一种复杂背景下车牌定位算法

车牌定位是车牌识别技术的第一步,车牌定位的准确与否直接影响着车牌识别的准确率。通过对现有的车牌定位方法进行研究,提出了一种复杂背景下的车牌定位算法,即利用车牌先验知识和灰度跳变结合来确定车牌位置,算法先对图像进行相应预处理,再结合纹理特征以及车牌区域的几何特征来粗定位车牌。粗定位时会得到对应的候选区域,如果候选区多于一个,就结合候选区的纹理特征和几何特征,利用算法来判断候选区是否是真实车牌区域;如果候选区只有一个,该候选区即是真实车牌,直接输出结果。实验结果表明,这种方法对复杂背景下的车牌定位比较准确,对噪音的抗干扰性强,定位速度快,符合实时性的要求。     

基于纹理特征和颜色匹配的车牌定位方法

在分析车牌定位现有算法的基础上,根据车牌的特点,提出一种新的综合利用车牌纹理特征和边缘颜色对的车牌定位方法.首先根据车牌的纹理特征和结构特点进行粗定位,确定车牌的候选区域,然后对候选车牌区域进行边缘颜色对的检测,根据车牌背景与字符有固定颜色搭配的特点,确定车牌区域.实验结果表明,该算法能有效地对车牌进行定位,提高了车牌定位的可靠性.     

基于纹理特征和垂直投影的车牌定位算法研究

车牌定位是车牌识别中的关键步骤。为了能在复杂背景和不同光照条件下快速、准确定位车牌位置,提出了一种基于车牌纹理特征和垂直投影的车牌定位方法。该方法先根据车牌区域的纹理特性确定出多个水平候选区域,再利用车牌区域垂直投影的统计规律对候选区域进行筛选,并确定出车牌左右边界。实验结果表明,该方法定位速度快、准确率高,具有较好的实用性。     

基于纹理特征和神经网络牌照定位方法

汽车牌照的定位是一个较难解决的图像分割问题,神经网络为此问题的解决提供了一个有力的解决工具。这里提出一种基于纹理特征和神经网络的牌照定位方法,首先采用基于纹理特征的方法对车牌图像进行行定位和列定位,确定车牌候选区域,然后采用基于神经网络的方法对候选区域的特征进行分析判断,确定车牌区域。实验结果表明,该方法可以实现汽车牌照的快速定位,并且定位准确率较高,鲁棒性较好。     

基于边缘检测和形态学的车牌定位算法

针对车牌自动识别系统的车牌定位方法进行了研究分析,提出一种结合边缘检测和数学形态学的车牌定位算法。利用边缘检测和形态学分析得到车牌候选区域,对候选区域进行连通域分析,实现了对车牌区域的定位。实验结果表明,该方法降低了各种背景噪声对图像中目标区域判别的影响,降低了车牌定位时间,有效地实现了车牌定位。     

基于多特征集成的卡口图像前车窗的定位算法

随着高清卡口系统的普及,其所提供的静态卡口图像对公路交通安全建设有着重要的作用。针对该类图像,文中提出一种多特征集成的前车窗自动检测算法。首先,对图像进行车体检测,车牌定位,根据车牌与车窗的几何关系得到车窗粗定位的图像;然后用车窗直线特性和形状特性对车窗粗定位后的图像进行区域划分,将其分成几个候选区域;再对候选区域分别提取三个特征:形态学特征、形状特征、密封条光谱特征;最后建立多特征集成函数来判定车窗区域。实验表明,提出的方法具有较高的检测精度,同时当车型、车色以及光照变化较大时,该算法仍有较好的鲁棒性和适应性。     

车牌自动定位与模糊识别算法

提出一种基于阈值分割与区域矩化的车牌定位方法，先得到候选车牌区，然后根据车牌区的特征进行筛选得到车牌区，并给出了快速区域矩化方法。字符识别采用两级模糊识别方法，粗分类得到动态的候选集，然后根据该候选集进行细分类。实验结果表明，该方法能对车牌快速准确定位并识别字符。     

一种基于自适应能量滤波的快速车牌定位方法

提出一种快速的车牌定位方法。根据车牌在水平方向上能量高且集中的特点，先通过自适应的高通能量滤波快速地粗分割出车牌的候选区域，再根据车牌较细致的纹理特征对候选区域进行校验和修正，最终得到车牌的精确位置。实验结果表明，该方法的车牌定位正确率在99％以上，每次定位只需50—60ms。     

基于SVM和BP神经网络的车牌识别系统

针对车牌识别系统的车牌精确定位和车牌字符准确识别问题。提出一种基于SVM(支持向量机)和BP神经网络的车牌定位与识别算法。通过将HSV颜色空间和形态学方法相结合确定候选轮廓,以判断轮廓外接矩形的面积和长宽比筛选符合车牌特征的区域,并利用训练好的SVM模型对候选车牌区域进行测试判断,最终精确定位车牌的位置。此外,还可使用了BP神经网络进行车牌字符识别。经验证,该系统适用于复杂的车牌定位环境,且识别速度快,准确率高。     

复杂车辆图像中的车牌定位

针对复杂背景的车牌定位问题,提出了一种综合形态、颜色、投影等多种特征的车牌定位算法.基于车牌区域边缘信息丰富的特点,首先利用边缘检测和数学形态学方法定位候选车牌区域,并消除噪声干扰;然后根据质心所在位置对候选区域进行由低到高的排序,并通过颜色识别作进一步筛选,以排除车灯等区域的干扰;最后采用投影法及谷值分析对截取出的缺损车牌进行补全,从而得到准确的车牌位置.实验结果表明,算法的效率与精度与车辆图像的清晰度、曝光度及车牌大小等因素有关,与传统车牌定位算法相比,效率和精度分别提高了15%和20%以上.     

