一种改进的汽车牌照定位算法

本文介绍了一种有效的基于彩色图像的汽车牌照的定位算法。它充分运用车牌的字符特征、形状特征和颜色特征,能够准确分割车牌区域。     

基于纹理特征和神经网络牌照定位方法

汽车牌照的定位是一个较难解决的图像分割问题,神经网络为此问题的解决提供了一个有力的解决工具。这里提出一种基于纹理特征和神经网络的牌照定位方法,首先采用基于纹理特征的方法对车牌图像进行行定位和列定位,确定车牌候选区域,然后采用基于神经网络的方法对候选区域的特征进行分析判断,确定车牌区域。实验结果表明,该方法可以实现汽车牌照的快速定位,并且定位准确率较高,鲁棒性较好。     

汽车牌照定位与识别系统设计

车牌自动识别系统对于智能交通的发展至关重要。针对国内较多的蓝底白字车牌和黄底单行黑字车牌汽车图像,分别从车牌定位、字符分割和字符识别三个模块出发,提出基于颜色定位、边缘检测和支撑向量机相结合的方法实现车牌区域的准确定位;采用字符轮廓寻找法及人工神经网络法实现字符分割及字符识别,可有效识别比较复杂环境下的车牌颜色和车牌号码。基于C++平台设计了一种汽车牌照自动定位和识别系统。大量实验结果表明,三个模块和整体系统的总体识别率都能达到92%以上甚至更高,并且通用于蓝牌小轿车和黄牌单行字符的大轿车。     

基于支持向量机的车牌定位方法

车牌定位是汽车牌照自动识别系统中的关键步骤。对车牌定位文体进行研究,提出一种基于支持向量机的定位方法。首先将图像分割为N×N大小的子块,提取每个子块的灰度特征,训练SVM分类器;然后用训练好的分类器进行牌照子块和非牌照子块的分类,再使用数学形态学滤波和区域合并;最后运用投影方法定位牌照区域。实验结果表明,该方法能正确定位牌照区域。     

基于特征的车牌定位算法

车辆牌照的识别技术是智能交通系统重要研究课题之一,而车辆牌照的定位又是车牌识别的关键点。本文采用了一种新型的综合利用车牌纹理特征、颜色特征和几何特征的快速定位算法。该算法利用数学形态学充分挖掘车牌纹理特征以及消除噪声干扰,把图像分割为若干个子区域,利用纹理条件和颜色条件判断,对子区域进行独特的分类和聚类融合,最终由粗至细精确地定位出车牌位置,然后利用Hough变换矫正倾斜的车牌图像并去除边框和铆钉,为后续车牌字符的分割识别步骤打下良好基础。实验结果表明,本文的研究成果能有效定位车牌且效果显著。     

复杂背景下基于颜色的车牌定位方法研究

车牌的颜色特征是车牌定位的一个关键信息。复杂背景下,直接对车牌边缘进行分割以达到车牌的定位比较困难。为解决上述问题,提出了一种复杂背景下基于颜色的车牌定位方法。此方法通过颜色空间变换,将复杂背景下与车牌颜色相近的颜色全部保留,滤除其他不符颜色。实验结果表明,基于颜色的车牌定位方法,去除了背景颜色及不相干区域的干扰,可以简化后续车牌处理算法,提高车牌定位的精度和速度。     

基于C#的车牌定位系统

车牌识别系统是智能交通控制系统的一个重要部分,主要分为车牌定位、字符分割、字符识别三个部分。其中车牌定位的准确性直接会影响后续的两个部分。本文提出了一种将灰度边缘检测和彩色分割相结合的车牌定位系统。具体表现为对采集到的车牌图像进行预处理（灰度化、高斯滤波、边缘检测、ostu二值化）,根据跳变点得到车牌候选区域,即粗定位,然后将车牌候选区域从RGB颜色空间转换到HSI颜色空间,根据各种颜色（黑、白．黄、蓝）在HSI颜色空间的区间范围进行精确定位。本文的车牌定位系统由C#实现。实验结果表明该方法具有很好的实用性。     

基于MATLAB的车牌识别系统的研究

汽车牌照识别是图像识别领域的重要研究课题,这里运用MATLAB研究车牌识别技术中的图像预处理、车牌定位、字符分割与字符识别等核心部分,并提出一种基于MATLAB的车牌识别系统的实现方法,综合使用多种方法提高系统的有效识别能力.该方法解决了在自然背景的图像中定位分割牌照区域、车牌倾斜和提取分割的字符等问题.通过对一定数量的图像进行处理,结果表明MATLAB在车牌识别方面的运用非常有效.     

基于MATLAB的车牌识别系统的研究

汽车牌照识别是图像识剐领域的重要研究课题。这里运用MATLAB研究车牌识剐技术中的图像预处理、车牌定位、字符分割与字符识别等核心部分,并提出一种基于MATLAB的车牌识别系统的实现方法．综合使用多种方法提高系统的有效识别能力。该方法解决了在自然背景的图像中定位分割牌照区域、车牌倾斜和提取分割的字符等问题。通过对一定数量的图像进行处理,结果表明MATLAB在车牌识别方面的运用非常有效。     

一种基于快速最近特征线的汽车牌照识别方法

提出一种基于快速最近特征线法(NFL)的车牌识别方法.根据颜色的视觉一致性,采用Munsell颜色空间的NBS颜色距离的概念对色彩进行聚类,再采用不同的结构元素,对于聚类后的图像进行一系列的数学形态学运算,准确定位出车牌的位置后,以NFL为基础,采用一种快速的计算方法,把待识别字符划分到最相匹配的类别中.实验表明,提出的车牌分割与识别新方法快速,准确,能有效地提高汽车牌照的识别效率.     

