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。     

基于数学形态学的车牌定位研究与实现

车牌定位是车牌识别系统中的关键环节,定位的准确率是衡量系统性能的重要技术指标.针对预处理后的灰度图像,利用了数学形态学的腐浊、膨胀以及开、闭等运算,消除无用信息和噪音,然后计算出图像中连通区域的面积,并根据图像的实际情况确定面积阈值.研究并提出了基于形态学综合考虑车牌特征的算法.给出了从图像预处理到车牌定位的完整实现过程及结果.实验分析表明该算法克服了单一特征算法因不完备而引起识别率低的缺点,具有良好的定位效果.     

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。     

基于数学形态学及车牌综合特征的车牌定位算法

车牌定位是车牌识别系统中的关键步骤;利用车牌图像区域丰富的边缘信息以及车牌本身的特征,提出一种实用而有效的车牌定位方法;首先,将原始图像转换到灰度空间上,利用车牌丰富的图像边缘特征信息和数学形态学操作对图像进行粗定位;然后,根据车牌本身的特征量化5种不同的特征,通过贝叶斯分类器的训练,实现对车牌区域的精确定位;最后,通过实验对1500幅彩色图像进行测试,其有效率可达95.20%。     

基于数学形态学的车牌定位

车牌定位是汽车牌照识别系统中的重要环节,直接影响车牌识别的准确率。对数学形态学进行了研究,并且分析了利用数学形态学进行车牌定位的原理。为了对汽车牌照进行精确的定位,提出了一种基于数学形态学的车牌定位方法。对汽车图像进行预处理和阈值分割后,利用不同的结构元素对二值图像进行形态学滤波,以进一步消除干扰。最后利用面积、长宽比和垂直投影特征值进行综合分析,完成车牌定位。实验结果表明,该方法定位准确率高,为车牌识别创造了良好的前提。     

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。     

基于数学形态学的车牌定位与分割

车牌定位是车牌识别的关键步骤.为了提高定位的准确率和实时性,提出了一种基于数学形态学的车牌定位算法,通过形态学算子的作用进行车牌区的定位与分割,采用车牌结构特征来进行非车牌区域的剔除.实验表明,该算法速度快、准确率高.     

基于数学形态学的车牌精定位算法的研究

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,但存在着速度慢或定位准确率不高等问题.文章通过比较几种边缘检测方式,提出了一种基于数学形态学的车牌定位算法.实验结果表明此方法算法简单,准确度高,较好的满足了车牌识别的实时性要求,为后面的字符识别做好准备.     

基于数学形态学的车牌分割算法

该文提出一种基于数学形态学的车牌图像分割算法。首先,对原始车牌图像进行预处理;然后,利用一种抗噪型数学形态学边缘检测算子进行车牌边缘检测;最后,去除图像水平噪声,结合水平、垂直投影进行定位。实验表明,该方法不仅算法简单、准确度高,且适于对有噪声及背景复杂的车牌图像进行分割。     

基于数学形态学的实用车牌定位算法及实现

由于车牌图像分割困难、车牌位置定位不准确等问题,为了快速准确地得到车牌的准确位置,数学形态学具有速度快、方法简单等特点,使用数学形态学进行车牌的识别.通过预处理,采用最佳阈值分割的迭代算法进行车牌图像的二值化处理,然后主要利用数学形态学腐蚀运算进行车牌边缘检测,精确度高.结合车牌先验知识,利用连通区域法对车牌字符进行切分定位,通过大量实验,结果表明该算法具有一定的实用性.形态学边缘检测相对于边缘检测算子具有算法简单、速度快、定位准确和抗干扰能力强的优点.通过对不同车牌图像进行试验,算法具有较好的识别结果.     

