基于边缘颜色对的车牌定位新方法

车牌定位是车牌自动识别系统中的一个关键问题．该文提出了一种新的基于边缘颜色对的车牌定位方法．首先进行彩色边缘检测,然后以每一边缘点为中心,垂直于边缘方向取一线形窗口,在窗口内检测边缘点两侧像素的颜色是否分别匹配车牌的底色与字符颜色,若是,则保留为候选车牌边缘点;然后进行形态滤波,剥离不符合车牌结构特征的区域,最后对候选车牌区域进行纹理特征的分析以确定真实车牌区域．该方法抓住了车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性．对各种条件下拍摄的163幅含有车牌的图像应用该算法,定位准确率达到98．2％。     

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。     

多颜色模型和综合特征下的车牌定位新方法

提出了一种基于多颜色模型的车牌定位新方法。该方法在RGB和HSV两种颜色模型中,首先充分利用车牌图像的彩色信息对车牌图像进行颜色分割,将彩色图像转化为多级灰度图,从而确定出车牌所在的可能区域,完成车牌区域的粗定位。然后结合车牌特有的字频统计特征和几何结构特征进行分析和判断,进而精确定位出车牌区域。实验表明该方法定位准确率高,且适用于任意背景、位置和光照下的牌照定位,具有很强的鲁棒性。     

基于颜色特征的车牌快速定位

提出了一种基于颜色特征的车牌快速定位算法,该算法充分利用车牌颜色相对固定的特点,首先根据原始图像得到一组特定的色彩距离图谱,通过自适应熵阈值的选取快速分割出车牌的候选区域,然后再根据车牌的纹理特征对候选区域进行筛选以得到车牌的精确位置。针对不同的背景和不同种类的车辆,抽取了3106幅图片进行测试,其中有69幅图片未定位出车牌,定位成功率为97.8%,平均定位耗时为29ms。     

自然复杂环境中基于颜色的多车牌定位研究

为解决自然复杂环境中车牌的定位和识别问题,提出了一个结合车牌颜色特征、灰度特征、几何形状特征的通用车牌定位方法,并首先根据中国车牌的颜色特征,提出了一种基于距离的颜色分类方法,解决了颜色分类的基本难题;然后采用行扫描及线段分析的方法得到车牌底色所在的矩形区域;最后将可能的车牌区域统一转换成底色为黑色,字符颜色为白色的二值图像,再利用灰度特征进行验证,并分割出车牌区域.采用自然复杂环境中拍摄的图像对新方法进行验证的实验表明,与其他方法相比,新方法可在一定限度内自适应车牌的类型、大小、数量和方向,并对汽车在图像中的位置以及图像背景的限制较少,是一种适用性较强的方法.     

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。     

基于边缘颜色点对分布特征的车牌定位算法

提出了一种基于边缘颜色点对及其分布特征的车牌定位新方法。首先利用车牌区域背景与字符具有固定颜色搭配的特征以及边缘颜色点对的距离约束条件,对汽车图像进行多次滤波,完成对车牌字符边缘颜色点对的充分突出;然后根据边缘颜色点对分布的统计特征实现车牌的快速定位。实验结果表明,该算法是一种快速、有效的定位方法。     

利用综合特征的车牌定位方法

车牌定位是车牌识别系统的关键技术之一.提出利用结构特征、纹理特征和颜色特征的车牌定位新方法.首先,利用顶帽变换抑制背景;其次,进行垂直边缘检测和形态滤波,通过结构特征进行车牌粗定位;再次,对候选区域的垂直投影应用一维小波分解滤噪,然后重构垂直投影,计算纹理统计量并构造纹理特征向量,应用BP神经网络识别车牌的字符纹理进行车牌的再定位;最后,对候选区域进行基于边缘颜色对的彩色边缘检测,根据其水平投影值进行车牌的精定位.对各种条件下拍摄的314幅含有车牌的车辆图像应用本算法,定位准确率达到98.7%.     

基于多颜色模型的车牌定位方法

提出了一种基于多颜色模型的车牌定位方法.首先把输入的RGB彩色图像转化到HSV和YIQ颜色空间,综合这两个颜色空间的信息进行颜色分割去除大量的背景干扰信息,得到了颜色为车牌照的一些区域.然后将颜色分割后的图像灰度化并分块,找出水平差分累加和最大的块确定车牌大致位置在原彩色图中实现车牌的粗定位.最后对粗定位图进行二次颜色分割得到车牌区域的信息利用投影法精确定位出车牌.实验结果表明该方法效果较好.     

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%.     

Lab空间色彩分割在快速车牌定位中的应用*

针对复杂环境下的车牌定位,提出了基于Lab空间色彩分割的快速车牌定位新方法：首先充分利用Lab空间色度分量a的红绿色特性去除红绿色干扰;再利用Lab空间色度分量b的蓝黄色特性,及蓝色和黄色数值的差别,提取出蓝色区域和黄色区域,为实现快速定位,把蓝色区域和黄色区域合并;最后通过纹理识别,一次性准确定位出蓝黄色车牌。实验结果证明,该车牌定位方法定位快速、准确。     

基于FCM颜色聚类的车牌定位方法

提出了一种基于FCM颜色聚类的车牌定位方法。首先应用高斯差分算子对图像进行二值化;其次进行中值滤波;然后利用形态滤波,基于车牌的结构特征进行车牌的粗定位;最后基于FCM颜色聚类进行车牌的精定位。对各种条件下采集的250幅车辆图像进行实验,定位率在98%以上,同时该算法对光照影响有很好的鲁棒性。     

车牌定位中宇符边缘色彩信息作用研究

研究了字符边缘色彩信息对车牌定位的作用.在HSV色彩空间中,字符边缘处色度、饱和度处于特定的较窄范围,分别提取出车牌底色色彩像素点和字符色色彩像素点,再利用图像水平方向纹理得到车牌底色纹理,最后排除没有字符色像素点相邻的底色纹理像素点.实验结果表明,该方法适应性强、定位速度快,可在定位的同时确定车牌颜色.     

基于车牌色彩变化特征的车牌定位方法

针对复杂背景下的车牌定位问题,提出了一种基于车牌色彩变化特征的车牌定位方法。该定位方法将RGB彩色空间中的车牌图像转换到HSV彩色空间中进行颜色识别,分割出车牌底色及字符颜色相对应的颜色区域,同时通过边缘提取、二值化处理、与运算找到对应颜色边缘特征点,最后经纹理分析来定位车牌。     

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。     

彩色图像特征融合规则及其在车牌定位中的应用*

快速准确地提取目标特征是目标定位的前提,为此提出一种优良的彩色图像目标特征的融合规则,并应用于车牌定位实践中,以期对有效图像达到100%的定位准确率.     

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。