基于边缘颜色分布的车牌定位新方法

根据车牌的综合特征,提出了一种新的基于边缘颜色分布的车牌定位算法.该算法抓住了车牌背景与字符具有固定颜色搭配的重要特点,利用车牌区域内特有的边缘颜色分布信息并结合车牌的纹理特征,有效地滤除了大量的背景和噪声边缘,然后利用车牌的结构特征和边缘信息,并结合形态滤波的方法,以进一步确定车牌区域.实验结果表明,该算法定位准确率高、鲁棒性好,而且适用于对复杂背景下的多车牌图像进行分割.     

基于HSV空间与数学形态学的车牌定位方法

车牌区域的颜色特征是车牌的重要信息,基于此特征,提出了基于HSV颜色模型和数学形态学相结合的车牌定位算法.并利用Matlab软件对该算法进行仿真,实验证明该方法在复杂背景下具有较强的适应性与稳健性.     

基于彩色数字图像的车牌识别研究

车牌识别是图像识别技术在智能交通领域应用的重要研究之一,是实现交通管理智能化的重要环节。我国交通管理部门对汽车牌照的样式制定了严格的规范,这些规范将为车牌自动识别技术的实现提供重要的技术依据。车牌识别研究充分利用这些规范进行设计,采用彩色数字图像模式识别方法,针对彩色为24位,大小为640×480,以及蓝底白字车牌的图像进行识别研究,并具体描述图像车牌的预处理、车牌特征提取和车牌识别三个连续的过程。在Visual C++环境下实现对汽车牌照自动识别功能。实验结果表明,车牌识别自动技术识别效果可靠,具有很好的实用性。     

基于曲量场空间的车牌定位与识别

提出了一种新的采用曲量场空间描述的车牌定位与识别算法.该算法首先在彩色车牌图像中进行亮度扫描,然后拟合渐变梯度向量,并以曲量子进行点阵描绘并消除彩色信息,最后以采样的曲量子群分别融合成车身、车牌及字符的曲量子空间,将融合的车牌、字符曲量子空间进行边缘曲量子的光滑衔接组成曲量场并提取场内曲量的空间数据及其曲量约束信息进行...     

自然场景下的车牌检测与识别算法

车牌自动识别是智能交通系统的关键技术之一,主要包括车牌检测和字符识别两部分。为提高车牌检测速度和精度,本文提出了一种基于学习、由粗到精的车牌检测方法。首先采用颜色点对和垂直边缘相结合的方法,快速检测出车牌感兴趣区域;然后采用一种基于梯度方向直方图特征和支持向量机的机器学习方法实现车牌的精确定位。在车牌识别阶段,首先采用基于连通域分析与字符固有特征相结合的方法进行字符分割,然后根据字符结构提取3种稳定且有效的特征,采用支持向量机对分割的字符进行识别。采用上述方法对412幅不同角度、不同光照条件、不同时间段下拍摄的图像进行检测与识别,实验结果表明本文提出的算法精度高、鲁棒性好、识别速度符合实时性的要求。      

一种新型车牌定位算法的研究

车牌定位过程中,由于光照变化、视点和距离变化、复杂背景等原因,图像传感器很难获取到高质量的图像。为了克服这些问题,本文在融合滤波的基础上,将一种基于模糊算子的彩色图像边缘检测方法用于车牌定位中,结合数学形态法和改进后的4-邻域标记法,以及车牌文本区的先验知识找到车牌的准确位置。本文用影像传感器对不同环境条件下获取的300多幅图像进行实验,结论验证了这种方法有效地克服了非车牌区域噪声的干扰,提高了图像质量,而且车牌定位准确率达到98.3%,证明了算法的有效性和鲁棒性。     

基于纹理特征和颜色匹配的车牌定位方法

在分析车牌定位现有算法的基础上,根据车牌的特点,提出一种新的综合利用车牌纹理特征和边缘颜色对的车牌定位方法.首先根据车牌的纹理特征和结构特点进行粗定位,确定车牌的候选区域,然后对候选车牌区域进行边缘颜色对的检测,根据车牌背景与字符有固定颜色搭配的特点,确定车牌区域.实验结果表明,该算法能有效地对车牌进行定位,提高了车牌定位的可靠性.     

三维激光扫描数据的网格简化

针对三维激光扫描仪获得的彩色人头数据集压缩问题，提出了基于区域分割的顶点合并网格简化算法。该算法分为区域分割和网格简化两个阶段。在对三维彩色人头数据集进行区域分割的基础上，把网格点分为：区域边界点（在顶点合并操作中，它只能与边界点合并）和区域内部点，然后根据区域加权的误差评价函数进行网格简化。实验表明，该算法压缩比高，网格简化质量好。     

基于多尺度区域混色的RGB欠采样图像颜色错误评价

针对彩色阵列显示设备中由于采用亚像素寻址技术引起的颜色错误问题,该文提出了一种定位和量化的方法。基于人眼空间混色特性,指出颜色误差的度量应在多尺度混色区域下进行。以亚像素矩型排布为例,从点阵理论的结构基元出发,设计多尺度混色区域的形状与大小,实现了颜色错误的定位与量化。分析和实验表明,以多尺度区域混色颜色误差为基础的自适应颜色误差消除法在弱化颜色错误的同时保持了更多原有图像的细节。