复杂背景图像中的车牌检测算法

针对在复杂背景图像中汽车牌照检测定位的课题,提出了一种基于可信度评价的汽车牌照检测定位算法。在对图像进行预处理后,算法利用车牌区域由于字符排列的规则性而在梯度图像上产生的特征,分割并提取出车牌可能存在的候选区域,然后根据汽车牌照的几何特征对每一个候选区域进行可信度评价并按一定的合并规则对候选区域进行合并,以获取更高的可信度,最后根据区域可信度值的大小确定车牌的位置。算法对于图像光照条件变化、视角变化而造成的车牌的倾斜和变形等情况都具有较好的处理效果。     

汽车牌照的产时分割方法

提出了一种汽车牌照的实时分割方法,利用牌照区域灰度变化剧烈,而背景相对平缓的特点,以适当阈值二值化牌照图像以消除背景干扰,结合牌照知识,搜索牌照区域,如找不到,则自适应调整值,重复以上步骤。实验证明该算法定位准确并且是实时的。     

结合纹理分析和支撑矢量机的汽车牌照定位研究

为了提高汽车牌照定位的准确率，将拍摄到的汽车图像先作离散余弦变换(DCT)，然后对频率系数量化，从量化值中提取图像的方向性，并将量化值的统计特性和图像的方向性结合起来构造频域特征矢量；在空域中提取图像的角二阶矩、对比度、相关性和熵4个特征量，构造空域特征矢量.结合支撑矢量机，在粗分类时找到牌照候选区域，在细分类时从牌照候选区分离出真实的牌照.分类过程综合考虑分类速度、分类准确率和感兴趣的区域，可采取灵活的分类方式.实验表明，该方法对于汽车牌照定位具有较好的效果，可操作性较强.     

基于彩色图像信息的车牌自动识别系统仿真研究

针对汽车牌照自动识别技术在现代社会车辆管理中的应用,本文研究了一种基于Matlab软件的车牌识别系统。该系统包括图像预处理、车牌定位、字符分割及字符识别几部分。对采集好的车牌图像进行图像预处理,采用统计像素法对车牌图像进行定位,二值化已定位好的车牌图像,对处理过的车牌图像字符进行分割,并采用模板匹配法对分割好的车牌字符进行识别,同时选用100张不同场景、不同省份、不同品牌的汽车牌照,采用Matlab软件进行仿真实验。仿真结果表明,有79张汽车牌照识别正确,说明本文可以实现较为准确的车牌识别。该研究具有一定的实际应用参考价值。     

汽车牌照自动定位方法

汽车牌照定位是一个较难解决的图像分割问题.采用灰度图像分割、数学形态学、颜色搜索相结合的方法,进行汽车牌照定位,充分利用了颜色信息和牌照特点.实验表明,检测出的牌照区域准确率高,适用于任意背景、位置和光照下的牌照定位,且通用性较好.     

基于数学形态学的汽车牌照提取算法

定位汽车牌照在车牌识别应用中是很关键的一步。提出了一种基于数学形态学的新方法。以车牌宽度和高度、车牌字符高度及字间宽距等信息为依据来设计一种新的结构元,通过对汽车边缘图像进行形态学运算,能从图片中得到包含汽车牌照的候选区域,最后,基于汽车牌照纵宽比等固有特征,采用连通域体态分析,对包含车牌的多个候选区域进行去伪,得到真正车牌区域。通过对大量汽车图片实验,验证了该方法的有效性。     

汽车牌照自动识别系统总体设计及软件结构

采用数码摄像机、图像采集卡、计算机等硬件设备，进行实时图像采集，利用VC 6．0及图像处理和模式识别技术开发汽车牌照自动识别系统。用灰度直方图方法从摄取的包含有车牌的汽车图像中确定车牌位置，并且分割出各字符，用混合特征提取方法提取车牌字符的边界拓扑等特征，与字符模板匹配比较，识别出车牌号码。     

车牌提取方法研究

提出了一种基于模糊边缘检测和纹理特征的牌照提取方法。首先由投影法确定车牌候选区域，然后由12个边缘模板计算每个候选区域中边缘两侧的平均灰度差，并作出灰度梯度的二维直方图。据此确定每个候选区域模糊边缘检测中广义渡越点的值。然后根据车牌区域特点来提取牌照。经测试，该算法简单快速、定位准确，为后继字符分割和识别做了较好的预处理工作。     

车辆牌照识别技术的研究发展

车辆牌照识别系统即基于图像和字符识别技术的智能化交通管理系统,是智能交通系统的重要组成部分。通过对车辆牌照识别系统及识别技术的分析,总结出进一步研究车辆牌照识别技术的必要性,并提出将模板匹配与支持向量机相结合进行字符识别的算法思想。     

一种基于肤色和模板匹配的人脸检测方法

提出了一种基于肤色和模板匹配的人脸检测方法，该方法首先对搜集到的人脸肤色样本在YCbCr空间中进行聚类，然后根据聚类的范围在输入的图像中确定候选的人脸区域（假设存在）的位置，接着对该候选人脸区域进行归一化处理，再计算人脸模板和该候选区域的Hausdorff距离，根据该距离大小最终确定该候选区域是否为人脸．实验表明：该算法检测准确率高，具有良好的实时性和鲁棒性．     

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段：首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段：针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。     

车牌图像自动识别系统预处理算法研究

车牌预处理是汽车牌照自动识别系统中的一个重要的环节,预处理的好坏直接影响到后面的识别结果.在开发一套实用的自动车牌识别项目的过程中,分析研究了车牌预处理的各个环节,对其中关键算法———倾斜校正算法、二值化算法、字符分割算法做了详细的研究.在大量试验的基础上,提出了一种基于区域滤波的预处理算法和一种改进的车牌倾斜校正算法,并用于工程实际中,取得了良好的效果.     

