基于HSV颜色空间的车牌定位方法

文章提出了一种基于HSV颜色空间的车牌定位方法.首先把输入的RGB彩色图像转化到HSV颜色空间,利用车牌区域的固定底色特征,构造出5级灰度图,然后采用形态学平滑方法对车牌图像进行消噪,最后利用车牌区域的纹理特征准确地定位出车牌.实验结果表明该方法效果较好.     

基于HSV色空间的车牌定位综合方法

提出一种基于HSV色空间的车牌定位的综合方法,该方法的主要优点是避开了以往车牌定位方法中无法寻到合适的全局阈值的缺点。在HSV色空间内,构造5级灰度图,直接根据车牌颜色的不同来进行灰度化处理,再利用灰度形态学平滑方法进行消噪,利用字频统计等方法进行分析和判断,最后用投影法分割出汽车牌照。该方法充分利用牌照的底色、纹理、以及几何特征等,实验表明该方法具有较好的精确度,并且在不同的背景下定位的有效性。     

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。     

HSV色彩空间中的多阈值车牌定位分割方法

本文是在HSV颜色空间下,根据车牌区域的颜色和几何特征,通过多阈值分割的方法,综合利用数学形态学运算、连通域形状和字符密度检测,有效解决了彩色图片车牌提取的问题。实验表明,该方法效果好,精度高,通过154幅实测机动车图象进行车牌定住分割。准确率91％。     

一种RGB颜色空间中的车牌定位新方法

车牌定位是车牌自动识别系统的关键。为了快速准确地进行车牌定位,提出了一种新的RGB颜色空间的车牌定位方法,该方法包括颜色特征提取、特征图像的二值化、形态学连通去噪、车牌候选区域检验4个步骤,同时针对传统颜色特征提取对光照变化敏感的问题,提出了一种不包含亮度信息的颜色特征提取方法;对于车牌候选区域的检验摒弃了常用的易受图像尺寸及图像分辨率影响的区域面积、宽高比、矩形度等几何特征,而是采用车牌字符数及字符排列的规则度作为判定的依据,并由此设计了一种车牌字符规则度的计算方法,用来检验车牌候选区域。通过对包含不同尺寸、不同光照条件的605幅图像进行车牌定位的实验表明,成功率超过96%,可见该颜色特征提取方法对光照变化不敏感,该车牌检验方法可适用于各种不同尺寸图像的车牌定位。     

基于HSV颜色空间和SVM的车牌提取算法

为了克服HSV算法在车牌提取中存在与车牌颜色相近的类似车牌区域的干扰,提出一种基于HSV颜色空间和 SVM 相结合的车牌提取算法,该方法能够较好的对多种车牌实现精确定位与提取。首先根据字符的边界特征和HSV颜色空间分别对蓝色和黄色车牌进行粗定位,获得几个车牌候选区;然后使用训练好的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。     

基于颜色相似度的车牌定位算法

针对车牌图像分割困难、车牌位置定位不准确等问题,提出了一种新的车牌快速定位方法。该方法是在HSV模式下进行的,首先在颜色空间下,对车身的每一行颜色进行相似度的计算,再将相似度大于阈值的颜色去除,然后进行水平与垂直投影,同时利用车牌位置、长宽比例信息,精确地定位出车牌。这种方法对不同光照条件下,不同颜色的车辆,不同颜色的车牌均具有良好的适应性。实验表明该方法定位准确,运算速度快,能满足实时性要求。     

基于颜色信息定位车牌及其校正

车牌定位是车牌识别中的关键技术之一。本文对传统基于边缘检测的车牌定位算法做了改进,根据彩色图像R、G、B三者的分布特点,采用直接二值化定位车牌。在车牌区域提取之后,针对传统灰度化再二值化进行字符分隔对光线敏感的缺点,本文跳过灰度化过程,基于R颜色分量进行二值化,这种方法很好减少了阳光照射的影响。基于Hough变换,提出了基于双线性插值的两步法的校正方式。本文提出的方法运算过程较简便,代价低,可应用于嵌入式系统低成本硬件上,实现实时车牌识别。     

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.     

基于免疫克隆选择优化的车牌定位

车牌定位是车牌识别系统中的关键环节,针对传统方法用于车牌定位的种种缺陷和遗传算法过早收敛的确定,提出了一种基于免疫克隆选择的车牌定位算法。该方法将具体车牌特征与免疫克隆选择算法所具有的全局搜索特性、解的多样性和不易早熟等特点相融合,在大多数测试图像上取得了较满意的结果。仿真实验表明,该算法能自动搜索到车牌区域,且受图像质量变化的影响较小,具备良好的抗噪性。     

基于光照补偿和颜色统计的汽车牌照定位方法

基于车牌颜色相对固定,亮度易受光照条件影响的特点,提出一种车牌定位方法.把车辆图像从RGB空间转换到HSV空间,利用同态滤波对亮度分量进行光照补偿,保持色度和饱和度不变;转换回RGB空间,基于颜色统计进行车牌定位.实验结果表明,对于常见的蓝底车牌,该方法不仅能够实现光照不佳、背景复杂车辆的准确车牌定位,而且还能实现包括接近车牌颜色的各色车体的准确车牌定位.     

一种基于自适应形态学结构元素的车牌定位算法

针对传统的基于数学形态学的车牌定位算法结构元素选取的弊端,即依据经验或实验而选择一个固定大小和形状的结构元素对车牌图像进行全局处理,导致定位算法的普适性和鲁棒性低,提出了一种基于自适应结构元素的车牌定位算法,算法充分利用车牌二值图像自身信息,通过计算字符水平边缘所形成的线段长度的均值作为结构元素,因此结构元素的大小能随着车牌图像的不同而自适应调整,更加有效地定位车牌目标区域。实验结果证明,算法具有较强的自适应能力,定位准确率满足应用需要。     

非正交haar小波变换的车牌定位技术研究

车牌定位技术是车牌识别系统的关键技术之一,在haar小波变换的基础上,提出非正交haar小波概念,改进了haar小波不连续性特点。基于非正交haar小波变换,结合线扫描法快速性特点与数学形态学准确性特点,研究一种车牌快速定位算法,在此基础上运用visual C++ 6.0编程进行实验验证。实验结果表明,此算法车牌定位准确率达到95%以上,对倾斜车牌的检测鲁棒性较强。     

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%.