基于Tent映射CPSO和车牌纹理特征的车牌定位

针对现有车牌定位算法定位准确率不高和速度慢等问题,结合车牌纹理特征,提出了一种基于Tent映射混沌粒子群(CPSO)的车牌精确定位算法.首先用基于二维直方图区域斜分的OTSU方法对车牌图像做二值化处理;接着使用三组一维滤波器获取其二值纹理特征向量.然后利用基于Tent映射CPSO快速准确的全局搜索能力,结合二值纹理特征向量构造适应度函数,并引入车牌纹理的一致性度量作为判决条件,找到车牌区域的最佳定位参量.最后,与基于遗传算法(GA)和基本粒子群算法(BPSO)的定位方法进行了比较.实验结果表明,该方法适应性强,定位效果较好,运行时间更短.     

基于图像纹理特征提取的车牌定位算法

车牌定位技术是车牌识别技术中最重要的部分,为了能在不同条件下准确、快速的定位车牌位置,提出了一种根据车牌区域的边框特征以及牌照区域二值化后车牌内部的纹理特征灰度变化频率来定位车牌的算法。实验证明这种算法具有定位准、适应性强的特点,符合实时性的需要。     

基于分块投影和语义约束的车牌定位算法

以提高车牌定位实时性和同时搜索多个车牌为目的,研究并提出一种基于分块投影和语义约束的车牌快速定位算法,通过投影分割处理得到候选车牌字符块,根据语义约束对字符块进行聚类得到候选车牌区域,根据纹理特征过滤伪车牌。对3 000幅图像进行实验,定位成功率为97.1%,平均定位时间小于35 ms。实验证明这种算法适应性强、速度快,能够满足车牌实时识别的需求。     

用于多光照条件下车牌定位的遗传算法

针对多光照条件下由于车牌图像退化难以定位的问题，提出一种基于遗传算法的解决方案。该方法首先对图像局部区域进行二值纹理特征增强处理，并通过一组一维滤波器获取其纹理特征向量，最后使用基于实整数编码的遗传算法对全图进行车牌特征匹配搜索最终准确定位车牌。测试结果表明，结合遗传算法的局域特征增强算法对多种光照条件下的抓拍图像定位性能稳定，定位成功率优于传统的直线检测方法和灰度变化特征检测方法。     

利用伴生与互补颜色特征的车牌定位新方法

车牌定位是车牌识别系统的关键技术,车牌定位的准确与否直接影响车牌识别的结果。车牌区域的颜色特征是车牌的重要信息,针对车牌区域的颜色特征,论文提出了一套利用车牌区域的伴生与互补特征进行定位的算法。该算法利用车牌区域的颜色特征,快速定位到与车牌颜色有关的区域;然后利用车牌区域伴生与互补特性快速去除具有与车牌区域相同颜色的其他非车牌区域;最后使用投影积分进行车牌的精确定位。通过对200幅从交通卡口获取的真实的彩色图像进行试验,准确定位率为98%。     

基于简化PCNN的车牌定位算法

为了提高车牌定位效率,提出一种混合简化脉冲耦合神经网络(PCNN)和快速连通域标记的车牌定位算法。基于简化PCNN进行图像增强,利用车牌字符的连通域特征、纹理特征和结构特征对增强后的二值图像进行过滤、筛选,得到图像中大致车牌区域,再对所得区域左边界起始的左扩展区域做垂直投影,确定车牌中汉字区域,从而定位车牌。实验结果表明,该算法性能优于其他车牌定位算法,其定位准确率为97.5%。     

基于纹理分析的精确车牌定位算法

在车牌识别（LPR）系统的实现过程中,最关键的部分就是车牌图像的提取以及车牌字符图像的分割。介绍了一种基于车牌区域字符的纹理特征和统计规律的车牌定位方法。由于光照、复杂背景等因素都会对车牌定位产生不良影响,而利用车牌字符纹理丰富的特征寻找车牌区域就可以避开这些不良影响。这种算法不仅排除了光照、复杂背景等因素的影响,而且对于拍摄到车牌的大小、车牌在图像中的位置和倾斜角度没有太多限制。实验证明这种算法具有定位准、适应性强的特点。     

一种基于多重特征的车牌定位算法

车牌自动识别是现代智能交通的重要组成部分,而车牌定位技术又是车牌自动识别系统的核心之一,然而对于真实的复杂背景下的图像,现存的基于特征的定位算法依然存在适应性差、鲁棒性不强的问题。提出了一种基于多重车牌特征的行列扫描线的定位算法,突破了原有的基于特征的行,列扫描算法中容易出现车牌区域错误判断的瓶颈。对于真实的具有复杂背景的图像进行实验后,得到了理想的定位效果。     

应用遗传算法进行车牌定位

提出了一种针对车牌定位问题的遗传算法解决方案.先对车辆图像局部区域进行二值纹理特征增强处理,然后使用一组一维滤波器获取其二值纹理特征向量,在此基础上提出一种基于实整数编码的遗传算法,利用其快速高效的特点对全图进行车牌特征匹配搜索.测试结果表明,结合遗传算法的局域特征增强算法能进行稳定的特征提取,定位效果很好.     

