基于聚类分析的车牌定位算法的研究

提出一种基于数学形态学和均值聚类的实时车牌定位算法,将边缘处理与聚类分析相结合,得到车牌字符的垂直边缘信息,然后通过数学形态学运算处理,结合车牌的多个特征对车牌进行定位,试验证明,该算法准确率高,抗干扰性强.     

基于Sobel算子边缘检测和数学形态学的车牌定位算法

随着智能化交通管理系统的飞速发展,对车牌的定位和识别提出了更高的要求,因此提出了一种结合边缘检测和数学形态学的车牌定位算法。采用Sobel算子进行边缘检测,经数学形态学处理得到连通的车牌候选区域,然后对其进行分析,实现车牌区域定位。实验结果表明,该方法能准确实现车牌定位,性能良好。     

基于边缘检测的车牌识别算法的实现

针对传统车牌识别的不足,本文提出了基于边缘检测的车牌识别的算法.该算法首先对摄像头获取的车牌图像预处理,去除图像无用信息,然后运用Robert算子检测车牌边缘,并对车牌区域进行图像较正,用高斯滤波法去除噪声并且提取车牌信息特征,接着对车牌区域水平和竖直方向运用触点定位法分割字符,对车牌分割后与相应字符模版匹配,利用预测模型预测识别结果,最后识别出车牌字符.     

车牌识别系统设计与实现

通过对车牌定位、车牌字符分割和车牌字符识别进行研究,提出了一种车牌识别系统的设计和实验方法。车牌定位模块中,提出了采用基于小波变换的车牌边缘提取和数学形态学相结合的方法定位出车牌,进行二值化、滤波后使用垂直投影法分割出车牌字符,最后使用多模板匹配和二次细分识别相结合的方法识别出车牌字符。经实验验证,基于该算法的车牌识别系统能够达到较高的车牌识别率。     

一种基于数学形态学的车牌图像分割方法

提出一种基于数学形态学的车牌图像分割提取方法.用修正后的形态学边缘检测算子对图像进行边缘检测,采用二尺度结构元素检测平均方法提高边缘检测的准确性,再用不同的结构元素对边缘图像进行形态滤波,以消除干扰.实验证明,该方法能快速准确定位分割出车牌图像,且计算量较小.     

车牌字符识别技术的研究与实现

设计了一种机动车牌照的自动识别解决方案.对车牌图像的预处理中,提出了一种新的基于非线性均值边缘检测算法,通过大量实验,该检测算法处理后的图像能更好实现车牌的定位与字符分割.在识别系统中,为了更准确地识别字符,使用两种特征提取法提取字符特征,设计了两级分类器对字符进行逐个识别.实验结果表明,这种识别方法具有良好的识别效果,具有较大的实用价值.     

基于字符包围盒特征参数的车牌定位分割研究

现有的车牌识别流程中,车牌定位和字符分割关联性较小,有效融合这两个过程可以提高检测的效率。为此,提出了一种基于字符包围盒特征参数的车牌字符定位分割算法。该方法首先使用高斯-拉普拉斯算子对车牌图像进行滤波和边缘检测,在此基础上,使用连通区域分析和轴对齐包围盒检测和表征边缘图像中的连通域,根据车牌字符的分布规律来筛选目标包围盒,最后基于目标包围盒中心点对车牌字符进行倾斜矫正和定位分割。实验结果表明,该方法可以有效地定位车牌和分割字符,准确率可达到93.5%。     

复杂背景下的自适应车牌检测算法的研究

车牌识别技术在现代智能交通系统中有越来越重要的应用(如收费站、停车场的车辆检测系统).为了有效的检测一个车牌,寻找车牌的位置是最关键的一步,本文提出了一种基于边缘的复杂背景下车牌的检测算法.该方法综合利用图像对比度增强、边缘检测、形态学处理、连通域分析、矩形性质分析等多种方法,解决了复杂背景中车牌定位难的问题,能够准确定位杂乱背景中的车牌,对天气、光照变化、车牌在图像中的移动和旋转等具有良好的适应能力,该方法为后续的字符分割和字符区域定位信息、车牌的超分辨率重建带来了方便.     

基于改进BP神经网络的车牌字符识别

在分析了BP网络学习算法的缺陷的基础上引入动量项和遗传算法对BP网络学习算法进行改进,大大提高了BP网络的收敛速度.对车牌字符图像进行分割并利用sobel算子进行边缘检测来提取字符特征.然后利用改进的BP网络来自动识别车牌字符,提高了识别的速度和正确率.     

