复杂车辆图像中的车牌快速形态定位算法

针对复杂环境下的车牌定位问题,提出了一种基于形态学的快速车牌定位方法。该方法先对车牌图像进行预处理和二值化,然后用形态学方法对二值化后的图像进行系列形态运算,将车牌图像分割为一个个独立的小区域,根据车牌特性去掉较小的区域,并对保留的连通域进行标记,最后用车牌形状特性进行车牌快速定位。实验结果表明,该方法定位效果好,速度快,适于应用对现实的车牌图像进行定位。     

基于色差的车牌快速定位算法研究

针对现有车牌定位算法的抗干扰能力弱和速度较慢问题,提出基于色差的车牌快速定位算法。设计了提取蓝色、黄色和白色像素点的色差公式,将车辆RGB图像转换到色差空间。利用迭代法对色差图像进行阈值分割得到二值图像,并利用形态学处理和标记连通域,最后结合车牌长宽比特征去除干扰定位车牌。对实际车辆视频定位处理结果表明,提出的算法可以实现白天和夜晚蓝牌车和黄牌车的车牌准确定位,定位准确率分别达到95.1%和92.5%,定位平均耗时0.026 s,优于传统的基于HSV、HIS和YUV车牌定位算法。处理结果表明该定位算法可在实际普通道路交通中实现实时准确定位。     

复杂背景图像中的车牌定位算法

针对复杂背景中的车牌定位问题提出了一种新的算法,将定位过程分解为确定候选车牌区域和剔除伪区域两个部分。首先在图像的二值垂直边缘图中,利用车牌区域的边缘信息及车牌的纹理特征进行车牌候选区域的确定,在降低算法复杂度的同时提高了定位精确性。然后,利用滑动的条带窗口对候选区域二值化图像进行连通块提取,结合车牌句法特征对该区域进行评判筛选,有效地解决了复杂背景及模糊图像中车牌定位精度不高的问题。此外,定位过程中的评判结果为后续的字符分割提供了重要的先验信息。实验证明该方法定位速度快,定位正确率高,对于背景纹理复杂及模糊图像的车牌定位具有很强的抗干扰性能。     

灰度图像下车牌定位与分割算法研究

给出了一种能在复杂交通环境下对汽车牌照进行定位和分割的算法.算法都是基于灰度图像的.在定位算法中,首先对图像进行边缘检测和水平膨胀,然后进行连通区域分析、水平聚类,最后对得到的车牌候选区域进行模糊决策,找出真正车牌区域.很好的解决了伪车牌问题.在分割算法中,利用最小二乘法对车牌进行倾斜校正,利用可变小模板对字符进行分割.实验证明,定位准确率为97%,分割准确率为95.3%,具有非常好的效果.     

复杂图像中的车牌定位算法①

针对复杂车辆图片中的车牌定位与分割,充分利用了车牌区域的高频特性和底色特性,提出一种梯度边缘检测与彩色分割相结合的综合性算法,能够对诸多干扰因素影响下的车牌进行精确定位与分割。实验表明该算法准确、可靠。     

复杂图像中的车牌定位算法①

针对复杂车辆图片中的车牌定位与分割,充分利用了车牌区域的高频特性和底色特性,提出一种梯度边缘检测与彩色分割相结合的综合性算法,能够对诸多干扰因素影响下的车牌进行精确定位与分割。实验表明该算法准确、可靠。     

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.     

基于改进Sobel算子的车牌定位方法

车牌定位作为车牌识别系统中的一个重要环节,定位算法的好坏直接影响到识别的效果.本文针对不同背景和光照条件下的车辆图像,提出一种改进Sobel算子的车牌定位算法,首先对已经过预处理的车牌图像进行改进的Sobel运算.然后使用迭代求图像最佳分割阈值的算法二值化出前景,根据车牌区域纹理丰富的特点.采用水平梯度算子求得图像的水平投影图,再运用数学形态学的开闭运算进行车牌垂直定位,最终定位车牌位置.经过大量试验证明,该算法准确率高、定位速度快.具有较好的实用价值.     

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.     

一种新的快速字符定位算法研究

准确定位字符区域是字符识别的第一步,针对高速运动拍摄图像对比度差、噪声干扰严重、字符区域范围变化大、要求在线识别且时间短等特点,研究了一套特殊的数学形态学和图像滤波算法,算法利用字符局部信息对区域内的字符进行二值化处理,后进行连通运算和数学形态学闭运算,使相邻字符连成一个字符串区域,最后根据侯选区域的先验信息,快速定位出被识别字符的准确位置.研究表明,在高速运动中拍摄80*60mm大小的物体,图像大小为640*480,利用ROI区域,可以实现100%的目标区域精确定位,定位时间小于20ms,为后续字符的准确分割和识别奠定了良好的基础.     

一种复杂背景下的车牌快速定位算法

针对复杂环境下的车牌定位问题,提出一种基于提升小波与形态学相结合的快速定位方法。该方法首先对车辆图像进行预处理,包括图像灰度化,利用新的提升小波算法进行边缘检测以及二值化,然后对图像进行腐蚀、膨胀等一系列形态学处理,得到一些规则的连通区域,其次删除小连通区域,合并邻近区域,得到车牌的候选区域,最后采用可信度评价来度量候选区和车牌区的相似度确定车牌位置,最终实现车牌的快速定位。计算机仿真结果表明,对于背景复杂的车辆图像,该方法运行速度快,车牌定位准确率高。     

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。     

一种基于模板匹配的汽车牌照快速定位方法

本文根据车牌丰富的纹理特征,提出了一种准确、快速的汽车牌照定位方法。该方法首先利用车牌的纹理特征,采用模板匹配的方法进行初步定位;然后,根据细纹理特征和牌照的先验知识,综合利用数学形态学、投影以及颜色信息判别的方法进行精确定位。同时,针对实际应用的要求讨论了对其中的一些方法的改进。大量的实验结果表明,该方法具有快速、准确率高的优点。     

基于Elman递归神经网络的汽车牌照定位方法研究

该文提出了一种新的基于Elman递归神经网络的汽车牌照定位方法。Elman递归神经网络具有上下文层 ,它将隐含层前一时刻的输出反馈到当前时刻的输入 ,这种反馈连接使Elman网络能够检测随时间变化的序列信息。该文的牌照定位方法利用Elman神经网络的反馈连接特性以及牌照区的水平和垂直两个方向的梯度特征不同于图像中的其它区域的特点 ,以一个小窗体 (12× 12 )内图像在两个方向的梯度值 ,对神经网络进行训练 ,然后在同样的梯度图上滑动该小窗体 ,让训练后的神经网络判断小窗体内的区域是否为牌照区的一部分 ,并结合汽车牌照的几何特征来实现牌照定位。实验结果表明该方法的准确定位率高     

一种复杂背景下的汽车牌照快速定位算法

提出了一种基于边缘检测、数学形态学和颜色特征相结合的复杂背景下的快速车牌定位算法。首先,利用车牌区域具有较丰富的垂直边缘信息得到包含车牌区域在内的若干候选区域,然后利用车牌自身的三个结构特征从若干候选区域中提取车牌区域。仿真实验结果表明,该算法的准确率达到了91.2%。     

一种快速车牌定位算法

提出一种快速的车辆牌照定位算法,对获取的车辆图像进行相应预处理后,根据图像的纹理特征,分析牌照区域字符分布情况及变化规律,利用车牌号码区域像素值的变化频率,在一个特定范围内进行水平和垂直方向上的定位,从而准确地得到车牌区域。实验结果表明,本文提出的算法能够较好地快速定位车辆图像中车牌区域。     

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。