蓝底白字汽车牌照的定位方法

汽车牌照的定位是牌照识别的第一步，定位的准确与否将对后续操作起关键作用。本文提出了一种基于多方法的车牌定位策略。首先利用颜色信息对输入图象进行彩色粗分割，得到了颜色为车牌照的一些区域。然后将分割结果中的伪目标区域分为两类：一类是与牌照颜色先进的背景，一类是可能和牌照颜色先进的汽车外壳，分别进行处理，最终利用投影法得到准确的车牌位置。实验结果表宁该方法效果较好。     

汽车牌照识别技术的研究

汽车牌照识别系统在现代交通交通监控和管理中有着广阔的应用前景。本文首先介绍了汽车牌照识别系统,然后对其关键技术进行了论述,最后对汽车牌照识别技术存在的问题及发展的方向进行了讨论。     

汽车牌照自动识别系统

汽车牌照自动识别系统在智能交通系统（ITS）中占据重要地位，有着广阔的发展前景，本文介绍了汽车牌照识别系统，该系统包括了牌照的抓拍、牌照定位，识别等内容，最后给出了现场实验结果。     

单人图象中人眼的快速定位

人眼的识别是计算机人脸识别和智能监控中的重要部分。本文提出了一种基于灰度投影曲线和边缘检测进行人眼定位的新算法。首先利用原图的垂直灰度投影曲线确定人脸的左右边界,之后利用人脸区域的水平灰度投影确定头顶至鼻中部的上下边界,然后利用人脸比例模型估计人眼的大概位置,分析人眼区域的边缘图象,给出人眼的确切位置。。实现表明,该算法简单、快速,鲁棒性强。     

基于色彩饱和度和字符特征的汽车牌照定位

在分析汽车牌照底色与字符颜色关系的基础上提出了一种利用色彩饱和度信息和牌照字符特征的汽车牌照定位分割方法。该方法不同于以往的基于色彩的分析方法，避免了在由RGB向HSV转换过程中大量的浮点运算，提高了运算效率，并且能够有效地克服光线和天气条件的影响，具有很好的抗噪性能，定位精度高。     

汽车牌照定位与字符分割

基于数字图像处理和模式识别技术的汽车牌照自动识别技术是汽车牌照识别系统的关键技术。研究汽车牌照定位和字符分割技术,实现了汽车牌照图像的预处理、基于水平投影和垂直投影算法的汽车牌照定位和基于垂直投影特征值分割算法的汽车牌照字符分割。实验结果表明,该算法能有效快速定位汽车牌照和准确分割汽车牌照字符。     

汽车牌照定位算法研究

车牌定位是牌照自动识别系统中最为关键的环节,也是栓验牌照自动识别系统优劣的重要技术指标.通过对近年来众多学者、专家提出的新方法、新思路进行探讨和研究,结合国内汽车牌照的纹理特点,进行全面、深入的剖析,旨在探求通用的定位算法.     

基于水平扫描的汽车牌照图像定位与分割

对基于水平线扫描方法的汽车牌照图像定位进行了深入的研究，探讨了整个牌照定位的算法过程，主要包括图像的采集、直方图修正、二值化、水平扫描等步骤。从理论和实验上证明了该方法的可行性和正确性。     

复杂环境下的汽车图像牌照定位方法

在汽车牌照识别系统中，车牌图片定位的准确度因受光照、背景和气候等原因的影响，牌照定位有一个较难解决的图像分割问题。作者采用了多层次分方法对汽车牌照作准确定位。经实践证明，该方法实时性好、准确度高，具有较高的实用价值。     

特征区域模板匹配法实现汽车牌照的精确识别

模板匹配法在汽车牌照自动识别中已得到广泛应用。在应用该法为某汽车检测中心做牌照自动识别系统时发现，0、D及Q3个字符互相误判率较高。为解决此问题，在模板匹配法的基础上，提出了特征区域模板匹配法，应用该法取得了满意的效果，识别精度大大提高。另外，匹配系数的求法也采用了新的方法，效果比原方法好。     

一种基于纹理和颜色综合特征的车牌定位新方法

根据车牌纹理及其几何形状的特点,提出了一种基于区域生成的车牌图像定位新方法,该方法灵活有效,通用性强,同时可以根据需要反复分割,直至取得最好效果;另外提出一种新的色彩分割方案,根据车牌的颜色特征在车牌区域内进行色彩分割,进一步地精确定位车牌区域,使得本方法不仅定位准确度高,而且分割精确度也很好。     

一种基于形状和纹理特征的车牌定位方法

根据车牌几何形状和字符纹理的特点,提出了一种基于区域操作的车牌图像定位方法,该方法充分利用车牌形状和纹理特征来制定策略,将车牌定位简化为对少数候选区域的遴选和组合,具有灵活高效的特点。同时由于区域信息不易受车牌大小、位置以及噪声的影响,因此该方法具有较强的通用性。     

一种新的基于二值面积形态学的车牌定位算法

车牌定位是车牌识别中的关键步骤,传统方法对车牌图像的要求较高,存一定程度上影响了车牌的识别率.提出了一种新的基于Renyi熵和二值面积形态学的车牌定位算法.首先用一维Renyi熵最小差值法将车牌灰度图像二值化,然后计算车牌图像中连通区域的面积,根据车牌图像的实际情况确定面积阈值,用二值面积形态学的开运算和闭运算去除噪声,最后实现车牌的精确定位.仿真实验结果表明此算法不仅定位精度高,运算简单,而且能够有效地滤除噪声.     