基于车牌识别数据的机动车出行轨迹提取算法

为了提取城市路网上所有运行车辆的出行轨迹,系统科学地再现所有车辆的运行场景,进而为分析城市交通需求的结构和时空分布特性提供数据支撑,提出基于车牌识别数据的机动车出行轨迹提取算法.通过车牌及时间戳排序提取出行链;利用相邻节点间的速度,结合交叉口邻接矩阵完成行链的分离;基于K则最短路径算法（KSP算法）及灰色关联法（GRA算法）,对出行轨迹进行补全重构.对贵阳市南明区的实际车牌识别数据进行算法测试.结果表明,提出的基于车牌识别数据的机动车出行轨迹提取算法在测试区域的综合准确率大于92%.     

Vehicle detection using the location relationship model between multi-components

In view of the complex traffic and changeable weather and illumination in a scene, traditional vehicle detection method based on the single part model may result in a bad detection. So, using the spatial location relationships existing in multi-components of the vehicle, license plate and rear lamps are selected to construct the probabilistic models, through which vehicles are detected in this paper. In the new method, first, the color image of the road video is decomposed to the rear lamp gray image and license plate gray image through a different color conversion model. After that, the further identification for the license plate is accomplished through the key steps of gradient feature extraction, regional gradient smoothing and local maximum gradient search; similarly, the further identification of rear lamps is accomplished through the key steps of threshold segmentation, connected domain analysis and area calculation. Finally, With the Gaussian Mixture Model, relationships between the parts of the probability are established, and for the relationship model, if it makes the likelihood probability greater than a preset threshold, we argue that these parts belong to the same vehicle, and take the test result as the final vehicle detection result. Experimental results indicate that the new vehicle detection method has a strong adaptability, which can perfectly deal with the bad illumination conditions and target occlusion conditions, as well as a variety of vehicle types.     

Harris角点检测与AP聚类结合的车牌定位方法

在车牌识别系统中,车牌的准确定位是关键,针对车牌区域包含有比较丰富的角点,提出了harris角点检测与AP聚类相结合的车牌定位方法.该方法先采用Harris算法检测出车牌区域的角点,然后对角点进行AP聚类并剔除包含角点数较少的类以及远离类中心的离群点,最后进行区域合并,根据车牌区域宽高比识别车牌区域.实验证明该方法能够快速、准确定位出车牌区域.     

一种改进的车牌图像二值化及定位算法

就车牌图像中的光照和污损的复杂特征,对车牌预处理、边缘提取及二值化和车牌定位进行了一系列分析研究。通过设计一种边缘提取与二值化结合的预处理算法,利用提出改进的增加三角点的角点定位算法,设定优先级的四角点、三角点和对角点方法对车牌进行定位。经改进后的算法,能有效对车牌鉴别算法对搜索到的车牌区域进行鉴别,从而提高了车牌定位的准确率和速度。     

数字图像处理技术在车牌定位中的应用

文章研究数字图像处理与车牌定位技术在车牌自动识别中的应用,运用Matlab进行数字图像处理和定位算法运算及调试,解决车牌定位问题。车辆图像经过数字图像预处理之后,根据车牌区域边缘信息白点分布密集的特点,按一定的规则依次对目标区域进行水平和垂直定位,最终提取出车牌信息。文章的方法不仅针对车牌类型,背景颜色不同具有一定的通用性,还对不同的焦距具有一定的通用性。     

基于空间分布的最大类间方差牌照图像二值化算法

车辆牌照识别VLPR(Vehicle License Plate Recognition)是智能交通系统ITS(Intelligent Transportation System)的重要部分,有着巨大的社会和经济效益。车辆牌照图像二值化方法的研究是VLPR中的关键技术,通常都采用经典的Bernsen算法和Otsu算法．但由于光照不均、摄像机畸变、曝光不足、动态范围太窄和车辆牌照被污染等原因,车辆牌照图像的质量往往不佳,常存在严重伪影和字符边缘模糊,极大地影响了牌照图像二值化效果,Bernsen算法和Otsu算法也不能很好地克服上述问题。为此,提出了一种新的牌照图像二值化算法CASDA(Cluster Algorithm Based on Spatial Distribution Analysis),把牌照图像空间分布特性与最大类间方差的统计特性有机结合,大大加快了最大类间方差模式分类速度．与Bernsen、Otsu、LEVBB等算法比较,CASDA具有速度快,能消除不均匀光照引起的伪影,极少出现笔划断裂等优点,二值化效果好．