一种新的基于灰度图像的车牌定位算法研究与实现

汽车牌照的自动定位是智能交通系统中的重要组成环节之一,是实现车牌识别（LPR）系统的一项关键技术。针对不同背景和光照条件下的车辆图像,提出了一种基于灰度图像灰度变化特征进行车牌定位的方法。依据车牌中字符的灰度变化,以峰、谷规律分布确定车牌上下边界,对扫描行采用灰度跳变法确定车牌左右边界。测试结果表明,该方法是可行和有效的。     

一种基于连通域和跳变的车牌定位方法

在车牌识别系统的实现过程中,车牌定位是最基础的一步。本文介绍一种基于连通域和灰度跳变的车牌定位方法。该算法首先对灰度化后的车牌图像进行“阴阳牌”的判定,对判定后的“阴阳牌”和普通牌分别进行处理;根据灰度跳变特征对车牌重新进行更细致的行定位以及列定位,得到完整车牌。实验表明这种车牌定位算法具有定位准确、光照干扰小的特点。     

基于嵌入式Linux和OpenCV的车牌定位方法

针对光照不均匀图像中的车牌定位问题,提出一种基于嵌入式Linux和OpenCV的车牌定位方法。根据车牌特征,分别在HSV和RGB颜色空间对原始图像做直方图均衡化、二值化等预处理,得到两幅二值图像;根据字符跳变规律,在HSV颜色空间得到的二值图像中定位含有车牌的候选区域,在RGB颜色空间得到的二值图像中逐个提取候选区域并进一步确定车牌边界,从而提取车牌。实验结果表明,该方法能够对复杂背景和光照不均匀时的车牌图像做准确定位,在抗干扰性和灵活性两个方面性能均有显著提高,具有一定实用价值。     

基于OpenCV的车牌图像定位

现有的车牌定位方法几乎都需要先对白天夜晚的场景进行分类,在图像中存在其他灰度剧烈变化区域时,这种场景分类容易影响到车牌定位的准确率;为了对获取到的车辆图像进行准确地定位,提出了一种改进的灰度跳变车牌定位算法,首先加入了光照补偿,使得不需要对白天和晚上的场景进行分类；然后进行了长竖线的噪声去除,可以在背景比较复杂的情况下准确定位车牌；并对精确定位出的车牌进行边框的去除,有利于下一步的字符分割;另外,对OpenCV计算机视觉库的库函数的利用,算法的复杂度得到了简化,从而更好地满足了车牌识别系统的实时性；通过对出入口处采集到的分辨率为704×576的300张图片进行测试,定位率高于95%,对白天和夜晚获取的图像有很好的适应性,满足设计要求。     

车牌识别中关键技术的研究与实现

介绍了车牌图像识别系统的现状,提出一种针对高速公路环境下的车牌定位与识别算法.在定位阶段,通过伪二值化方法消除路面产生的噪声,利用形态学闭运算定位车牌字符,并对车牌图像进行灰度交换,最终得到无边框、灰度对比强的车牌图像.字符分割采用基于字符连通域宽高检测和先验知识相结合的方法,很好地解决了字符粘连对分割的干扰,同时完成了对车牌图像的滤波.在识别阶段,先对车牌图像进行二值化和倾斜矫正,字符识别采用基于模板匹配的改进算法.对高速公路上300幅车辆图像进行测试,识别准确率高于80%.     

一种基于多特征提取的实用车牌识别方法

针对车牌识别系统的实际应用, 利用车牌区域的边缘梯度特征、几何形状特征、颜色特征、灰度纹理特征定位车牌, 然后校正车牌图像的颜色及倾斜度; 基于灰度投影法, 对普通及武警车牌均提出了有效字符分割方案, 通过自适应判别去除因字符断裂粘连、特殊字符等造成的干扰; 通过基于多特征值提取的神经网络方法初识别车牌; 最后将人眼的视觉特性用于模板匹配法, 解决易混淆字符及污损车牌的问题。通过大量实验证明, 该方法对车牌颜色、拍摄角度、光照条件等限制较少, 适用范围广、识别率高, 有较强的实用性。     

基于分块聚类的车牌图像二值化方法

利用车牌图像中车牌部分所占比例小、车牌字符与底色灰度对比度大的特点,为运算简单,易识别定位,提出了一种基于分块聚类的车牌图像的二值化方法。方法先将整幅灰度车牌图像等分成多个小块,对每个小块中的像素点根据其灰度值进行聚类,再将聚类结果二值化而得到各小块的二值化结果,合成各小块的二值化结果得到整幅车牌图像的二值图像。实验结果表明,与OTSU二值化方法相比,不仅经该方法处理得到的二值图像能很好地体现车牌特征、有效地降低车牌图像背景的复杂性,而且方法更适用于处理非正常光照条件下的车牌图像。在此基础上能有效地提高车牌定位系统的实时性和适应性。     

基于纹理分析和垂直投影的车牌定位算法

根据车牌区域字符的纹理特征和统计规律,提出了一种综合纹理分析和垂直投影的车牌定位方法。由于光照、拍摄角度会对图像产生对比度偏低、图像倾斜和变形等不良影响,利用车牌字符纹理丰富的特征寻找车牌区域可以避开了这些不良影响,并利用灰度垂直投影的统计特征进一步删除由于复杂背景而产生的伪车牌区域。实验结果表明,该方法对于背景复杂的图像,可以得到很好的定位效果,解决了复杂背景下车牌图像提取的难点问题。     

基于车牌颜色特征的改进车牌定位算法研究与实现

汽车牌照识别主要包括图像预处理、车牌定位、字符分割和字符识别四大模块。本文对图像预处理和车牌定位两个模块进行了深入研究,并提出了相应的改进方法。本文提出了一种基于局部最优化思想的图像预处理方法。该方法是基于彩色图像的预处理方法,同时基于局部最优化的思想弥补了传统方法的劣势,能够更好地解决光照不均问题。车牌定位采用一种改进的"扫描线法",把颜色跳变视为特征点,算法根据车牌字符区域特征点密集的特点来定位车牌区域。     

高斯差分的AdaBoost车牌定位方法

针对实际拍摄场景中的复杂光照条件以及不同车牌颜色对车牌定位造成的影响,提出了一种基于高斯差分图像的AdaBoost车牌检测算法.该算法首先对原始灰度图像进行高斯差分,得到其对应的高斯差分图像,然后利用基于DoG图像的DoG+AdaBoost分类器与基于灰度图像的Gray+AdaBoost分类器构成二级车牌检测器进行车牌检测,最后根据车牌中的车牌号码信息对车牌检测结果进行验证,得到最终的车牌定位结果.该算法利用高斯差分方法,很好地抑制了复杂光照和不同车牌颜色对车牌检测造成的影响,具有较快的定位速度和很高的检出率.实验表明,该算法能获得很好的车牌定位效果,具有较高的实用价值.