基于混合特征的多车牌定位算法

本文提出了一种基于混合特征的多车牌定位的新方法,先根据车牌图像的边缘特征,利用数学形态学的方法生成连通区域,搜索全图得到连通区域的最小外接矩形.然后利用我国车牌本身的几何特征和颜色特征进行判别,提取出车牌的候选区域并判别出车牌的颜色.交通图像处理实验证明该方法具有限制条件少,速度快和准确率高的优点,并可进行多车牌定位.     

一种快速、高效的车牌定位方法

基于车牌区域丰富的边缘特征,本文提出了一种改进的车牌定位方法。首先增强原始图像,并对原始图像和增强图像分别进行边缘提取;然后基于车牌区域边缘均匀,长短有限等特征,滤除背景及噪声边缘点;最后通过投影搜索出车牌区域。对采集到的各种复杂背景、环境下的车辆图像进行了大量实验,实验结果证明算法准确率高、适应性强。     

多信息融合的快速车牌定位

目的车牌定位是车牌识别的关键步骤之一,为提高车牌定位的准确率和定位速度,降低误检率,提出一种基于多信息融合的快速车牌定位方法。方法首先,通过边缘密度信息快速排除大量背景区域,有效提高定位速度;其次,根据车牌字符的分布信息精确定位车牌;最后使用基于模板匹配的车牌字符分割方法进行车牌字符分割,通过验证所分割出的字符是否是数字或字母来验证所定位区域是否车牌,去除误检车牌区域。结果在9 980幅图像上进行测试,定位准确率为97.9%,平均定位时间为16.3ms。实验结果表明,本文方法可以在各种条件下快速而准确地定位车牌。结论融合多种特征的车牌定位方法,通过提取车牌对应的环境信息,排除了大量的背景区域,加快了车牌定位的速度;根据车牌的结构信息定位车牌,并通过车牌的部件信息,实现合法性验证,提高车牌定位的准确率。通过多种信息的融合,有效改善了车牌定位的效果。     

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。     

车牌定位常见技术介绍与分析

本文对目前比较常见的几种车牌定位技术进行了简要的介绍，并对它们的优、缺点进行了分析和比较。     

一种基于多特征提取的实用车牌识别方法

针对车牌识别系统的实际应用, 利用车牌区域的边缘梯度特征、几何形状特征、颜色特征、灰度纹理特征定位车牌, 然后校正车牌图像的颜色及倾斜度; 基于灰度投影法, 对普通及武警车牌均提出了有效字符分割方案, 通过自适应判别去除因字符断裂粘连、特殊字符等造成的干扰; 通过基于多特征值提取的神经网络方法初识别车牌; 最后将人眼的视觉特性用于模板匹配法, 解决易混淆字符及污损车牌的问题。通过大量实验证明, 该方法对车牌颜色、拍摄角度、光照条件等限制较少, 适用范围广、识别率高, 有较强的实用性。     

一种蓝底车牌的快速定位技术

车牌定位是汽车车牌识别的一个重要的环节,在研究汽车车牌定位的过程中,发现了一种可以快速定位汽车车牌的新技术。针对蓝底车牌不反射蓝色光的特点,提出了一种基于彩色图像蓝色通道进行车牌定位的算法,算法首先根据蓝色通道数值过滤其它通道的颜色,使用几何形态检测技术对过滤后的图斑依次进行检测,最后剩余的区域极为车牌区域。实验证明该方法能够快速的查找到图像中车牌的位置,法计算量小,速度快。适合在实时性要求高的场合使用。     

一种蓝底车牌的快速定位技术

车牌定位是汽车车牌识别的一个重要的环节,在研究汽车车牌定位的过程中,发现了一种可以快速定位汽车车牌的新技术。针对蓝底车牌不反射蓝色光的特点,提出了一种基于彩色图像蓝色通道进行车牌定位的算法,算法首先根据蓝色通道数值过滤其它通道的颜色,使用几何形态检测技术对过滤后的图斑依次进行检测,最后剩余的区域极为车牌区域。实验证明该方法能够快速的查找到图像中车牌的位置,法计算量小,速度快。适合在实时性要求高的场合使用。     

