基于视频检测和颜色的车辆牌照提取方法

车辆牌照的快速提取是牌照识别技术实用的基础。本文给出了一种利用视频检测方法和车牌彩色信息快速提取车辆牌照的方法。该方法的主要思想是通过设定牌照检测区来检测并获取牌照的预定位区图像,然后选取合适的颜色空间将预定位区彩色图像直接转换为二值图像,再用空间聚类技术进行滤波消噪,最后利用二值图像的水平垂直投影来分割提取车牌区域。     

一种基于纹理的牌照图像二值化方法

在车辆牌照识别系统中,为了方便字符识别,须将预处理部分切取下来的牌照灰度图像作二化自理皮便字符提取,由于原图像中字符的位置不确定且字符象素的灰度范围较大给二 带来了困难。本文提出了一咱基于纹理的二值化方法即道德至图像作纹理分析,然后采用模式识别技术中的最大最小准则获取二值化阈值进行二值化的有效方法。该方法也可适用地票据或文本图象的二值化。     

复杂背景下的车辆牌照字符提取方法研究

针对复杂背景中字符难于提取的问题，提出了 一种通用的提取字符的方法．该方法很好地利用了字符固有的特性，先对图像进行基于变分 法的自适应二值化，再用一种快速区域标号算法求取连通域，然后对连通域进行处理，提取 出字符行，最后进行倾斜校正．实验结果表明，该方法简单可行，成功率达到了96%以上．     

一种基于HSV颜色空间和SIFT特征的车牌提取算法

为了克服SIFT算法直接应用在车牌提取中表现出来的执行时间过长、误配率高的缺陷,提出了一种基于HSV颜色空间与SIFT特征的两级车牌提取算法,先使用HSV颜色空间确定车牌的候选区域,进行快速粗定位,再使用SIFT算法对候选区域进行精确定位与倾斜校正,在精确定位的同时也完成了对车牌汉字的辨识。这种方法不仅减少了SIFT特征的计算量,而且也避免了复杂背景对于SIFT特征匹配的干扰,大大提高了匹配准确率。最后通过编程实验证实本算法有良好的性能。     

一种基于LUV均匀颜色空间的彩色分割方法

本文提出一种通过转换颜色空间和颜色聚类的方法来实现对彩色图像的分割。由于RGB颜色空间是非均匀空间,算法首先把RGB颜色空间转换到LUV均匀颜色空间,然后对颜色进行相似合并,最终由几种颜色表示待分割的图像,从而实现对彩色图像的色彩分割。     

一种基于纹理的快速车辆牌照分割方法

主要针对车辆牌照自动识别系统中的一个重要功能块——车牌分割，提出了一种基于车牌字符串纹理特性的车牌快速定位方法。试验结果表明，此方法快速地搜索车牌并准确定位，便于下一步的字符分割和识别。     

基于 HSV 空间彩色图像的边缘提取方法

边缘检测是彩色医学图像处理中一个很重要过程,传统的彩色医学图像边缘提取方法是基于RGB（红,绿,蓝色）色度空间,但是RGB空间不能体现人类的视觉特征,而且彩色分量的计算不能确切体现图像中目标物体的特征,并且计算量大。该文通过对HSV（色度,饱和度,亮度）的观察,提出了基于HSV色度空间的,应用小波分析原理对彩色医学图像进行边缘提取的方法,计算机模拟结果显示,该方法能够确快速检测出图像的边缘,处理简单,效果较好。     

一种基于自适应颜色压缩的织物图案提取方法

文章介绍了一种新的基于主成分分析网络PCA与自组织特征映射网络SOFM的颜色自适应压缩技术,并首先将该技术应用到了纹理状织物图案的提取研究中。研究表明:提取主颜色系对消除图像中的噪声污染成分非常有效,能够减少原图像上因噪声干扰引起的纹理分割误差。通过竞争学习的分类识别引入了像素间的空间位置关系,使得经神经网络分类出的图像与原图像最接近,并提高了在图案提取分割中的计算效率。该研究结果在获取织物图案设计与仿制中可减少人机交互量,提高识别效率,在工程应用上具有相当的实用价值。     

基于RGB颜色空间的彩色图像分割方法

传统的图像阈值分割算法是将彩色图像转换为灰度图像再进行分割。通过分析RGB颜色空间的特点,本文提出基于RGB颜色空间的阈值分割算法,采用新的判定准则,在颜色空间中以立方体取代原来的四面体,直接对彩色图像进行分割。分析和实验证明,改进的判断准则能够克服由于灰度转换造成颜色信息丢失而引起的误判,在保证原有阈值分割算法快速、简单的前提下,能够对彩色图像进行更为准确的分割。算法适用于目标颜色为黑色的情况,并可以推广到目标颜色为其它颜色的情况。     

一种基于HSV空间的彩色边缘图像检索方法

结合重要的彩色图像边缘及人眼视觉特性,提出了一种基于彩色边缘直方图的图像检索方法。该方法首先利用Canny检测算子提取出原始图像的彩色边缘信息,然后将彩色图像边缘转换至符合人眼视觉特性的HSV空间并进行量化处理,再将彩色边缘划分成圆环区域和角形区域,并分别计算出圆环区域和角形区域的颜色直方图,最后综合利用上述圆环区域和角形区域的颜色直方图计算图像间内容的相似度,并进行彩色图像检索。仿真实验表明,该方法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。     

