基于Radon变换和HSV彩色模型的倾斜车牌校正

倾斜车牌校正是车牌识别系统中字符分割前的必要步骤。车牌的倾斜方式可以分为水平倾斜、垂直倾斜和混合倾斜。采用Radon变换来检测倾斜车牌的水平和垂直倾斜角,首先对倾斜车牌进行水平校正,然后基于HSV彩色模型对车牌区域颜色进行提取,进而去除非车牌区域的干扰,最后运用仿射变换对图像进行垂直校正。     

基于Radon变换的文本图像倾斜校正

归纳现有的多种倾斜字符校正方法,提出一种基于Radon变换用于一般字符校正的方法。该方法对文本图像做简单的数学形态学处理,利用Radon变换求出文本倾斜的角度。实验结果表明：与传统方法相比,本算法减少了计算量,提高了校正效率,且具有较强的适用性和鲁棒性。     

基于因子缩放的车牌图像倾斜校正方法

针对倾斜的车牌图像对后继字符切割带来不利影响的问题,提出一种车牌图像上"字符"的宽度按高度同因子缩放的车牌图像倾斜校正方法。首先,根据车牌图像的特点将车牌图像分成四块,并使用Radon变换分别检测分割后的四块车牌图像;然后,根据检测的结果,求出车牌图像上车牌四条边框所在的直线方程以及对应的长度,并计算出上边框与下边框对应点连线的直线方程和长度,根据这个长度计算出连线上各点处的缩放因子;最后,根据所求的因子对倾斜车牌图像上所有的点进行校正。实验表明,与经典校正法相比,本文所提出的车牌图像倾斜校正方法校正的结果更符合实际的长宽字符比,校正效果更好。     

一种新的车牌定位与倾斜校正方法

为了在不同条件下对车牌进行定位与倾斜校正,提出了一种基于字符特征匹配的车牌定位与倾斜校正方法。该方法考虑到我国车牌首位字符为汉字的显著特征,利用标准车牌汉字库,采用特征匹配对车牌中的汉字进行定位。由于汉字在我国车牌中的位置严格固定,因此,对汉字的成功定位,也就实现了对整个车牌的定位与倾斜校正。对不同背景、不同光照条件下的车牌进行大量实验,结果表明该方法能够准确地进行车牌定位与倾斜校正,具有良好的鲁棒性。     

一种新的车牌倾斜校正方法

车牌的倾斜对车牌的字符分割与识别带来不利的影响.本文分析了车牌的倾斜模式,提出了一种新的车牌倾斜校正方法.该方法采用水平和垂直彩色边缘检测结合旋转投影求取车牌的水平和垂直倾斜角度,对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正.实验结果表明,该方法简单实用,对光照、污迹等不敏感,抗干扰能力强.     

车牌倾斜校正算法研究及改进

车牌倾斜校正是字符分割前的必要步骤,校正效果直接影响分割结果。车牌倾斜可以分解为水平旋转倾斜和竖直错切倾斜两种模式。研究现有的水平倾斜校正主要算法：Hough变换法、旋转投影法、特征直线法、方向图像法,分析各种经典算法的缺陷并给出其改进算法。通过实验分析比较各种算法的校正效果,结果表明改进算法比各自原始算法在识别效果上都有提高。设计实验研究现有竖直错切校正算法：基于预分割的旋转投影法和直线拟合法,实验结果表明旋转投影法效果远优于直线拟合法。     

基于Radon变换的倾斜车牌图像角度检测与校正

倾斜车牌图像的校正对于后续车牌图像的分割与识别具有很大的影响.本文提出一种基于Radon变换来估计倾斜角度的方法,并对之实行分步校正,最后应用数学形态学的方法对图像进行平滑处理.     

车牌倾斜矫正算法的比较研究

本文分析目前车牌倾斜矫正中常用的Hough变换和Radon变换,通过实验对比发现Radon变换相对Hough变换具有更好的适应性。     

车牌定位及倾斜校正方法

提出了一种基于车牌字符信息的车牌定位及其校正方法。首先使用灰度形态学的顶帽操作（top-hat）增强车牌区域,使其能在二值图中突出显示,然后根据二值图中车牌字符的连通元个数和排列位置来确定车牌的具体位置,最后对已定位的车牌进行方向校正,包括水平和垂直方向校正。水平校正是根据这些字符连通元的中心确定车牌的水平倾斜角度,使用旋转几何变换使其水平方向得到校正,垂直校正则使用投影分析的方法求出水平校正后垂直方向的倾斜角度,再进行图像的像素平移。实验结果表明,该方法能够在复杂背景下快速、准确定位到车牌,并且倾斜校正效果很好。     

一种新的倾斜印刷体字符的校正方法

在印刷体字符识别中,为了减少倾斜图像校正对后续步骤的影响,本文提出了一种新的字符矫正方法来提高识别效果.针对传统处理方法对图像进行旋转给图像带来的误差,本文提出的方法在原始图像上通过霍夫变换检测出角度后在相应的倾斜面上进行投影分割,对分割出的字符块逐一围绕质心进行旋转处理,试验效果表明,对识别效果有较好的改善作用.     

