HSV空间和形态学处理相结合的车牌定位方法

车牌定位是实现车牌自动识别的前提.在传统的基于RGB彩色空间的形态学定位方法的基础上进行改进,提出了一种HSV彩色空间和图像形态学处理相结合的车牌定位方法.在HSV彩色空间中将车牌图像分割为H,S,V这3个单通道灰度图像,分别进行去噪和二值化处理,然后将这3幅二值图像做“与”运算得到一幅能有效去除背景干扰的二值图像,再运用形态学的闭运算和开运算进行处理,得到车牌候选区域,最后利用车牌宽高比属性进行验证以确定真实的车牌位置.实验结果表明,该方法相对传统方法实现简单,车牌定位准确、高效.     

基于HSV色彩空间和Hough变换的铝锭在线测厚方法

为了提高铸铝制造行业中铝锭厚度控制的效率和精度,在对测厚原理、图像处理算法与工厂需求指标等研究的基础上,结合HSV色彩空间和Hough变换等图像处理技术,提出铝锭在线测厚的方法,并通过Matlab对其进行了仿真验证,结果证明该设计方案有效地提高了铝锭在线测厚精度。     

基于数学形态学的车牌定位研究

车牌定位研究是车牌识别的基础,是智能交通系统的重要组成部分。数学形态学是建立在集合代数基础上,应用于图像处理上可以简化图像处理,可提高车牌定位的图像分析和处理的速度。文章研究了数学形态学的理论,将数学形态学用于车牌定位,并在实验中验证了有效性。     

一种基于数学形态学的车牌图像分割方法

提出一种基于数学形态学的车牌图像分割提取方法.用修正后的形态学边缘检测算子对图像进行边缘检测,采用二尺度结构元素检测平均方法提高边缘检测的准确性,再用不同的结构元素对边缘图像进行形态滤波,以消除干扰.实验证明,该方法能快速准确定位分割出车牌图像,且计算量较小.     

一种基于HSV空间和粗糙集的彩色图像分割方法

研究了基于HSV颜色空间的粗糙集直方图阈值彩色图像分割方法.根据HSV空间的特性,定义了HSV空间颜色距离计算公式,对HSV三分量计算粗糙集直方图和彩色图像进行分割.实验结果表明该方法较好地保留了图像的颜色信息,具有较高的通用性,能够获得满意的分割效果.     

基于无人机与HSV空间的光伏电池板检测分析

针对复杂环境下图像分析的困难性,研究了一种基于HSV空间模型的图像分割与检测方法.首先,利用无人机采集图像,区域分割提取出光伏电池板区域.其次,运用高斯卷积检测裂纹图像的梯度.最后,应用形态学图像处理与HSV空间模型的方法提取遮挡物,计算最小外接矩形面积与其占光伏电池板的比例.该方法能有效地对复杂背景下的光伏图像进行区域分割与检测,具有一定创新性和实用价值.     

一种基于数学形态学和投影的车牌定位方法

车牌定位是车牌识别系统的关键步骤,定位的准确与否直接影响车牌识别的结果。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,本文根据车牌及拍摄效果等特点及因素,提出了一种结合数学形态学和水平、垂直投影法的定位方法。首先对图像进行预处理,利用数学形态学将预处理过的图像进行处理,滤去一部分伪车牌区域,然后利用水平和垂直扫描进一步精确定位车牌,最后结合车牌的先验知识最终确定车牌区域。实验结果表明,该方法定位率高,速度快,具有良好的鲁棒性。     

利用数学形态学实现车牌的快速定位

本文主要针对车辆图像中的车牌区域定位问题进行研究分析。首先介绍了数学形态学,随后根据车牌的整体和局部特征,对基于数学形态学的车牌定位方法进行研究分析,并对其加以改进,实现了车牌的快速、准确定位。     

基于HSV空间优化耦合参数PCNN的人眼定位方法

为解决人眼定位中受光照、人脸姿态、人眼开闭影响的问题,提出了一种HSV空间肤色模型与优化耦合参数的脉冲耦合神经网络(Pulse Coupled Neural Network PCNN)相结合的人眼定位算法。将RGB空间图像转化为HSV空间图像,根据肤色检测人脸图像,利用优化耦合参数PCNN模型良好的捕捉特性及衰减特性,对图像进行分割,提取出人眼范围,利用形态学运算对图像进行增强处理,去除背景干扰,精确定位人眼。实验结果表明,本算法在不同光照条件,不同人脸姿态,人眼闭合均能成功定位,且具有定位准确、速度快、不受人眼开闭程度影响的特点。     

