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。     

车牌定位方法的研究

对车牌定位的关键技术进行了研究,提出两种改进的方法,方法一,对形态学变换后的图像进行有效处理后得到车牌连通区域,方法二,中先采用基于横向扫描法找出车牌候选区域所在行,再结合垂直投影和跨列扫描法定位车牌左右边界,实验证明这两种方法都能准确定位车牌,为后期的车牌识别提供了基础。     

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。     

基于多颜色模型的车牌定位方法

提出了一种基于多颜色模型的车牌定位方法.首先把输入的RGB彩色图像转化到HSV和YIQ颜色空间,综合这两个颜色空间的信息进行颜色分割去除大量的背景干扰信息,得到了颜色为车牌照的一些区域.然后将颜色分割后的图像灰度化并分块,找出水平差分累加和最大的块确定车牌大致位置在原彩色图中实现车牌的粗定位.最后对粗定位图进行二次颜色分割得到车牌区域的信息利用投影法精确定位出车牌.实验结果表明该方法效果较好.     

基于多颜色模型的车牌定位方法

提出了一种基于多颜色模型的车牌定位方法。首先把输入的RGB彩色图像转化到HSV和YIQ颜色空间,综合这两个颜色空间的信息进行颜色分割去除大量的背景干扰信息,得到了颜色为车牌照的一些区域。然后将颜色分割后的图像灰度化并分块,找出水平差分累加和最大的块确定车牌大致位置在原彩色图中实现车牌的粗定位。最后对粗定位图进行二次颜色分割得到车牌区域的信息利用投影法精确定位出车牌。实验结果表明该方法效果较好。     

基于纹理特征的车牌定位方法

提出了一种基于纹理的车牌定位方法。首先提取汽车图像的边缘,再连接水平方向上距离较近的边缘点,通过数学形态学操作形成若干候选区域,然后根据水平方向边缘线段长度和投影直方图进行精确定位,最后根据尺寸判断候选区是否为车牌。实验结果表明,该算法定位准确率能达到93.7%,平均定位时间为435 ms。     

基于灰度图像的车牌快速定位和分割方法

基于灰度图像水平差分和垂直差分图像的相关特点，提出了一种能在复杂交通背景下实现车牌快速定位和分割的方法。该方法首先通过中值滤波对图像滤噪并进行直方图均衡化处理；然后运用一种水平差分和自适应阈值方法对图像进行二值化，接着在对所得二值图像存水平方向作形态学膨胀运算后，对其垂直、水下方向的扫描线长度先后进行滤波处理而粗分割出车牌的候选区域；最后通过车牌垂商差分图像在竖直方阳扫描投影的相关特征对所得候选区域进行筛选，得到车牌在水平和垂直方向的精确位置。该方法对于图像背景复杂度和车牌在图像中的位置限制较少，而且实现简单，定位速度较快，是一种简单、高技的车牌定位方法，实验结果证明了该方法的有效性。     

一种实用的多车牌快速定位系统

针对车牌定位计算量大、定位时间长问题,设计了一套快速实用的定位系统。对车牌进行直方图均衡的预处理,通过改进的Prewitt边缘检测算子、投影和数学形态学方法确定候选区域队列,利用车牌的几何和颜色特征排除候选车牌区域中的干扰区域,对各种环境下定位效果进行了比较,给出了相应的实现结果,具有一定的研究价值和社会经济效益。     

基于梯度与形态学的低质量车牌定位

针对低质量车牌的定位问题,提出一种水平梯度信息和数学形态学操作相结合的定位方法。利用自适应梯度图阈值分割算法分割出车牌部分的梯度信息;通过形态学和区域合并操作得到连通的候选区域;结合车牌自身特点进行区域搜索,粗定位出车牌;用扫描线法去除边框,实现车牌的精确定位。实验结果表明,该方法对光线昏暗、噪声严重、车牌区域污损、倾斜等条件下的车牌定位具有较强的鲁棒性,能满足实际交通场景中的车牌定位需求。     

基于小波变换和数学形态法的车牌定位方法研究

随着智能交通技术的发展,车牌识别系统已成为其中的一个重要环节,一般来说,车牌识别系统分为车牌定位、字符分割和字符识别三个部分。车牌定位作为字符切分和字符识别的前提,在车牌识别中起着关键的作用。在前人研究的基础上提出了一种基于小波变换域和数学形态法相结合的定位方法。首先利用小波变换后垂直细节图像的水平投影进行行定位,然后再对候选区域进行垂直投影,结合车牌自身的特点去除伪车牌区域,最后结合数学形态学知识实现车牌的精确定位。实验证明,该方法在背景较为复杂或存在干扰的情况下具有很好的效果。     

一种基于视频流的多车牌定位方法

针对视频流中多个车牌的定位问题,提出了一种基于图像复原技术与HSV颜色空间的多车牌定位方法。该方法的主要思想是用改进的维纳滤波器对获取的视频图像进行复原,根据车牌的颜色特征,利用 HSV 颜色模型构造5级灰度图,对灰度图用形态学方法进行消噪和区域连通处理,最后利用水平、垂直投影技术,结合车牌先验知识,通过分析和判断来确定并分割出各个汽车牌照。实验表明,该方法能有效的从复杂的背景中准确定位并提取出多个运动中的车牌。     