基于小波变换的车辆牌照定位研究

车辆牌照的准确定位是智能交通中车辆牌照识别技术的关键,提出一种基于小波变换的车牌质心定位方法,该方法可以很好地解决复杂背景与光照下的车牌定位.经过小波分析的车牌图像利用数学形态学进行车牌特征提取,对特征提取后的车牌图像采用连通区域质心的方法对车牌进行定位,最终得到车牌的准确区域.实验结果表明,该方法能够实现车牌的快速准确定位,是一种有效的车牌定位方法.     

基于SOM神经网络聚类的车牌号码倾斜校正算法

经过摄像机摄入的图像会发生倾斜,给车牌的准确识别带来了困难.针对此问题,利用SOM神经网络良好的聚类性能,在水平倾斜校正时,把车牌号码图像中的像素坐标聚成两类,拟合成一条直线,计算出该直线倾斜角,完成水平校正;按照以上同样方法进行垂直倾斜校正.实验结果表明,该方法能准确获取车牌号码的倾斜角,算法结构简单,抗干扰能力较强,符合汽车牌照图像的特点,具有较好的处理效果.     

基于深度学习的含堆叠字符的车牌识别算法

车牌识别是构建智慧城市交通系统的重要技术,当前车牌识别系统对于单行车牌已经达到了较好的识别和应用效果,但无法满足对包含堆叠字符的车牌的识别需求。针对该问题,提出了一种基于深度学习且不依赖于字符分割的方法以识别含堆叠字符的车牌。首先对倾斜、扭曲的车牌进行投影矫正;然后使用MobileNet-SSD算法检测定位车牌中的单排字符和堆叠字符;之后将堆叠字符送入基于CTC损失的堆叠字符识别网络,进行非字符分割的端到端识别。实验结果表明,该算法不仅对含堆叠字符的车牌具有较高的识别精度,同时对倾斜、扭曲等复杂环境下的车牌具有鲁棒性,极大提高了车牌识别系统的通用性。     

基于最小二乘和最小投影距离的车牌倾斜校正

在车牌图像的采集过程中,经常会有车牌倾斜的现象发生,这种倾斜给后续的字符分割和字符识别造成了很多不利影响。为此,文中提出了一种基于最小二乘和最小投影距离的车牌倾斜校正方法。该方法将车牌倾斜分成水平倾斜和垂直倾斜两部分:对于水平倾斜,首先对二值化后的车牌去边框和铆钉,再对车牌利用最小二乘拟合直线求取倾斜角;而对于垂直倾斜,则引入分块查找法来降低查找最小投影距离的执行次数,从而提高算法的执行效率。实验结果表明:该算法简单实用,能够准确地对车牌进行校正。     

基于局部投影方差的快速车牌校正方法

车牌倾斜与错切校正作为车牌识别的重要环节,虽已提出不少方法,但仍存在准确度低、效率低等不足。鉴于现有方法的不足提出一种高效的车牌倾斜与错切校正方法。首先,根据车牌图像的投影方差存在着明显的局部性规律,提取车牌的局部特征图像用于角度检测。并提出一种基于坐标旋转的最大投影方差获取方法,快速得到车牌水平倾斜角度和垂直错切角度。此外,针对字符本身的结构对于垂直错切角度检测的影响,提出相应的解决策略。最终使用3000张情况各异的车牌进行实验。实验结果表明,在正确率比现有传统方法略高的情况下,算法效率也得到大幅提升。     

多特征融合的车牌定位算法

针对使用单一特征在复杂场景下车牌定位效果不佳的问题,提出了一种融合了边缘、颜色、纹理等多种特征的车牌定位算法。该算法将定位过程分为假设生成和假设检验两个阶段:在假设生成阶段,使用特征点检测、形态学作为主要技术手段,利用车牌的字符纹理和颜色特征生成候选车牌;在假设检验阶段,使用灰度投影作为技术手段,利用车牌结构的固有特征验证候选并实现定位。实验结果表明:在包含实际场景的车牌图像库中,定位成功率可以达到96.6%,精确度可以达到95.4%,验证了多特征融合算法的合理性和有效性。     

基于车牌色彩变化特征的车牌定位方法

针对复杂背景下的车牌定位问题,提出了一种基于车牌色彩变化特征的车牌定位方法。该定位方法将RGB彩色空间中的车牌图像转换到HSV彩色空间中进行颜色识别,分割出车牌底色及字符颜色相对应的颜色区域,同时通过边缘提取、二值化处理、与运算找到对应颜色边缘特征点,最后经纹理分析来定位车牌。     

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。     

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。