一种自适应车牌识别系统设计方法

基于多种格式车牌的共性,提取车牌图像的纵向边缘,然后根据车牌区边缘灰度跳变和边缘密度等特征,采用一系列步骤去除无效和干扰边缘,保留类车牌特征区域;通过横向形态学运算,使类车牌区闭合,有效克服了形态学结构元素难以随车牌大小变化自适应选取的问题.基于扫描线种子填充算法来搜索车牌区域,利用颜色信息进行反色判断,并基于边缘检测的方法来进行车牌区域二值化,利用形态学和连通域检测方法进行字符的精细切分.对实际场景中大量车牌样本加以验证表明,算法准确率高,对车牌大小自适应性良好,具有较好实用价值.     

一种由粗到精的快速车牌定位算法

提出一种由粗到精的分步快速车牌定位算法.它首先运用数学形态学线形算子增强车牌等水平边缘密集区域得到粗定位车牌;对粗定位候选车牌区进行二值化,利用线扫描等特征获取车牌精确定位.大量测试实验结果表明,该定位算法快速、准确.     

改进的基于投影的车牌字符分割算法

车牌识别（LPR）是智能交通系统中的一个重要环节,而字符分割是车牌识别中的关键部分。文中提出了一种改进的车牌字符分割算法。首先,该算法结合了数学形态学与二维otsu算法,提高了车牌定位的准确性和抗干扰能力。其次提出了一种新的二值化方法,与传统方法相比,能有效地减少字符粘连,锚点等问题带来的干扰。最后使用投影法分割出字符。实验结果表明：该方法实现简单,分割质量好,效率高,便于下一步的字符识别。     

多结构元素的数学形态学图像边缘检测算法

数学形态学作为一门新兴的、以形态为基础对图像进行分析的学科，已得到人们的广泛关注，并应用于图像处理的许多方面。本文提出一种基于多结构元素的数学形态学图像边缘检测算法，该算法通过构造4个不同方向的结构元素，应用形态学梯度算子得到图像4个方向的边缘检测结果，并将这些结果进行加权平均，得到最终的图像边缘。为验证算法的效果，给出了本文算法和几种传统算子对Lena图像进行边缘提取的实验结果。结果表明：本文算法成功地完成了图像的边缘检测，且检测效果明显优于经典的Sobel算子，Laplace算子和Canny算子。     

基于多尺度小波边缘检测的车牌定位研究

车辆牌照的准确定位是车牌识别系统中的关键步骤,利用车牌区域丰富的边缘和纹理信息以及车牌自身的特征,提出一种基于多尺度小波边缘检测的车牌定位方法.该方法能够更好地解决在复杂背景和复杂光照下的车牌定位.首先用图像增强和多尺度小波算子提取出车牌图像的边缘,然后利用数学形态学和连通区域标记的方法对车牌进行初步特征提取去除伪车牌区域,最后采用水平垂直投影法进行车牌的精确定位.实验结果表明,该方法能够实现车牌的快速准确定位,对复杂背景下的车牌具有很好的鲁棒性和实时性.     

雾霾天气下的车牌识别

在雾霾天气下,图像采集设备拍摄的图片存在一系列问题,如饱和度低、细节失真、画质模糊等。文中探索了雾霾天气下的车牌识别算法,按照图像去雾、车牌定位、字符分割与识别等步骤来解决雾霾天气下传统车牌识别系统效率低、鲁棒性差等问题。该算法采用暗通道去雾,经去雾算法处理后,图像对比度、信息梯度和信息熵均得到提升;选择数学形态和边缘检测定位车牌的准确位置;利用仿射变换矫正车牌区域,结合投影法分割字符,最后使用基于支持向量机模式的识别算法来识别字符。经过处理后,车牌识别能达到较高的准确率。     

舰船尾流红外图像边界检测方法

由于舰船尾流与周围未扰动的海水相比温差较小且无明显轮廓,导致舰船尾流红外图像成像模糊、对比度低,难以提取其边缘信息。文中根据舰船尾流及其红外图像的特点,提出了一种利用动态纹理和数学形态学检测尾流边界的方法。首先,利用动态纹理分割方法对舰船尾流红外图像序列进行了预分割。然后,采用Canny算子对尾流区进行边缘提取。对提取的边缘利用形态学的方法进行膨胀、标记和选择,提取了真正的尾流边界。实验结果表明:该方法对舰船尾流红外图像序列进行处理,能够有效的提取尾流的边界,取得了较好的处理效果。     

自然背景下车牌定位算法研究

提出一种综合边缘检测、形态学、扫描行法的车牌定位算法,该方法利用边缘检测获取车牌区域垂直边缘,利用形态学运算得到车牌候选区域,最后结合车牌特征,采用双扫描行法定位车牌,解决了自然背景中车牌定位困难的问题.实验表明,该算法定位准确,鲁棒性强,适用于多车牌情况.