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。     

基于扩展数学形态学的车牌定位算法

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。边缘检测是常用的车牌定位方法,边缘检测的质量决定了车牌图像的最终定位结果。一般人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘检测带来了困难。根据数学形态学原理与方法,提出一种扩展数学形态学车牌图像边缘检测算子,并结合水平和垂直投影进行车牌定位。实验结果表明,该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。     

车辆牌照检测关键算法研究

对车牌识别系统中的图像预处理和车牌定位等环节涉及到的关键技术、算法进行了分析、设计和改进,提出了一种简单高效的车牌检测算法。     

基于波峰合并算法的汽车牌照定位方法

以实现汽车牌照的准确定位为目标,在充分利用牌照图像纹理特征和投影特征的基础上,提出一种基于投影波峰合并算法的车牌定位方法,并在VC 环境下编程实现,算法具有直观、流程简单的特点.经对实际采集的多幅图像进行处理后,证明这种方法简单、高效、定位准确.     

基于边缘检测和颜色纹理直方图的车牌定位方法

针对已有车牌定位算法在分辨率高、背景复杂图像上存在准确率下降的问题,提出了一种基于边缘检测和颜色纹理直方图的车牌定位算法。该定位算法分为两个阶段：首先利用结合了Canny和Sobel算法的改进边缘检测算法提取图像的垂直边缘,并结合滤波、投影等方法进行车牌粗定位;然后提取候选区域的颜色纹理直方图,与训练好的分类器进行匹配,实现车牌的精确定位。实验表明,该方法对于背景复杂、光照不均等情况均有良好的鲁棒性,在白天和晚上都能取得较好的定位效果。     

车牌识别系统中关键技术的研究

针对现有的车牌识别系统中的多项关键技术做了改进。车牌定位与提取技术采用了基于图像二维能量与HIS彩色空间相结合的方法,并对现有的能量算法与彩色图像分割算法做了改进。在倾斜校正中,给出了一种基于车牌二值图像的密度重心的校正方法;在识别技术中,引入了特征提取与多级BP神经网络算法相结合的分类识别方法,对车牌中部分相似字符采用二级神经网络进行精细识别。实验表明,通过对车牌识别系统中关键技术的改进可以大大提高该系统的鲁棒性与准确率。     

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。     

基于数学形态学和Hough变换的车牌定位算法

针对复杂环境下的车牌定位率较低的问题,提出了一种基于数学形态学和Hough变换检测车牌区域的方法。首先,对车牌图像进行图像预处理,然后,利用数学形态学的高帽变换突出车牌字符区域,并对图像进行边缘检测和连通区域分析;最后,结合Hough变换和车牌的先验知识实现车牌的精确定位。实验结果表明,针对不同复杂背景下采集到的车辆图像,该算法具有很强的鲁棒性,准确率达97.3%,能够满足现代智能交通系统对车牌定位准确性和实时性的要求。     

融合边缘检测与HSV颜色特征的车牌定位技术*

车牌定位是车牌识别系统的关键技术,定位的准确与否直接影响车牌识别的结果.车牌区域具有空间特征--边缘信息丰富,颜色空间信息--伴生与互补特性.若利用边缘特征丰富进行定位,受对比度及噪声影响较大;利用颜色信息受车身颜色及光照影响较大,误识率较高.针对这一特点,提出了一套融合灰度边缘检测与车牌区域特有的颜色特征,准确进行车牌定位的算法.对200幅各种情况下从交通卡口获取的实测彩色图像进行试验,准确定位率为99.5%.     

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。     

基于分级边缘间距的实时车牌检测

提出一种在复杂环境下进行实时车牌定位的新方法。先根据车牌图像的边缘特征,利用多级边缘点距离生成连通区域,搜索全图得到连通域的最小外接矩形。然后利用车牌本身的拓扑特征和颜色特征进行判别,提取候选区域。与同类方法相比,该方法限制条件少、速度快、准确率高。对526幅各种环境下实际采样图像进行实验,定位成功率为98.3%,平均定位时间少于40m s。