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%。     

基于统计特征的启发式车牌定位新方法

在研究现有车牌定位算法的基础上,提出了一种基于统计特征的启发式车牌定位算法。该算法利用图像金字塔结构将图像分级处理,将车牌区域字符密集特征量化为跳变特征,利用动态规划算法计算统计矩阵,根据事先实验得到的车牌跳变特征范围筛选统计矩阵得到候选矩形框。根据颜色特征,车牌尺寸特征,字符个数特征等筛选候选区域得到最终定位结果。大量实验表明,该方法能精确,高效地定位车牌并且对环境的适应能力比较好。     

基于扫描线和特征筛选的车牌定位快速算法

以对车牌识别准确率影响最大的车牌定位技术为重点,研究并提出一种基于扫描线和特征筛选的车牌定位算法,该算法先记录并分析二值图像中相邻水平扫描线上的跳变点信息,确定出候选车牌区域,再根据车牌特征筛选,最终确定车牌区域.对113幅不同车型的图像进行测试,结果表明,去噪处理对定位准确率有很大影响,当车牌倾斜角度小于5°、且经过去噪处理时,定位准确率超过90%,定位时间小于0.9s.     

自适应遗传算法在车牌定位中的应用

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之一。由于传统的定位算法存在适应性差,鲁棒性不强的问题,提出一种基于自适应遗传算法的车牌定位方法。先用最大类间方差法(OTSU)对车牌图像进行二值化,然后利用遗传算法对全图进行车牌特征匹配搜索,结合区域特征向量构造的适应度函数,最终找到车牌区域的最佳定位参量。测试结果表明,该算法适应性强,定位效果很好。     

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。     

基于车牌特征和底色识别的车牌定位算法研究

在车牌识别系统中,车牌定位是车牌自动识别系统中最重要的一步,车牌定位的准确程度直接影响车牌识别的精度。针对背景复杂,车牌区域模糊的图像,提出一种车牌结构特征和底色相结合的车牌定位方法。该算法首先利用彩色边缘算子提取图像的边缘,然后利用连通域算法找出不同的连通区域,最后结合车牌的结构特征(宽高比、车牌区域灰度跳变次数)和车牌底色特征(目前是黄色、黑色、白色和蓝色)选定最佳区域。实验结果表明,该算法简单,定位准确,满足实时性要求。     

基于特征显著性的多特征融合车牌定位算法

在分析已有车牌定位技术以及目标检测共有特性的基础上,提出了基于视觉显著性的特征选择方法.算法依据先验样本的统计学习,利用导致最小错误概率判决方法,得到目标的特征显著性分析.在车牌定位过程中,根据得到的特征显著性序列,依次赋予特征不同的权值,然后采用融合的方式得到所需要的车牌区域.实验结果表明,该算法提高了使用单一特征进行车牌定位的准确率.     

基于数学形态学和行扫描的车牌定位算法

提出了一种基于数学形态学和行扫描的车牌定位算法：首先利用数学形态学使车牌区域形成一系列的连通候选区域;然后结合车牌的特征及白像素点数的统计,利用行列扫描对车牌精确定位。实验结果表明,该算法定位效果好、速度快,可用于对实际车牌图像的定位。     

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。     

一种蓝底车牌的快速定位技术

车牌定位是汽车车牌识别的一个重要的环节,在研究汽车车牌定位的过程中,发现了一种可以快速定位汽车车牌的新技术。针对蓝底车牌不反射蓝色光的特点,提出了一种基于彩色图像蓝色通道进行车牌定位的算法,算法首先根据蓝色通道数值过滤其它通道的颜色,使用几何形态检测技术对过滤后的图斑依次进行检测,最后剩余的区域极为车牌区域。实验证明该方法能够快速的查找到图像中车牌的位置,法计算量小,速度快。适合在实时性要求高的场合使用。     

基于混合特征的车牌定位算法

车牌定位技术是汽车牌照自动识别和智能交通系统的用车牌的颜色、纹理和结构几何等多维特征,实现车牌定位.该算法利用车牌的彩色信息进行彩色分割,实现车牌图像的二值化,而后提取边缘增强,在此基础上利用数学形态学方法去噪并去除车牌边框,并利用车牌纹理特征利用投影实现车牌的最终定位.该算法克服了单一特征信息不完备引起的车牌定位误差,实验表明该方法具有较好的车牌定位效果.     

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。     

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。     

Top-hat变换在多车牌定位中的应用

为了提高多车牌定位的精度,提出了一种基于Top-hat变换的车牌定位算法。该算法根据车牌纹理的空间分布特点和Top-hat变换的特点,以Top-hat系数为依据,通过平滑、二值化、垂直信息提取、连通、密度计算等多个操作完成车牌定位,该算法可对单、多车牌定位。以实际监控的图像为实验数据,通过对比实验,其结果表明:在不同背景情况下,方法在定位精度、漏判率和误判率等方面均优于其他算法。     

一种新的车牌定位方法

该文提出一种基于颜色与纹理综合特征的车牌定位新方法。首先进行颜色分割,提取并强化目标颜色,然后提出一种专门针对车牌颜色的灰度化方法进行灰度化处理,最后进行区域生成,分割并定位车牌。实验表明算法效果好,速度快,尤其是提出的灰度化算法较标准灰度化算法效果更明显。     

基于模糊边缘检测算法的车牌定位

车牌定位是自动车牌识别系统的一个关键步骤,车牌定位结果直接影响对车牌的最终识别效果。因此为了保证实际应用中车牌的识别准确率,文中提出了一种新的车牌定位算法,该算法利用一种改进的快速模糊边缘检测算法来进行车牌图像的边缘检测,得到整个原车牌图像的边缘图像,然后基于边缘图像的丰富的边缘信息设计一个高效、准确的车牌区域定位算法,检测出车牌区域。实验结果表明:算法定位速度较快、准确度较高,具有良好的应用前景。     

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。     

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.     

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%。