基于二进小波变换的多车牌定位算法

为提高多车牌定位的精度,提出一种基于二进小波变换的车牌定位算法.该算法可对单、多车牌定位,具有精度高、对光照影响不显著等特点.以实际监控的图像为实验数据进行对比,结果表明,在不同背景和不同光照情况下,基于二进小波变换的车牌定位算法在定位精度、漏判率和误判率等方面均优于基于金字塔分解的定位算法.     

一种梯度特征与区域合并的车牌定位方法

车牌定位是车牌识别系统的重要组成部分。针对车牌目标所在区域梯度变换频繁的特点,利用高通滤波保留梯度变换频繁区域,形态学处理后,将相邻区域进行合并以确定车牌的候选区域。再结合车牌的几何特征与区域目标背景比,找到车牌位置,利用投影方法去除车牌边框,实现车牌的精确定位。实验结果表明,该方法削弱了传统车牌定位算法对车辆大小、图像环境、拍摄角度等的要求,进一步提高了算法的鲁棒性和实用性。     

基于快速广义Hough变换的倾斜车牌定位

提出一种倾斜车牌定位算法。算法使用快速广义Hough变换检测车牌倾斜角度,并检测出倾斜车牌在图像平面中的长宽比例和车牌位置,定位出倾斜车牌。仿真实验表明该算法能正确定位倾斜车牌。     

非正交haar小波变换的车牌定位技术研究

车牌定位技术是车牌识别系统的关键技术之一,在haar小波变换的基础上,提出非正交haar小波概念,改进了haar小波不连续性特点。基于非正交haar小波变换,结合线扫描法快速性特点与数学形态学准确性特点,研究一种车牌快速定位算法,在此基础上运用visual C++ 6.0编程进行实验验证。实验结果表明,此算法车牌定位准确率达到95%以上,对倾斜车牌的检测鲁棒性较强。     

港口船舶位置目标图像跟踪监测研究

由于船舶目标成像小,江面干扰噪声大,船舶遮挡及连续多帧丢失等因素影响监测精度,在图像连续帧间创建位置、速度、面积等匹配方程进行跟踪存在匹配问题。为解决上述问题,提出一种多结构Top-hat变换和改进的SVD-UKF算法进行检测跟踪。通过分析船舶几何特征来设计多结构元素Top-hat变换检测船舶;在改进的SVD-UKF基础上定义自适应阈值和路径连贯性函数匹配方程进行跟踪以提高监测精度。实验结果证明,该算法可提高监测精度,跟踪稳定,并解决了船舶遮挡及连续多帧船舶丢失等问题,满足实时性需求。     

车牌定位及倾斜矫正方法研究

为提高车牌定位的有效性和准确性,利用车牌的纹理特征,提出基于边缘检测和形态学运算相结合的车牌定位算法。在摄取车牌图像的过程中,会因为各种原因导致车牌图像有不同程度的倾斜变形,而倾斜的车牌很难被分割和识别,必须进行倾斜矫正,使用了基于Hough变换的倾斜矫正算法。实验结果表明该车牌定位算法和倾斜矫正算法快速有效。     

自适应复杂天气的车牌定位方法

针对传统的车牌定位算法受天气、光照影响而造成的低定位率问题,提出了一种自适应的车牌定位算法。算法根据车牌颜色特征和图像清晰度判断不同天气及对比度,利用小波系数调整法调整图像对比度,最后利用垂直投影和模板匹配相融合的方法进行车牌定位。所提出的定位算法具有广泛的适应性和较高的车牌定位率,可以在晴天、阴雨天、雾天、傍晚等多种不同光照条件下,对不同对比度的图像进行车牌定位。实验结果表明,该定位方法的车牌平均定位率达到93.4%。     

复杂背景下的车牌定位和字符分割研究

提出了一种综合边缘检测、投影特征的车牌定位方法和基于垂直投影及模板匹配的字符分割方法，提取车牌灰度图像边缘，实验结果显示该算法检测边缘的速度快，车牌区域轮廓清晰，采用投影法确定车牌区域，用HOUGH变换检测倾斜角度进而对倾斜的车牌进行矫正，通过字符分割算法对车牌字符进行切割，有效地解决了复杂环境的干扰、车牌尺寸变化等问题。对不同背景下的光照车牌进行了大量实验，结果表明该算法能准确地进行车牌定位以及字符分割，具有较好的鲁棒性。     

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。     

基于行扫描和小波变换的车牌定位算法

为了能在复杂背景和不同光照条件下快速、准确地定位车牌位置,提出一种基于行扫描和小波变换的车牌定位算法。该方法首先对车牌图像实行边缘检测、二值化等预处理,在此基础上,利用行扫描法确定车牌的上下边界,对水平区域图像的垂直投影进行小波变换,设定阈值,确定左右边界。实验结果表明,该方法定位速度快、准确率可达到98%,具有很好的鲁棒性。     

