复杂背景下基于车牌特征的车牌粗定位实现

本文基于车牌灰度特征和几何特征实现了车牌识别系统(LPRS)中车牌的粗定位。采用直方图Ostu方法选取阈值进行二值化、采用3*3大小的十字形窗口进行中值滤波,分别用水平投影和垂直投影法寻找车牌的左右边界和上下边界,结合图像灰度序列与单位矩形序列的互相关函数定出车牌的位置,为以后车牌进一步精确定位以及字符识别打下基础。     

主动轮廓模型在车牌识别算法中的应用研究

提出了一种识别机动车辆牌照的算法。该算法首先利用车牌的纹理特征和区域形状特征检测车牌区域。为提高区域检测的正确性，利用新的改进的主动轮廓模型，利用先验知识确定精确的车牌边界。在精确确定车牌区域基础上，可以准确切割出车牌中的字符，从而提高识别率。     

车牌自动定位与识别方法研究

提出了一种车牌定位与字符识别方法,该方法可有效地提高车牌的定位能力、字符识别率、识别速度以及识别系统的泛化能力。实验结果表明：该方法的识别率超过97%,能有效地识别各种车牌中的字符,满足实际系统的要求。     

主动轮廓模型在车牌识别算法中的应用研究

提出了一种识别机动车辆牌照的算法.该算法首先利用车牌的纹理特征和区域形状特征检测车牌区域.为提高区域检测的正确性,利用新的改进的主动轮廓模型,利用先验知识确定精确的车牌边界.在精确确定车牌区域基础上,可以准确切割出车牌中的字符,从而提高识别率.     

一种快速车牌定位算法

提出一种快速的车辆牌照定位算法,对获取的车辆图像进行相应预处理后,根据图像的纹理特征,分析牌照区域字符分布情况及变化规律,利用车牌号码区域像素值的变化频率,在一个特定范围内进行水平和垂直方向上的定位,从而准确地得到车牌区域。实验结果表明,本文提出的算法能够较好地快速定位车辆图像中车牌区域。     

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。     

复杂背景图像中的车牌定位算法

针对复杂背景中的车牌定位问题提出了一种新的算法,将定位过程分解为确定候选车牌区域和剔除伪区域两个部分。首先在图像的二值垂直边缘图中,利用车牌区域的边缘信息及车牌的纹理特征进行车牌候选区域的确定,在降低算法复杂度的同时提高了定位精确性。然后,利用滑动的条带窗口对候选区域二值化图像进行连通块提取,结合车牌句法特征对该区域进行评判筛选,有效地解决了复杂背景及模糊图像中车牌定位精度不高的问题。此外,定位过程中的评判结果为后续的字符分割提供了重要的先验信息。实验证明该方法定位速度快,定位正确率高,对于背景纹理复杂及模糊图像的车牌定位具有很强的抗干扰性能。     

车牌识别中值滤波算法的Matlab应用

随着城市化的进展,机动车日益普及,一系列交通问题有待解决。于是提出了智能交通系统（Intelligent Transport Systan）这个概念,而车牌识别LPR（License Plate Recognition）是智能交通系统的一个重要组成部分。中值滤波是一种非线性滤波方式,本文研究的即是基于Matlab的车牌识别中值滤波算法的研究与实现。     

基于混合特征的车牌定位算法

车牌定位技术是汽车牌照自动识别和智能交通系统的用车牌的颜色、纹理和结构几何等多维特征,实现车牌定位.该算法利用车牌的彩色信息进行彩色分割,实现车牌图像的二值化,而后提取边缘增强,在此基础上利用数学形态学方法去噪并去除车牌边框,并利用车牌纹理特征利用投影实现车牌的最终定位.该算法克服了单一特征信息不完备引起的车牌定位误差,实验表明该方法具有较好的车牌定位效果.     

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。     

复杂背景下快速车牌定位算法

提出了一种复杂背景下的快速实时车牌定位算法。车牌定位的实时性和精确性是车牌识别系统高效运行的保障。提出了一种整型特殊核并利用差分运算来实现车牌定位。在分析了混合高斯函数卷积的车牌定位方法上的基础上,针对二维高斯核计算复杂度较高的问题提出了改进,直接在获取的垂直边缘图上进行混合高斯卷积,重新提出了一种整型的特征核,并用差分的方法代替了卷积,即用少量的加法操作代替了卷积大量的浮点乘法操作。对比分析了两种不同方法的定位效果和时间复杂度。实验结果表明在保持定位精度不变的情况下运行效率有较大提高,达到了实时性的要求。     