基于核空间LLE的彩色图像分割方法

拉普拉斯特征映射近年来被成功地运用到基于聚类的彩色图像分割中,其构成图的结点间权重用高斯函数计算,很难真实反映像素局部几何结构,导致复杂图像边界分割困难。基于此,提出一种基于核空间局部线性嵌入的图像分割方法,其首先利用单个像素间的八邻域关系来构造图,然后将局部线性嵌入算法进行核化,从而实现在高维空间中利用相关拉普拉斯矩阵描述像素间相似度并生成特征向量子空间的过程,最后,利用模糊C均值聚类算法对特征向量进行聚类从而为单个像素分配类标签,最终达到了彩色图像分割的目的。实验结果表明,新方法较拉普拉斯特征映射方法的图像分割效果更显著。     

基于颜色和纹理分析的车牌定位方法

针对复杂背景的车牌定位问题，提出了一种颜色和纹理分析相结合的车牌定位算法。该算法采用基于适合彩色图象相似性比较的HSV颜色模型，首先在颜色空间进行距离和相似度计算；然后对输入图象进行颜色分割，只有满足车牌颜色特性的区域，才进入下一步的处理；最后再利用纹理及结构特征对分割出的颜色区域进行分析和进一步判断，并确定车牌区域。该方法不同于大多数的车牌定位方法，它不仅对车牌的大小、汽车在图象中的位置以及图象背景的限制较少，而且，综合特征定位要比单一特征定位更符合人的视觉要求，因而定位效果更好，应用范围更广。     

基于彩色空间的背景帧差法视频车辆检测

视频检测的研究是交通参数采集的主要问题,核心是对运动目标的检测。为克服传统基于灰度的背景帧差法所存在的缺陷,提出了建立在YCbCr彩色空间的背景帧差法检测运动目标,分割阈值采用基于迭代的最佳阈值的确定方法,并提出了梯度极值法得到最清晰、完整的车辆进行车流量的统计。经仿真结果表明提出的车辆检测算法不仅能够取得很高的检测精度,而且算法简单、运行速度快。     

基于YCbCr彩色空间的彩色图象水印新方法

随着计算机网络和多媒体技术的发展,数字水印技术正逐渐成为多媒体版权保护的一种有效途径。数字水印处理的目的在于将秘密的个人信息隐含于数字多媒体信号中,以保护其知识产权或证明其真实可靠性,提出了一种基于彩色空间的彩色图象水印处理方法。输入的彩色图象首先由通常的RGB空间变换到YCbCr彩色空间,在YCbCr空间中给出了四种嵌入水印的方案和相应的水印检测算法,最后,实验证明了算法的有效性。     

一种基于高维形象几何理论的彩色图像增强算法

基于近年来发展起来的全新理论--高维形象几何与仿生信息学,提出一种彩色图像增强算法.本算法将彩色图像看作是高维空间的点,通过对多幅图片的分析,推导出点与点之间的内在联系,提出"模糊-再模糊-清晰"的增强算法,并由实验证明该算法对模糊图像的清晰化有很好的效果.     

基于HSV 色彩空间与数学形态学的车牌定位研究

车牌识别系统在高速路收费口与住宅小区车库管理中得到越来越多的应 用,车牌定位是整个识别系统实现的前提。基于灰度图像的定位方法和基于彩色车牌图像的 定位方法,实现效果均不大理想。在充分利用车牌先验信息的基础上,提出基于HSV 色彩 空间与数学形态学的车牌定位方法。先利用色彩信息对可能包含车牌目标的区域进行过滤, 再利用数学形态学技术生成连通区域,判断并生成正确的车牌区域,最后,使用radon 变换进 行倾斜校正。     

基于自定义颜色空间的快速图像分割算法

为实现视觉伺服中对图像的实时处理,针对由RGB颜色空间模型转换到HSV颜色空间模型过程计算量大、时延明显的问题,提出了一种基于自定义的ASV颜色空间模型的快速变换方法,减小了计算量,提高了处理速度;并采用一种对不同颜色分量进行序列分割的彩色图像分割方法,在自定义的HSV颜色空间中实现了彩色图像的快速分割.实验证明了这种方法的有效性.     

一种基于纹理和颜色综合特征的车牌定位新方法

根据车牌纹理及其几何形状的特点,提出了一种基于区域生成的车牌图像定位新方法,该方法灵活有效,通用性强,同时可以根据需要反复分割,直至取得最好效果;另外提出一种新的色彩分割方案,根据车牌的颜色特征在车牌区域内进行色彩分割,进一步地精确定位车牌区域,使得本方法不仅定位准确度高,而且分割精确度也很好。     

一种基于彩色图像分割的车牌检测方法

提出一种彩色图像车牌检测方法,主要包括三个步骤,首先对车牌图像执行多尺度区域生长分割,然后在分割结果中进行车牌区域的粗定位,最后对粗定位提取的车牌区域作精确定位分析.区域生长分割方法可以产生封闭的区域,容易提取其形状信息,而长矩形是车牌目标一个显著特征,因此可以通过形状信息检测车牌.在图像分割中,采取多尺度的分割方法,生成多个不同细节程度的分割结果.在每个分割图像中搜索具有车牌外形特征的图像区域,初步检测出候选车牌目标.根据车牌字符的大小和笔画特征,对候选车牌区域进行精确判别分析,得到最终的车牌检测结果.实验部分验证了车牌检测的有效性.