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%。     

基于改进模糊熵的车牌定位方法

车牌定位是车牌自动识别系统中关键技术之一,定位的准确性直接影响到后期识别的效果。为了提高定位的准确性,提出了一种高效实时的车牌定位方法。该方法首先将彩色图像转化为灰度图像,并对图像进行灰度拉伸和灰度均衡,用中值滤波平滑图像,以去除噪声点;其次利用Sobel垂直算子检测出边缘,用模糊熵法求出二值化图像;最后结合水平扫描和垂直扫描定位出车牌。经过大量实验证明,该方法具有较好的自适应性,在不同外界环境下能够准确快速地定位出不同型号的车辆牌照。     

基于改进模糊熵的车牌定位方法

车牌定位是车牌自动识别系统中关键技术之一,定位的准确性直接影响到后期识别的效果。为了提高定位的准确性,提出了一种高效实时的车牌定位方法。该方法首先将彩色图像转化为灰度图像,并对图像进行灰度拉伸和灰度均衡,用中值滤波平滑图像,以去除噪声点;其次利用Sobel垂直算子检测出边缘,用模糊熵法求出二值化图像;最后结合水平扫描和垂直扫描定位出车牌。经过大量实验证明,该方法具有较好的自适应性,在不同外界环境下能够准确快速地定位出不同型号的车辆牌照。     

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。     

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.     

车牌识别系统中图像的采集和定位问题研究

针对汽车牌照识别系统中图像的采集和定位问题,设计了一种行驶车辆图像获取的自适应控制系统,很好地解决了车牌识别系统的全天候问题;并且利用纹理分析和灰度图像垂直投影相结合的方法,成功地解决了传统车牌图像定位手段很难解决的几个难题,在此过程中还涉及了车牌图像的几种预处理手段:车牌图像的灰度校正、增强和锐化;最后的定位结果验证了该定位算法的有效性和精确性.     

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。     

基于灰度图像的车牌识别系统

本文提出了一种基于灰度图像的车牌识别系统。车牌识别系统主要包括车牌定位和字符识别。为了快速准确地进行车牌定位,本文提出了一种基于字符连接特征的定位算法。在识别系统中,我们采用了一种二次字符识别的算法。     

几何特征形态学车牌识别系统研究

优化识别车牌识别问题,由于图像中的环境背景受到天气、照明等因素的影响,车牌定位不清。为解决上述问题,提出了一种结合车牌图像自身几何特征的数学形态学车牌识别系统的方法。首先应用直方图的灰度增强和局部阈值算法对车牌图像进行的预处理,通过对比采用梯度算子Roberts对图像进行有效的边沿检测,再根据提出的几何特征形态学车牌定位识别方法对灰度车牌图像进行车牌区域精确定位,采用模板匹配和神经网络方法实现字符识别。通过对实际场景中车牌图像样本进行仿真,证明了上述方法的有效性,且借助于实时性好的LabVIEW平台,较好地实现车牌识别定位优化问题,为实际交通管理提供了依据。     

基于小波纹理分析的彩色车牌定位算法研究

针对传统的车牌定位算法是采用灰度图像的纹理特征的,由于灰度图像的纹理特征诸多特性和局限性,给车牌定位算法带来很大的困难;鉴于此,提出了基于小波纹理分析的彩色车牌定位算法;首先对图像进行二维小波分解,计算滑动窗内图像的小波纹理特征;然后同时将低频子图转化RGB色彩分量为HSV色品值,提取颜色特征并得到综合特征向量;其次利用小波变化定位出车牌区域;最后对定位出的车牌进行后期校正处理并输出定位结果;该算法采用综合特征定位,克服了采用单一特征定位的缺点和局限性,从实验结果可以看出该算法能够较准确的从背景图像中提取出车牌位置信息。     

基于灰度跳变的车牌定位算法及其实现

研究车牌识别定位算法问题。传统的车牌设识别定位算法的识别精确度难以满足现实在交通管理和流量监测中的应用,存在车牌图像定位的精度的不高等问题。为解决上述问题,在对车辆图像预处理基础上,提出了一种基于图像灰度跳变特性的车辆牌照定位算法。主要给出了粗定位和细定位两种定位算法,并用VC++设计实现定位算法。通过实验对实际交通中多幅车牌图像进行处理,对不同的车牌图像进行定位。实验结果表明,新算法能够对车牌图像进行高精度定位,并且具有较强的鲁棒性,为车牌字符的识别与分割奠定了一定的基础。     