LPR系统车牌定位提取方法的研究

车牌定位在车牌自动识别中起着非常重要的作用,定位准确度直接影响车牌识别的正确率。文中使用了数学形态学和几何拓扑学相结合的方法对车牌区域进行定位提取。该方法首先采用Top-Hat变换以及开、闭运算对抓拍的车辆图像进行预处理;然后采用连通体态分析法（CCA）对图像进行粗定位;最后对计算得到的车牌候选区的欧拉数进行判别,最终提取真正的车牌区域。实验证明该方法能够很好的对牌照区域顶角进行快速搜索定位,将牌照从复杂背景图像中分割出来。     

一种针对复杂背景的复合车牌定位算法

针对单一车牌定位算法在复杂背景中定位的条件受限情况,提出了将边缘检测定位和颜色提取定位复合使用的多层次处理算法。该算法设计了一套伪车牌区域判别方法,先利用两种定位算法并行处理车牌图片,再将其得到的候选区域进行伪区域判别以获得正确的车牌区域。该算法具有更广泛的适用范围,定位准确度较单一定位方法要高。     

基于小波变换的车辆牌照定位研究

车辆牌照的准确定位是智能交通中车辆牌照识别技术的关键,提出一种基于小波变换的车牌质心定位方法,该方法可以很好地解决复杂背景与光照下的车牌定位.经过小波分析的车牌图像利用数学形态学进行车牌特征提取,对特征提取后的车牌图像采用连通区域质心的方法对车牌进行定位,最终得到车牌的准确区域.实验结果表明,该方法能够实现车牌的快速准确定位,是一种有效的车牌定位方法.     

自适应复杂天气的车牌定位方法

针对传统的车牌定位算法受天气、光照影响而造成的低定位率问题,提出了一种自适应的车牌定位算法。算法根据车牌颜色特征和图像清晰度判断不同天气及对比度,利用小波系数调整法调整图像对比度,最后利用垂直投影和模板匹配相融合的方法进行车牌定位。所提出的定位算法具有广泛的适应性和较高的车牌定位率,可以在晴天、阴雨天、雾天、傍晚等多种不同光照条件下,对不同对比度的图像进行车牌定位。实验结果表明,该定位方法的车牌平均定位率达到93.4%。     

一种新的车牌定位方法及应用

针对现有车牌定位方法的局限性,提出了一种基于灰度图像求取卷积能量极值区域的车牌定位新方法。该方法充分利用车牌的纹理复杂、对比度鲜明、外型规则等特征构造车辆图像的能量图,然后通过选取能量区域定位车牌。其明显优点是,避免了常见方法中直接对图像进行二值化时阈值难以确定的问题。大量实验表明该方法计算简单,准确率高,鲁棒性好。最后说明了如何应用该方法进行车速测量。     

基于统计特征的启发式车牌定位新方法

在研究现有车牌定位算法的基础上,提出了一种基于统计特征的启发式车牌定位算法。该算法利用图像金字塔结构将图像分级处理,将车牌区域字符密集特征量化为跳变特征,利用动态规划算法计算统计矩阵,根据事先实验得到的车牌跳变特征范围筛选统计矩阵得到候选矩形框。根据颜色特征,车牌尺寸特征,字符个数特征等筛选候选区域得到最终定位结果。大量实验表明,该方法能精确,高效地定位车牌并且对环境的适应能力比较好。     

超分辨率重建在车牌定位中的应用

针对车牌识别系统中由于采集图像分辨率低而造成的车牌定位效果较差这一问题,提出了一种基于凸集投影(POCS)的车牌定位超分辨算法,该方法能够提高图像的分辨率,保留原始图像的细节信息,准确地定位出车牌区域,为接下来的车牌识别提供了有力保障.     

基于车牌底色识别的车牌定位方法

提出了结合汽车车牌纹理特征分析和颜色特征分析实现车牌定位的方法。以往的车牌定位技术主要是利用了车牌的纹理特征和形状特征，该文提出的方法是先进行纹理分析和形状分析，再进行色彩分析，从而尽可能多地利用车牌模式识别空间中的各种条件。得到边缘清晰整齐的尽可能小的车牌区域。这种方法明显地克服了单用纹理和形状分析时难以解决的车牌区域变大的问题。     

基于单目视觉的车牌快速定位方法

提出了一种基于颜色空间理论和形态学结合的方法。首先对图像进行颜色空间转换,按要求提取出需要的特征颜色区域,再对颜色特征区域进行检测,对边缘进行灰度统计,按一定的比例进行筛选,并利用前方车辆位置变化的特点,对下一次车牌可能出现的区域进行粗定位,利于下一次更快速的定位。应用该算法对100幅车牌图像进行定位,定位准确率达90%,速度均在0.1s内。