基于免疫克隆选择优化的车牌定位

车牌定位是车牌识别系统中的关键环节,针对传统方法用于车牌定位的种种缺陷和遗传算法过早收敛的确定,提出了一种基于免疫克隆选择的车牌定位算法。该方法将具体车牌特征与免疫克隆选择算法所具有的全局搜索特性、解的多样性和不易早熟等特点相融合,在大多数测试图像上取得了较满意的结果。仿真实验表明,该算法能自动搜索到车牌区域,且受图像质量变化的影响较小,具备良好的抗噪性。     

一种精确高效车牌定位算法

车牌自动识别是现代智能交通的重要组成部分,而车牌定位技术又是车牌识别系统的核心技术之一。本文提出一种精确高效的车牌字符定位算法,该算法采用差分来描述灰度变化进行初步定位,并对不同类型的车牌使用不同的二值化处理方法。实验表明,该算法快速有效。     

车辆牌照定位算法研究

车牌定位是车牌自动识别系统中的一个关键问题。提出了一种简单高效的车牌定位算法。在分析车牌图像的特征后，先利用一系列图像处理，然后进行模糊模板匹配，最后对匹配到的车辆牌照候选区分别加以验证，即得到确切的车辆牌照子图像区域，大量实验数据和现场测试证明，车辆牌照图像定位准确率达96％，取得了很好的系统性能和实效。     

LPR系统车牌定位提取方法的研究

车牌定位在车牌自动识别中起着非常重要的作用,定位准确度直接影响车牌识别的正确率。文中使用了数学形态学和几何拓扑学相结合的方法对车牌区域进行定位提取。该方法首先采用Top-Hat变换以及开、闭运算对抓拍的车辆图像进行预处理;然后采用连通体态分析法(CCA)对图像进行粗定位;最后对计算得到的车牌候选区的欧拉数进行判别,最终提取真正的车牌区域。实验证明该方法能够很好的对牌照区域顶角进行快速搜索定位,将牌照从复杂背景图像中分割出来。     

Hough变换与先验知识在车牌定位中的新应用

车牌定位作为车牌识别系统中的基础环节,定位准确度将直接影响着最终识别结果。在以往各种识别算法中,Hough变换更多的是用来检测车牌倾斜角度,在车牌定位中一直未见其用。结合合理的先验知识,提出一种利用Hough变换多线检测在车牌定位中的新用法。通过对240幅图像的测试,准确率达到95.42%,结果表明了此方法的有效性。     

LPR中两个问题的MATLAB解决方案

变形车牌矫正和复杂牌照的文字区域提取是LPR中两个比较重要的问题，本文运用MATLAB,通过Radon变换检测牌照的角度,使用旋转与错切变换相结合的方法来解决变形牌照矫正问题;通过对牌照区域进行颜色提取从而消除非牌照颜色的干扰,解决复杂牌照的文字区域提取问题。     

利用Hough变换和先验知识的车牌字符分割算法

随着科技的发展，车牌识别系统得到了很多应用。车牌识别系统包含三个部分：车牌定位、字符分割和字符识别。车牌字符分割是车牌自动识别系统中的重要步骤。车牌字符分割中存在噪声干扰、边框影响、铆钉和间隔符影响、车牌旋转、光照不均等问题。这些问题容易造成分割不准确，甚至分割错误。针对这些问题，该文提出了一种先分段，再利用Hough变换拟合直线的水平分割方法和基于先验知识约束的垂直分割方法，同时提出目标增强的预处理方法。大量实验表明，该算法较好地解决了以上问题，适用于各种质量的车牌图像，分割的准确率较高。     

基于车牌字符笔画特征的快速定位算法

针对车辆图像分割困难,车牌位置定位不准等问题,提出了一种新的车牌快速定位算法。该算法通过对车牌一维字符笔画特征搜索,能够快速地定位车牌。试验表明该算法定位速度快、准确定位率高。     

基于CNN彩色图像边缘检测的车牌定位方法

针对现有车牌定位算法准确率不高、步骤多和速度慢等问题, 提出一种彩色图像车牌定位方法(License plate locating based on CNN color edge detection, LPLCCED). 首先利用细胞神经网络(Cell neural network, CNN)模型导出一种与车牌颜色特征相结合的车牌定位专用边缘检测算法, 将车牌的颜色对约束条件融合到边缘检测算法中, 本文专用边缘检测算法可以大大缩小车牌初步定位的范围. 接下来提出一种针对车牌特征的边缘滤波算法, 最后根据车牌结构和纹理特征对候选区域进行判别验证. 该流程的各个环节都可以通过硬件实现, 为面向智能交通领域的实时车牌识别系统的前期车牌定位处理提供了依据.