基于CNN彩色图像边缘检测的车牌定位方法

针对现有车牌定位算法准确率不高、步骤多和速度慢等问题, 提出一种彩色图像车牌定位方法(License plate locating based on CNN color edge detection, LPLCCED). 首先利用细胞神经网络(Cell neural network, CNN)模型导出一种与车牌颜色特征相结合的车牌定位专用边缘检测算法, 将车牌的颜色对约束条件融合到边缘检测算法中, 本文专用边缘检测算法可以大大缩小车牌初步定位的范围. 接下来提出一种针对车牌特征的边缘滤波算法, 最后根据车牌结构和纹理特征对候选区域进行判别验证. 该流程的各个环节都可以通过硬件实现, 为面向智能交通领域的实时车牌识别系统的前期车牌定位处理提供了依据.     

一种新的汽车牌照快速定位方法

选取具有很强稳定性和可识别性的车牌纹理特征，提出了一种快速的汽车牌照定位方法。该方法首先利用车牌的粗纹理特征，通过高通能量滤波进行初步定位；再基于细纹理特征，通过提取候选区域小波纹理信息结合数学形态学和投影法进行准确定位；最后跟据车牌的颜色和纹理均匀性对定位结果进行修正。实验结果表明该方法分割定位迅速，定位准确率高。     

基于移差扫描和窗口搜索的车牌定位方法

车牌定位一直是车牌自动识别系统的瓶颈问题。为了提高车牌定位的速度和准确率，提出一种简单、实用的车牌定位方法。该方法是针对汽车图像多水平纹理的特点，首先对图像进行水平移差、边缘锐化等预处理增强车牌区的纵向纹理，然后采用窗口搜索的方法找出车牌区，并结合车牌先验知识准确定位车牌。该方法对于在任何光照下，倾角小于15°的车牌图像进行实时定位均具有很好效果。     

一种基于彩色图像分割的车牌检测方法

提出一种彩色图像车牌检测方法,主要包括三个步骤,首先对车牌图像执行多尺度区域生长分割,然后在分割结果中进行车牌区域的粗定位,最后对粗定位提取的车牌区域作精确定位分析.区域生长分割方法可以产生封闭的区域,容易提取其形状信息,而长矩形是车牌目标一个显著特征,因此可以通过形状信息检测车牌.在图像分割中,采取多尺度的分割方法,生成多个不同细节程度的分割结果.在每个分割图像中搜索具有车牌外形特征的图像区域,初步检测出候选车牌目标.根据车牌字符的大小和笔画特征,对候选车牌区域进行精确判别分析,得到最终的车牌检测结果.实验部分验证了车牌检测的有效性.     

基于车体对称及颜色聚类的车牌自动定位方法*

对车牌区域的准确定位是实现自动车牌识别的一个关键问题。提出了一种综合考虑车体对称特性以及采用颜色聚类的高效车牌定位算法。该算法首先对待分析图像所属的场景进行识别,自动将图像分类为白天场景类或夜晚场景类;然后针对不同场景图像使用不同的车牌定位方案进行处理。对夜间场景中的车牌采用二次定位法,而对白天场景中的车牌采用结合车体对称轴定位并考虑车牌区域文本特征的方法。实验结果显示,该方法对图像场景分类以及车牌定位的总体准确率都达到了95.7%。     

基于图像的车牌识别

基于图像的车牌识别是图像识别领域的重要研究课题之一。本论文采用MATLAB编程实现该车牌识别系统,综合使用多种方法提高系统的有效识别能力。首先,对图像进行预处理。其次,采用了一种结合字符边缘和形态学的车牌定位算法。接着,根据分割出的车牌区域,采用一种水平和垂直投影相结合的车牌字符分割法,完成单个字符的分割。最后,运用模板匹配的方法实现字符识别。     

基于边缘颜色对的车牌定位新方法

车牌定位是车牌自动识别系统中的一个关键问题．该文提出了一种新的基于边缘颜色对的车牌定位方法．首先进行彩色边缘检测,然后以每一边缘点为中心,垂直于边缘方向取一线形窗口,在窗口内检测边缘点两侧像素的颜色是否分别匹配车牌的底色与字符颜色,若是,则保留为候选车牌边缘点;然后进行形态滤波,剥离不符合车牌结构特征的区域,最后对候选车牌区域进行纹理特征的分析以确定真实车牌区域．该方法抓住了车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性．对各种条件下拍摄的163幅含有车牌的图像应用该算法,定位准确率达到98．2％。