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。     

复杂背景下的车牌自动分割方法

车牌分割是汽车牌照自动识别的基础。本文针对含有车牌的灰度图像，利用车牌字符具有明显垂直纹理的特征．提出了一种适合字符纹理特征的边缘检测方法，获取垂直边缘图。根据车牌固有的特征，运用改进的投影算法确定车牌区域。文中详细给出了车牌分割步骤。实验结果表明，在复杂的背景下，该方法能够快速有效地实现车牌自动分割。     

一种改进的汽车牌照定位算法

本文介绍了一种有效的基于彩色图像的汽车牌照的定位算法。它充分运用车牌的字符特征、形状特征和颜色特征,能够准确分割车牌区域。     

基于边缘颜色分布的车牌定位新方法

根据车牌的综合特征,提出了一种新的基于边缘颜色分布的车牌定位算法.该算法抓住了车牌背景与字符具有固定颜色搭配的重要特点,利用车牌区域内特有的边缘颜色分布信息并结合车牌的纹理特征,有效地滤除了大量的背景和噪声边缘,然后利用车牌的结构特征和边缘信息,并结合形态滤波的方法,以进一步确定车牌区域.实验结果表明,该算法定位准确率高、鲁棒性好,而且适用于对复杂背景下的多车牌图像进行分割.     

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.     

彩色汽车牌照定位方法

汽车牌照的定位是牌照识别的第一步，定位的准确与否将后续操作起关键性的作用。在模式识别领域中，希望通过一种方法就完成一项实际工作是不可能的，必须要考虑多种方法融合的策略，提出了一种基于多方法的车牌定位策略，首先利用颜色信息对输入图像进行彩色粗分割，得到了颜色为车牌照的一些区域，然后将分割结果中的伪目标区域（即除了车牌照区域外的其他区域）分为两类（一类是与汽车牌照颜色相近的背景，一类是可能和牌照颜色相近的汽车外壳），分别进行处理，最终利用投影法得到准确的车牌位置，实验结果表明该方法效果较好。     

雾霾天气条件下车牌信息的识别

雾霾天气条件下,由于大气的散射,降低了拍摄图片中车牌信息的清晰度和对比度,并降低了车牌识别的正确率。针对这一现象,提出了一种基于暗原色的对图像透射率进行改进的算法,通过改进后的方法对图像进行去雾,弥补了暗原色方法针对天空、白色等大片明亮区域无法很好去雾的缺点。算法首先对雾霾天气下拍摄的图像利用改进算法进行去雾处理,然后进行车牌定位和字符分割,最后通过BP神经网络进行车牌信息的识别。实验证明,通过改进后的方法对图像进行去雾后,能够很好地还原车辆信息的原本颜色特征,给后期的车辆信息处理提供了便利。     

基于多阈值与区域生长的车牌定位算法

车牌定位就是在图像中把车牌所在区域标记或分割出来,是车牌识别的主要解决问题之一。本课题对基于颜色定位和阈值处理的研究,本文提出了方法采用自动调节阈值的方法,选取合理利用阈值,得到二值图,然后检测字符水平边缘变化率剔除背景无关的行图像,然后根据颜色、形状和字符分布建立简便颜色模型利用区域生长算法进一步精确定位,进而实现定位。     

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.     

基于MATLAB的车牌识别系统的研究

汽车牌照识别是图像识别领域的重要研究课题,这里运用MATLAB研究车牌识别技术中的图像预处理、车牌定位、字符分割与字符识别等核心部分,并提出一种基于MATLAB的车牌识别系统的实现方法,综合使用多种方法提高系统的有效识别能力.该方法解决了在自然背景的图像中定位分割牌照区域、车牌倾斜和提取分割的字符等问题.通过对一定数量的图像进行处理,结果表明MATLAB在车牌识别方面的运用非常有效.     

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.     

基于字符连通域特征的车牌定位方法

车牌定位是整个车牌识别系统的关键技术,传统方法普遍存在实时性差、适应性不强等问题。强调硬件系统构架,固定部分图像输入环境,引入大量先验知识,并最终利用车牌字符连通域的显著特征,将车牌定位与车牌字符的显著性特征相联系,缩短了车牌识别的流程,实现了可适应性强、定位准确的车牌定位。实验结果证实,该算法准确率高,效果明显且具有较好的稳健性。     

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。     

Multinational vehicle license plate detection in complex backgrounds

Many methods for multinational License Plate Detection (LPD) have been proposed in recent times but most of them are not sophisticated enough to handle complex backgrounds. Moreover, their ability to handle various environmental and illumination conditions has been limited and still needs improvement. In this paper, we propose a novel technique to detect license plates of vehicles regardless of their color, size, and content. As the rear vehicle lights are an essential part of any vehicle, we reduce the image processing area to eliminate the complex background by detecting the rear-lights as the license plates are in a certain range of these lights. Heuristic Energy Map (HEM) of the vertical edge information in the Region of Interest (ROI) is calculated and area with the dense edges is selected using a unique histogram approach which is considered to be the license plate. The proposed algorithm is tested on 855 images from various countries including China, Pakistan, Serbia, Italy and various states of America. Experimental results show that the proposed method is able to detect license plates 90.4% of times despite of complex backgrounds in 0.25 s on average that can achieve real time performance.     

基于OpenCV的行驶车辆车牌定位实现

车牌定位是车牌自动识别系统中的一个关键问题。系统从两方面进行了设计。一是视频中移动车辆的定位,采用高斯背景建立模模块。二是静态图像中车牌提取系统,采用顶帽变换、能量滤波、寻找联通区域等多模块结合精确定位出车牌区域。该移动车牌定位算法在QT平台上采用OpenCV和C++编程,实现了综合利用车牌结构特征和纹理特征,提高了车牌定位可靠性。实验结果表明,该方法速度快、准确度高,可满足实时监控的需求。     

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。     

基于自适应灰度形态学滤波的车牌图像分割

根据车牌纹理及其几何形状的特点，提出了一种新的基于自适应灰度形态学滤波的车牌图像分割算法。该算法不同于传统的形态滤波过程，结构元素的大小能随车牌图像的不同而进行自适应调整，因而更有效地提取车牌目标区域。实验结果表明，该算法对不同复杂自然环境和不同光照条件有很强的自适应能力，其定位准确率及抗干扰能力较其它传统分析方法有显著提高。