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.     

一种车牌图像的快速定位算法

在分析车牌一维图像变化特征的基础上，本文提出一种基于自适应遗传算法理论的车牌定位方法。该算法简单，定位准确，运算速度快，适用于白天和夜晚复杂环境中的车牌定位。     

一种精确高效车牌定位算法

车牌自动识别是现代智能交通的重要组成部分,而车牌定位技术又是车牌识别系统的核心技术之一。本文提出一种精确高效的车牌字符定位算法,该算法采用差分来描述灰度变化进行初步定位,并对不同类型的车牌使用不同的二值化处理方法。实验表明,该算法快速有效。     

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.     

一种快速的车牌定位与提取算法

针对现有的车牌定位的各种局限性,本文提出了一种基于图像二维区域能量的车牌定位算法,给出了该算法实用公式,并给出了基于图像能量的车牌提取算法以及车牌区域的验证方法。该方法充分利用了车牌的纹理复杂、对比度鲜明、外型规则等特征构造能量图像,并对原有的能量算法进行了改进。其明显的优点是可以避免直接对图像进行二值化时阈值难以确定的问题以及光照情况对颜色的影响。大量的实验表明,该算法不仅简单、快速、准确率高,而且对车牌区域的噪声有很好的抑制作用。     

一种新的快速自适应车牌定位方法

针对现存车牌定位方法自适应性差和鲁棒性不强的情况。本文提出了一种新的快速自适应车牌定位算法．此算法结合图象中车牌区域的纹理特征、灰度和边缘投影信息定位车牌。经对不用场景、不同光照、不同车型的汽车图象的实验表明该算法具有快速，鲁棒性强，自适应性好的优点。     

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。     

基于模糊边缘检测算法的车牌定位

车牌定位是自动车牌识别系统的一个关键步骤,车牌定位结果直接影响对车牌的最终识别效果。因此为了保证实际应用中车牌的识别准确率,文中提出了一种新的车牌定位算法,该算法利用一种改进的快速模糊边缘检测算法来进行车牌图像的边缘检测,得到整个原车牌图像的边缘图像,然后基于边缘图像的丰富的边缘信息设计一个高效、准确的车牌区域定位算法,检测出车牌区域。实验结果表明:算法定位速度较快、准确度较高,具有良好的应用前景。     

基于模糊边缘检测算法的车牌定位

车牌定位是自动车牌识别系统的一个关键步骤，车牌定位结果直接影响对车牌的最终识别效果。因此为了保证实际应用中车牌的识别准确率，文中提出了一种新的车牌定位算法，该算法利用一种改进的快速模糊边缘检测算法来进行车牌图像的边缘检测，得到整个原车牌图像的边缘图像，然后基于边缘图像的丰富的边缘信息设计一个高效、准确的车牌区域定位算法，检测出车牌区域。实验结果表明：算法定位速度较快、准确度较高，具有良好的应用前景。     

一种基于扫描行的汽车车牌定位算法

汽车牌照的自动识别是一种重要的交通信息获取技术,在ITS中有广泛应用。该文在对收费站汽车牌照特征分析的基础上,提出了一种改进的基于扫描行的灰度跳变点特征的车牌定位算法。实验结果表明,该方法能有效定位车牌,车牌定位精度超过95%,并能有效地克服光线和天气条件等影响。     

基于NSCT变换的车牌定位算法研究

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,但存在着计算量大或定位准确率不高等问题。为了实现对车牌区域的精确定位,提出了一种基于非下采样Contourlet变换的车牌定位算法。首先,对图像进行非下采样Contourlet变换,得到车辆图像的8个方向的高频分量子图;然后,通过一定的结合规则将这些高频子图合成一幅能突出车牌区域的高频图;最后,运用数学形态学和连通域分析定位出车牌。实验结果表明,其算法不仅能成功提取车牌图像边缘,而且能很好地滤除噪声,从而实现准确车牌定位。     

车牌定位方法探讨

车牌定位是牌照自动识别系统中最为关键的环节,是智能交通系统（1TS）中的核心技术。本文对车牌定位的新方法、新思路进行探讨和研究,目的在探求通用的定位算法。     

基于边缘与SVM的车牌自动定位与提取

提出了一种将边缘与SVM相结合的车牌定位与提取的方法。首先根据字符的边界特征进行粗筛选,获得几个车牌候选区;然后使用SVM分类器进行字符与非字符分类;最后根据车牌特征实现定位与提取。实验表明,该方法取得了良好的效果。     

一种运动模糊车辆牌照识别方法的研究

车辆快速运动情况下对其所拍摄的车牌图像通常比较模糊,在对其进行识别时效果不理想。针对此问题,提出一种基于Z变换的模糊车牌信息识别的新方法。该方法通过建立基于Z变换的图像退化模型和恢复模型,先对运动模糊图像进行复原处理,再对处理后的图像进行车牌信息识别。实验结果表明,该方法对模糊车牌信息识别的效果良好,具有一定的实用性。     

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。     

一种车牌自动识别系统设计方法

通过对连续视频流分析的方法判断并捕获车牌图像帧;基于数学形态学方法和边缘特征分析来进行车牌定位,进行二值化、引入多指标联合评价函数判断反色等处理;最后基于连通体分析的方法切分字符。实验表明本系统设计方法是可行的。     

基于孤立像素点去除的车牌ROI区域快速定位方法研究

车牌识别（LPR）作为当前较为广泛研究的热门课题之一,已经日趋成熟和完善,但传统车牌提取算法中仍然存在对单个像素点过分依赖、识别率不高等问题。提出一种基于孤立像素点去除的车牌感兴趣区域提取方法,在Sobel算子边缘检测算法的基础上,采用基于行列比例和周围相似度两种方法,对单像素点进行处理,有效去除影响感兴趣区域中的孤立点,突出车牌特征并提高识别精度。实验结果表明,该方法较传统方法识别速率平均提高约5%,识别精度平均提高约15%。     

一种基于纹理模式的汽车牌照定位方法

针对车牌区域内字符串具有丰富的纹理特征,采用纹理模式分析方法,充分利用这些纹理特征,突出车牌区域,削弱伪车牌区域。提出了一种基于纹理模式的车牌定位方法。试验结果表明,此方法能较准确地定位车牌,便于进一步的车牌字符分割。     

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%。