利用伴生与互补颜色特征的车牌定位新方法

车牌定位是车牌识别系统的关键技术,车牌定位的准确与否直接影响车牌识别的结果。车牌区域的颜色特征是车牌的重要信息,针对车牌区域的颜色特征,论文提出了一套利用车牌区域的伴生与互补特征进行定位的算法。该算法利用车牌区域的颜色特征,快速定位到与车牌颜色有关的区域;然后利用车牌区域伴生与互补特性快速去除具有与车牌区域相同颜色的其他非车牌区域;最后使用投影积分进行车牌的精确定位。通过对200幅从交通卡口获取的真实的彩色图像进行试验,准确定位率为98%。     

基于车牌特征和底色识别的车牌定位算法研究

在车牌识别系统中,车牌定位是车牌自动识别系统中最重要的一步,车牌定位的准确程度直接影响车牌识别的精度。针对背景复杂,车牌区域模糊的图像,提出一种车牌结构特征和底色相结合的车牌定位方法。该算法首先利用彩色边缘算子提取图像的边缘,然后利用连通域算法找出不同的连通区域,最后结合车牌的结构特征(宽高比、车牌区域灰度跳变次数)和车牌底色特征(目前是黄色、黑色、白色和蓝色)选定最佳区域。实验结果表明,该算法简单,定位准确,满足实时性要求。     

汽车牌照定位的削峰填谷自适应算法

提出一种针对汽车牌照定位的削峰填谷自适应算法。该算法首先对获取的彩色图像进行灰度化、灰度拉伸、边缘检测等处理,以突出车牌所在区域;然后对检测结果进行垂直投影,针对投影进行削峰填谷的自适应操作,获得车牌所在区域的左右边界;再对左右边界内的图像进行水平投影,并对投影进行削峰填谷的自适应操作,获得车牌所在区域的上下边界,从而最终确定车牌在原图像中的具体位置。实验结果表明该方法定位速度快、准确率高,实用性强。     

基于数学形态学和颜色特征的车牌定位方法

为了解决单一车牌定位算法在复杂背景中定位效果不理想的现状,提出一种数学 形态学和颜色特征相结合的算法对车牌进行定位。首先利用最大类间方差法(Ostu 算法)找到一 个最佳的阈值,根据所得阈值把得到的灰度图像二值化,然后采用一种改进的数学形态学算法 对图像进行边缘检测,最终结合数学形态学和车牌颜色特征进行准确定位。实验表明该算法明 显优于传统或单一的车牌定位方法,定位准确率高,对背景限制少,应用范围广。     

一种自适应车牌图像定位新方法

针对不同尺寸车牌图像的定位问题,提出了一种新的自适应车牌定位方法.该方法首先根据车牌区域的共性来提取图像的纵向边缘;然后由车牌区纵向纹理和边缘密度等特征,采用一系列步骤自适应去除干扰边缘来保留类车牌特征区域;最后通过横向形态学运箅使类车牌区闭合,以有效地克服以往形态学结构元素难以随车牌尺寸变化自适应选取的问题;同时提出了根据场景实际情况,选用灰度调整和颜色来判别模块的观点.通过实际场景中大量车牌样本的验证结果表明,该算法不仅准确率较高,而且自适应性良好,具有实用价值.     

用于多光照条件下车牌定位的遗传算法

针对多光照条件下由于车牌图像退化难以定位的问题,提出一种基于遗传算法的解决方案。该方法首先对图像局部区域进行二值纹理特征增强处理,并通过一组一维滤波器获取其纹理特征向量,最后使用基于实整数编码的遗传算法对全图进行车牌特征匹配搜索最终准确定位车牌。测试结果表明,结合遗传算法的局域特征增强算法对多种光照条件下的抓拍图像定位性能稳定,定位成功率优于传统的直线检测方法和灰度变化特征检测方法。     

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%.     

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。     

基于连通区域和统计特征的图像文本定位

文本定位是图像中文本提取的前提与基础。针对场景图像中背景复杂和光照影响,提出一种由粗略到精确的文本定位算法。该算法首先在边缘图像上利用连通区域分析进行粗略定位得到文本候选区域,然后提取候选区域的方向梯度直方图特征和改进的局部二值模式特征进行分类,去除虚假文本达到精确定位。仿真实验结果表明,该算法能够有效地降低背景复杂与光照不均的影响,在场景图像中准确地定位文本区域。