基于数学形态学和Hough变换的车牌定位算法

针对复杂环境下的车牌定位率较低的问题,提出了一种基于数学形态学和Hough变换检测车牌区域的方法。首先,对车牌图像进行图像预处理,然后,利用数学形态学的高帽变换突出车牌字符区域,并对图像进行边缘检测和连通区域分析;最后,结合Hough变换和车牌的先验知识实现车牌的精确定位。实验结果表明,针对不同复杂背景下采集到的车辆图像,该算法具有很强的鲁棒性,准确率达97.3%,能够满足现代智能交通系统对车牌定位准确性和实时性的要求。     

基于灰度跳变的车牌定位算法及其实现

研究车牌识别定位算法问题。传统的车牌设识别定位算法的识别精确度难以满足现实在交通管理和流量监测中的应用,存在车牌图像定位的精度的不高等问题。为解决上述问题,在对车辆图像预处理基础上,提出了一种基于图像灰度跳变特性的车辆牌照定位算法。主要给出了粗定位和细定位两种定位算法,并用VC++设计实现定位算法。通过实验对实际交通中多幅车牌图像进行处理,对不同的车牌图像进行定位。实验结果表明,新算法能够对车牌图像进行高精度定位,并且具有较强的鲁棒性,为车牌字符的识别与分割奠定了一定的基础。     

A novel license plate location method based on wavelet transform and EMD analysis

Although various license plate location methods have been proposed in the past decades, their accuracy and ability to deal with different types of license plates still need to be improved. A robust license plate location method can raise the accuracy of the whole license plate recognition procedure. This paper proposes a robust method based on wavelet transform and empirical mode decomposition (EMD) analysis to search for the location of a license plate in an image to deal with some challenging problems in practice such as illumination changes, complex background and perspective change. By applying wavelet transform on a vehicle image and projecting the acquired details of the image, a wave crest that indicates the license plate will be generated. In order to locate the desired wave crest in the nonlinear and non-stationary projection dataset, EMD analysis is applied. Using the reconstructed projection data and the Hilbert transform of intrinsic mode function components, the position of the license plate is detected. Comprehensive experiments show that this method can locate the positions of various types of license plates with a high accuracy of 97.91% and a relatively short running time.     

一种基于机器学习的车牌识别系统的设计

以车牌识别的实用性为目的,设计一种鲁棒的车牌识别系统。首先提出了Sobel-Color算法,以Sobel边缘和颜色两种特征进行车牌定位,并结合MSER算法,设计了一种可靠的车牌定位方法来获取候选车牌区域,然后采用SVM算法对候选车牌区域进行车牌判断;最后根据车牌特征设计了一种车牌字符分割算法,能正确分割车牌的各个字符,并有效地去除车牌边缘部分的虚假字符,又根据分割出的车牌字符特征对LeNet-5深度网络模型进行改进,然后采用改进的LeNet-5网络对车牌字符进行识别。对设计的车牌识别系统进行了正常条件测试、恶劣条件测试以及效率测试等实验,实验结果表明设计的车牌定位和车牌判断方法具有较高的可靠性,车牌字符识别具有较高的准确率,因而设计的车牌识别系统具有较好的鲁棒性和实用性。     

Sobel算法在车牌识别系统中的改进与实现

经典Sobel算法是图像边缘检测中常用的方法之一,但在车牌识别系统中也检测出了很多的噪声点和造成了车牌字符的断裂,加大了后期车牌提取和字符识别的难度,降低了车牌定位的精确度。针对车牌识别系统,对Sobel算子进行了改进,在实际运行中取得了良好的车牌定位效果和很强的抗干扰能力,并能在最大程度上保持字符的完整性。     

复杂背景下快速车牌定位算法

提出了一种复杂背景下的快速实时车牌定位算法。车牌定位的实时性和精确性是车牌识别系统高效运行的保障。提出了一种整型特殊核并利用差分运算来实现车牌定位。在分析了混合高斯函数卷积的车牌定位方法上的基础上,针对二维高斯核计算复杂度较高的问题提出了改进,直接在获取的垂直边缘图上进行混合高斯卷积,重新提出了一种整型的特征核,并用差分的方法代替了卷积,即用少量的加法操作代替了卷积大量的浮点乘法操作。对比分析了两种不同方法的定位效果和时间复杂度。实验结果表明在保持定位精度不变的情况下运行效率有较大提高,达到了实时性的要求。     

车牌自动识别的算法研究与实现

基于MATLAB对车牌自动识别系统中的算法进行研究,详细阐述车牌自动识别过程中的车牌定位、字符分割、字符识别的算法思想及算法实现。通过对一些车牌图像进行测试,获得较高的车牌自动识别准确率,表明算法具有可靠可行性。     

一种基于模糊粗糙集理论的算法及其在医学影像中的应用*

提出一种基于模糊粗糙集理论的属性约简算法,并且应用于医学影像领域。通过辅助诊疗系统,比较了运用此算法前后的分类效果,得出运用此算法约简后的分类正确率明显提高,并且运算时间明显减少的结论。试验表明通过此算法约简掉的属性确实是影响分类效果的冗余属性。