基于数学形态学的实用车牌定位算法及实现

由于车牌图像分割困难、车牌位置定位不准确等问题,为了快速准确地得到车牌的准确位置,数学形态学具有速度快、方法简单等特点,使用数学形态学进行车牌的识别.通过预处理,采用最佳阈值分割的迭代算法进行车牌图像的二值化处理,然后主要利用数学形态学腐蚀运算进行车牌边缘检测,精确度高.结合车牌先验知识,利用连通区域法对车牌字符进行切分定位,通过大量实验,结果表明该算法具有一定的实用性.形态学边缘检测相对于边缘检测算子具有算法简单、速度快、定位准确和抗干扰能力强的优点.通过对不同车牌图像进行试验,算法具有较好的识别结果.     

一种倾斜车牌字符提取方法

针对车牌字符提取中存在的问题,本文提出了一种针对倾斜车牌的字符提取方法.运用最大熵分割算法分割车牌图像,运用串并行扫描结合的方法细化图像,提取骨架.运用Hough变换法提取车牌边缘所在的直线,求出倾斜角度以矫正图像.对校正之后的骨架图像进行逐行扫描,确定整个车牌所在区域,并运用水平投影法分出每个字符所在区域,以便进行识别.实验证明,本文提出的车牌字符提取方法中对车牌倾斜有很好的适应性,行扫描的方法可以快速分辨出车牌字符区域,是一种鲁棒的字符提取方法.     

一种新的DCT压缩域字符快速定位算法

提出了一种基于DCT压缩域的字符定位算法,能够快速定位出具有复杂背景图像中的字符区域.该算法面向部分解码后的JPEG图像,从y分量DCT压缩码流中提取出一种新的字符/非字符分类特征,并采用自适应阈值法实现分类,利用投影法确定出字符区的位置.实验表明,该算法对不同复杂背景下的JPEG图像,可以有效实现中、英文字符区的提取,查全率和查准率可以达到90%以上,处理速度快,能够实现实时处理.     

基于纹理和颜色的模糊车牌的增强与定位

针对汽车牌照自动识别系统中图像效果差的问题,本文提出了一种基于盲解卷积的增强算法,并给出了一种纹理和颜色分析相结合的车牌定位方法.该方法利用车牌字符具有明显竖直纹理的特征,经边缘检测获取垂直边缘图,结合形态学及车牌固有特征,确定疑似牌照区域;同时在HSV颜色空间进行颜色分割,提取出满足车牌颜色特性的区域.实验结果表明,在车牌图像失真的情况下,该方法能够快速有效地实现图像恢复和车牌定位.     

灰度图像下车牌定位与分割算法研究

给出了一种能在复杂交通环境下对汽车牌照进行定位和分割的算法.算法都是基于灰度图像的.在定位算法中,首先对图像进行边缘检测和水平膨胀,然后进行连通区域分析、水平聚类,最后对得到的车牌候选区域进行模糊决策,找出真正车牌区域.很好的解决了伪车牌问题.在分割算法中,利用最小二乘法对车牌进行倾斜校正,利用可变小模板对字符进行分割.实验证明,定位准确率为97%,分割准确率为95.3%,具有非常好的效果.     

基于字符密度与聚类分析的多车牌定位方法

针对车牌定位受外界因素干扰较大的情况,文中提出一种基于密度判别与聚类分析的快速车牌定位方法.结合图像积分算法,采用车牌字符密度判别法缩小车牌搜索范围,利用车牌垂直投影统计规律确定出多个候选区域,最后结合聚类分析算法对候选区进行分析、选择合并策略、剔除假车牌,实现准确、快速的多车牌区域分割.试验结果表明,该方法适应性强,准确率高,实时性好,能够满足车牌识别系统应用的需要.与其他方法相比,该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.     

一种复杂背景下的车牌快速定位算法

针对复杂环境下的车牌定位问题,提出一种基于提升小波与形态学相结合的快速定位方法。该方法首先对车辆图像进行预处理,包括图像灰度化,利用新的提升小波算法进行边缘检测以及二值化,然后对图像进行腐蚀、膨胀等一系列形态学处理,得到一些规则的连通区域,其次删除小连通区域,合并邻近区域,得到车牌的候选区域,最后采用可信度评价来度量候选区和车牌区的相似度确定车牌位置,最终实现车牌的快速定位。计算机仿真结果表明,对于背景复杂的车辆图像,该方法运行速度快,车牌定位准确率高。     

基于数学形态学的车牌定位与分割

车牌定位是车牌识别的关键步骤.为了提高定位的准确率和实时性,提出了一种基于数学形态学的车牌定位算法,通过形态学算子的作用进行车牌区的定位与分割,采用车牌结构特征来进行非车牌区域的剔除.实验表明,该算法速度快、准确率高.     

基于形态学的车牌分割技术研究

对于已完成预处理的图像,提出一种基于数学形态学的车牌分割算法,并通过对候选区域的选择来调整修正系数,最终完成车牌定位.算法具有直观、实现简单、运算量小等优点.     

基于局部小波分形特征的车牌定位研究

提出了一种新的车牌定位算法.车牌定位是车牌识别系统中最为关键的处理之一,分形特征能较好地反映牌照区“粗糙”的特性.首先提取牌照图像灰度图的分形维数,再充分利用小波与分形的密切联系,以二次B-样条小波对车牌局部图像进行小波变换后,提取各个子图的分形维数.这些分形维组成的特征矢量能有效地标示车牌区域和非车牌区域,根据这些局部分形维特征,以改进的BP神经网络作为分类器,有效地实现了车牌的快速准确定位,定位时间在0.7s左右,比同类方法更优.