一种基于分类器投票的车牌定位方法

为解决类似车牌和失真车牌的定位难题,提出一种基于分类器投票的车牌定位方法。方法从两个方面提升车牌定位精度:首先,针对类似车牌和失真车牌的图像特点,提出两种新的车牌图像描述子,针对性地提升两类车牌的定位效果;其次,使用多种描述子分别训练SVM分类器,采用分类器投票融合的方式决定最终分类结果,进一步提升定位准确度。实验结果表明:(1)相比传统的小波和LBP车牌图像描述子,所提算法有效地提高了失真车牌的定位精度,降低了类似车牌的识别错误率。(2)构建的投票融合分类器方法使车牌图像的分类错误率从单个描述子最优的3.05%下降到了0.8%。     

基于颜色特征的车牌快速定位

提出了一种基于颜色特征的车牌快速定位算法,该算法充分利用车牌颜色相对固定的特点,首先根据原始图像得到一组特定的色彩距离图谱,通过自适应熵阈值的选取快速分割出车牌的候选区域,然后再根据车牌的纹理特征对候选区域进行筛选以得到车牌的精确位置。针对不同的背景和不同种类的车辆,抽取了3106幅图片进行测试,其中有69幅图片未定位出车牌,定位成功率为97.8%,平均定位耗时为29ms。     

基于水平梯度和形态学分析的车牌实时定位方法

车牌图像定位是车牌照识别系统的关键，该文提出了一种在高速公路复杂背景下的车牌定位与车牌字符分割方法。该方法利用水平相关特征、车牌区域的梯度形态特征和车牌配色特征进行车牌定位，并利用车牌的结构特征采用多尺度模板匹配方法切分车牌字符。实验表明该方法在复杂背景下具有较好的定位切分效果和较强的鲁棒性。     

复杂背景下的混合特征车牌定位方法

针对各种复杂背景的车牌定位问题,提出一种复杂背景下基于车牌混合特征的车牌定位算法。首先对彩色图像进行预处理,并利用基于边缘检测方法进行二值化;然后结合横向数学形态学运算和车牌几何形状特征,提取出矩形车牌候选区域;最后根据车牌颜色特征在HIS空间下结合垂直和水平投影对车牌区域进行精确定位。实验表明,该算法适用于任意大小、位置和背景环境下的车牌定位,能有效解决仅仅依靠纹理信息或颜色信息车牌定位率低的问题,具有较强的鲁棒性。     

基于神经网络和支持矢量机的多机动车车牌在线检测方法

针对道路交通多车牌识别问题, 提出了一种快速鲁棒的多车牌检测识别方法, 包括多车牌检测和车牌字符识别两部分:构造BP (Back-Propagation)神经网络模型用于颜色识别, 结合图像形态学运算方法, 筛选候选车牌目标, 基于支持矢量机从候选车牌目标中判别真正的车牌目标; 通过轮廓尺寸判断, 并结合车牌尺寸特征, 依次分割提取城市代码字符块、省份代码字符块及5位机动车编码字符块, 最后基于BP神经网络识别字符块内容.基于上述原理, 开发了鲁棒的多机动车车牌自动检测识别系统, 并在真实场景中进行了实验测试, 结果表明: 1)车辆在正常速度行驶条件下, 系统依然可以保证90%以上的车牌检测识别正确率; 2)系统可实现同时多车牌检测识别; 3)文中实验硬件配置下, 系统单幅图像检测识别平均时间低于130 ms, 处理频率约8 Hz.     

基于扩展数学形态学的车牌定位算法

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,目前车牌定位的方法多种多样,各有所长,但存在着计算量大或定位准确率不高等问题。边缘检测是常用的车牌定位方法,边缘检测的质量决定了车牌图像的最终定位结果。一般人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘检测带来了困难。根据数学形态学原理与方法,提出一种扩展数学形态学车牌图像边缘检测算子,并结合水平和垂直投影进行车牌定位。实验结果表明,该算法不仅能成功提取车牌图像边缘,而且能很好地滤除噪声,从而实现准确车牌定位。     

一种基于车灯定位的夜间车牌识别研究

针对夜间的车牌识别,提出了一种基于车灯定位的识别多个车牌的流程方法。该方法首先利用车灯坐标来对图像中多个车牌区域进行定位,进而对局部区域利用边缘检测,形态学技术,使车牌成唯一存在多次跳变的区域,车牌定位之后又利用改进的模板匹配的算法,提高了误判率,从而提供了一套夜间多车牌识别的方法。试验结果表明,两辆车的车牌识别的准确率在95%以上,并能适应于夜间的不同环境。     

基于FCM颜色聚类的车牌定位方法

提出了一种基于FCM颜色聚类的车牌定位方法。首先应用高斯差分算子对图像进行二值化;其次进行中值滤波;然后利用形态滤波,基于车牌的结构特征进行车牌的粗定位;最后基于FCM颜色聚类进行车牌的精定位。对各种条件下采集的250幅车辆图像进行实验,定位率在98%以上,同时该算法对光照影响有很好的鲁棒性。