搭配特性,对图片两次标记并利用投影法定位车牌,对200张不同背景图片测试,定位准确率达到98％.在字符分割部分,利用改进的模板匹配方法对字符分割,可适用于单、双行车牌分割,准确率达到95％.     

基于数学形态学和颜色特征的车牌定位方法

为了解决单一车牌定位算法在复杂背景中定位效果不理想的现状,提出一种数学形态学和颜色特征相结合的算法对车牌进行定位.首先利用最大类间方差法（Ostu算法）找到一个最佳的阈值,根据所得阈值把得到的灰度图像二值化,然后采用一种改进的数学形态学算法对图像进行边缘检测,最终结合数学形态学和车牌颜色特征进行准确定位.实验表明该算法明显优于传统或单一的车牌定位方法,定位准确率高,对背景限制少,应用范围广.     

基于字符纹理特征的快速定位算法

针对现代(智能)交通中的车牌自动识别系统给出了一种快速的车牌定位算法。该算法结合有效的图像预处理增强方法,通过对车牌一维字符特征搜索,能够快速地定位车牌。大量实验结果证明本算法定位速度快(<50ms, PII300),准确率较高(>95%)。     

基于OpenCV的车牌检测

为了获取车牌图片,提出了一种基于开源计算机视觉库OpenCV的车牌检测方法。车牌提取过程为导人原图、二值化处理、边缘提取、去噪处理、有兴趣城提取、有兴趣区域替换等过程,通过OpenCV的引入,很好的提取出了车牌的图像,简化了程序,节省了处理的时间。