基于蓝色车牌背景的车牌精确定位实现方法

先对抓拍的彩色车牌图像进行车牌的粗定位,分割出车牌区域.对车牌区域做图像增强和滤波处理后,转化成二值图像,去除车牌的上下和左右边框,实现车牌的精确定位.针对抓拍的车牌彩色图像因光照不足的原因造成垂直粗定位不准的问题,提出了改进算法,提高了精确定位的准确率.     

采用二次定位的车牌图像定位算法研究

提出了一种二次定位的车牌图像定位方法.在第一次定位中首先对车辆图像进行灰度化、边缘检测及直线检测处理,根据车牌区域的特征初步找出包含车牌边框的车牌图像区域;再根据车牌边框对车牌图像进行倾斜校正;在此基础上,对车牌图像采用投影法进行二次定位,最终获得精确的车牌区域.测试证明,提出的二次定位方法能够适应不同背景,对光照、环境及车牌种类不敏感,得到的车牌图像不会包含车牌边框等无用的信息,为后续的车牌字符识别打下良好的基础.     

基于LabVIEW Vision的车牌识别系统设计

文中设计了一种基于LabVIEW Vision的车牌识别系统。该系统根据车牌颜色在HSL色彩空间上的特征,采用色彩阈值分割、腐蚀等图像处理方法将车辆图像转化成二值图,并在二值图中进行边缘检测,再根据检测到的车牌与背景间的边缘线的信息组建方程组,求出车牌边缘特征点的坐标,以确定车牌在图像中的位置。然后,以车牌在图像中的位置是否在指定区域内作为是否进行车牌识别以及当前车辆图像是否保存为车牌识别输入图像的触发条件。如果条件不满足,则系统将重新采集车辆图像,否则会根据车牌位置抓捕车牌,并采用均匀性度量法等方法对抓捕到的车牌进行二次处理,并将其转化成车牌二值图,再由OCR函数对该图进行字符识别。经实验验证,该系统具有较高的识别精确度与稳定性。     

一种新型车牌定位算法的研究

车牌定位过程中,由于光照变化、视点和距离变化、复杂背景等原因,图像传感器很难获取到高质量的图像。为了克服这些问题,本文在融合滤波的基础上,将一种基于模糊算子的彩色图像边缘检测方法用于车牌定位中,结合数学形态法和改进后的4-邻域标记法,以及车牌文本区的先验知识找到车牌的准确位置。本文用影像传感器对不同环境条件下获取的300多幅图像进行实验,结论验证了这种方法有效地克服了非车牌区域噪声的干扰,提高了图像质量,而且车牌定位准确率达到98.3%,证明了算法的有效性和鲁棒性。     

分块思想在汽车牌照粗定位中的应用

分块思想,是相对于模板匹配而言的一种图像处理思想。它是采用相对静止的方式进行图像匹配,首先根据待匹配图像的某些特征选择块的尺寸,对整幅的图进行分块,利用某些特征值来进行匹配。在以往的车牌定位算法中,有很多文献提出利用模板匹配方法进行车牌定位的思想,但是由于模板匹配方法本身存在计算量大的缺点,直接明显地影响到车牌定位速度,无法满足车牌照自动识别系统的实时性要求,所以本文提出把分块思想应用到车牌照粗定位过程中,利用车牌区域字符自身的一些纹理特征,采用固定分块划分出若干大小相同的特征区域,在各区域内通过水平差分突出垂直方向纹理特征,寻找水平差分累加值最大的区域即为车牌的大致位置,这样就大大提高了车牌定位速度,同时也为后续的车牌精确定位奠定了基础。     

一种基于快速最近特征线的汽车牌照识别方法

提出一种基于快速最近特征线法(NFL)的车牌识别方法.根据颜色的视觉一致性,采用Munsell颜色空间的NBS颜色距离的概念对色彩进行聚类,再采用不同的结构元素,对于聚类后的图像进行一系列的数学形态学运算,准确定位出车牌的位置后,以NFL为基础,采用一种快速的计算方法,把待识别字符划分到最相匹配的类别中.实验表明,提出的车牌分割与识别新方法快速,准确,能有效地提高汽车牌照的识别效率.     

一种基于图像处理和投影的车牌定位方法

为了提高车牌的定位率和准确性,通过对车牌特征的研究,提出一种采用颜色特征、图像处理和投影结合的定位方法。首先利用车牌的颜色特征将车牌可能区域从整幅图像中确定,再利用水平移差扫描,边缘检测对图像进行处理,并利用投影以及车牌的长宽比例相结合的方法,确定车牌具体位置。结果表明,此方法对蓝底白字车牌定位较准确,并且具有一定的鲁棒性和实时性。     

计算机多尺度辅助定位车牌算法

违法占道拍摄出的单帧车辆图像具有数据量大、时效性强,检测环境复杂等特点.对其检测需要花费大量的人力与物力.并且人们在定位过程中,无法避免因经验、疲劳等方面的干扰,导致遗漏和错误定位.为此本文从视觉感知角度提出计算机多尺度辅助定位车牌算法.模拟视觉感知原理,从车辆特征、纹理特征、颜色特征尺度,逐次聚焦至车牌所在区域.提出了完整的单帧图像车牌定位流程.并且提出基于边界对的车牌区域准确定位算法.通过对实拍的交通图像实验,表明本算法对于正对的车辆有较高的准确率,符合人类视觉感知的过程可实时的对图像进行车牌检测,可同时检测单幅图片的多个车牌.但对于光线过暗、过强或者颜色失真的情况,仍需要进一步的研究.