基于HSV模型和改进AdaBoost算法的车牌检测

提出了一种基于HSV颜色模型和改进AdaBoost算法的车牌检测方法。针对传统AdaBoost算法在训练过程中出现的过配现象和检测率偏低问题,文中在传统AdaBoost算法的基础上对其权值更新规则和弱分类器加权参数做了改进,并通过利用HSV颜色模型构建第一层强分类器,并构建成级联分类器应用于车牌检测。实验证明使用该方法得到的车牌检测器不仅提高了车牌检测率和检测速度,并在一定程度上避免了过配现象产生     

基于数学形态学的灰度图像车牌字符提取算法

在深入研究数学形态学的基础上,提取了一种灰度图像车牌字符提取算法。该算法构造4种结构元素,采用数学形态学的膨胀和腐蚀算子依次求出梯度算子对车牌字符进行边缘检测处理和迭代阈值分割,最后结合数学形态学的区域填充方法弥合字符中的空隙。与传统边缘检测算子相比较,实验结果表明该算法具有较强的提取字符能力和良好的抗噪能力,并保护了字符的边缘。其计算量小,在保证处理效果的同时,保证了处理速度,具有一定的可用性和可行性。     

利用数学形态学实现车牌的快速定位

本文主要针对车辆图像中的车牌区域定位问题进行研究分析.首先介绍了数学形态学,随后根据车牌的整体和局部特征,对基于数学形态学的车牌定位方法进行研究分析,并对其加以改进,实现了车牌的快速、准确定位.     

基于数学形态学和边缘特征的车牌定位算法

车牌图像定位是自动车牌识别系统的关键步骤.根据车牌特征,首先经过图像预处理,然后进行数学形态学操作,并设计了一种简便的车牌区域搜索算法进行粗定位,最后根据字符边缘特征进行精定位.实验表明该方法定位时间较短,定位效果较好.     

一种基于能量滤波和小波的车牌定位方法

提出一种基于能量滤波和小波的车牌定位方法。根据车牌在水平方向能量高且集中的特点构造能量函数．并将沿垂直方向变化的能量反映到投影图上,能量滤波后获取车牌的大致位置。再由小波分析获取车牌的水平细节图像和垂直细节图像,然后利用形态学对小波分解后的细节图像进行一系列处理,进一步消除无用信息和噪声,最后由投影法准确确定车牌位置。实验结果表明,定位准确率为96．2％．平均定位时间为3．62s。     

基于数学形态学和投影法的车牌定位方法

在车牌定位系统中,针对图像中存在的复杂背景、车辆自身的车灯或标志这些因素的影响,提出了车牌初步定位和精确定位的方法.首先,对车牌图像进行灰度化、灰度拉伸、边缘检测后,运用数学形态学运算和车牌自身的宽高比例初步定位出车牌区域.然后,运用投影法分别进行水平方向和垂直方向的定位,得到准确的车牌区域.该方法能够很好地排除干扰因素,精确定位出车牌.     

License Plate Recognition for Parking Control System by Mathematical Morphology

Nowadays, license plate recognition for parking systems is a critical task to provide automatic control of customers and payment. This paper introduces a new method for automatic recognition of license plates of vehicles by mathematical morphology. The proposed method can provide the license plate number of the plates in different light conditions, colors, sizes, and inclination (angles). The algorithm can recognize the license plates of European Union vehicles quickly and correctly. The pattern learning of mathematical skeletons has high efficiency in the process. The performance of the algorithm is demonstrated well by being tested on a parking control system.     

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。     

基于边缘检测和形态学的车牌定位算法

针对车牌自动识别系统的车牌定位方法进行了研究分析,提出一种结合边缘检测和数学形态学的车牌定位算法。利用边缘检测和形态学分析得到车牌候选区域,对候选区域进行连通域分析,实现了对车牌区域的定位。实验结果表明,该方法降低了各种背景噪声对图像中目标区域判别的影响,降低了车牌定位时间,有效地实现了车牌定位。