基于形状上下文识别算法的车牌识别研究

研究图像文字准确识别问题.由于目标图像形状复杂,蜕化后的车牌文字发生形变、残缺等,影响图像识别的精确性.为了实现自动文字识别和判断,提高准确率,提出了一种利用形状上下文特征的车牌文字快速识别算法.首先利用将车牌图形进行定位和二值化处理,然后提取文字的轮廓,对轮廓上的点求取形状上下文特征.采用Contrario算法,形状自身的统计特性来设置判别阈值,实现车牌文字识别的完全自动化处理.进行仿真的结果显示,新提出的方法能准确的将车牌字符与标准字符进行比对并进行识别,特别在图像蜕化和发生形变的时候,能保持识别的准确率,证明识别方法可以方便的拓展到其他类型的文字处理系统中,可为图像文字识别提供有效手段.     

车牌图像的快速匹配识别方法

在车牌识别中,经常遇到车牌字符发生缺损、污染现象,统计识别、结构识别方法很难将它们准确识别出来。该文提出了一种快速匹配识别方法,根据图像放大和缩小原理构建多种字符模板,利用图像上、下矩对字符进行粗分类,然后根据图像自相关特性,构建了失配比例加权惩罚匹配模型,可以对车牌字符进行精确识别,该方法识别率达到了99%以上。     

基于Gabor方向特征及神经网络的车牌灰度字符图像识别

针对低分辨率灰度车牌号码数字识别问题,提出了一种利用网格技术和Gabor变换直接从灰度图像进行特征提取的新方法,并没计了一种集成型神经N-N模型来进行识别,对大量的实验数据进行识别实验得到99．26％的识别率,显示该方法是非常有效的。     

车牌识别中的颜色分析

车牌识别在交通系统中有着许多应用。用计算机和CCD摄像头识别出汽车牌照号码的车牌识别系统,已经广泛应用到高速公路不停车收费,车辆检测,停车场监控与管理,路面行驶车辆监控等犤1犦应用中。文章提出了一种在车牌识别中进行颜色分析的方法。这种颜色分析方法可以高效地去除错误的候选车牌区域。     

基于复杂背景的车牌字符快速识别方法

复杂背景下车辆牌照的快速识别主要包括字符的定位、提取与识别.本文针时在复杂背景下如何快速定位并提取字符、如何提高字符识别率的问题,阐述了在复杂背景车牌字符识别系统中,Niblack(二值化)与SVM相结合的方法和卷积神经网络的具体应用.试验结果表明,在对复杂背景图片中的车牌与集装箱箱体字符进行识别时,该系统准确率分别到达92%与89%,单次所需时间为1秒(CPU 1.66GHZ).本文方法直接对字符定位,克服了传统方法只能针对车牌字符进行识别的局限性,优于其他识别方法.     

一种基于改进模板匹配的车牌字符识别方法

提出了一种改进的模板匹配方法．该方法是在传统的模板匹配方法的基础上，通过对字符特征区域的扩大和加强注意设计了一种改进的模板，以达到更有效的匹配结果．将该方法应用于沪宁高速公路收费口处实拍的车牌图像库中，其平均识别率达到97．1％．实验结果表明本文所提出的改进的模板匹配方法具有较高的识别率和鲁棒性．     

汽车牌照识别系统的设计与实现

基于图像处理技术设计与实现了汽车牌照识别系统.     

一种高性能的牌照识别系统

介绍了一个高性能的汽车牌照识别系统及其核心技术,重点描述和分析了如下方面问题:(1)特殊的补光和成像技术;(2)新的自然场景下牌照定位算法;(3)新的基于可变模板的字符切分技术。在自然场景下的牌照定位中,提出字符笔画MGD模型以及基于该模型的牌照粗定位和精确定位算法。实验测试,该算法的定位准确率达到97.8%。在实际全天候应用条件下,系统的牌照识别准确率优于97%。该系统可以用于高速公路电子收费、治安卡口和电子警察。     

基于神经网络的汽车牌照自动识别技术研究

文章提出了一种应用BP神经网络识别汽车牌照字符的方法,重点讨论了关于BP神经网络学习过程初始权值的选取、隐含层节点数的确定和权值学习算法的改进问题,实验结果表明:该方法用于车牌识别具有较快的收敛速度和较高的识别精度。