基于边缘颜色分布的车牌定位新方法

根据车牌的综合特征,提出了一种新的基于边缘颜色分布的车牌定位算法.该算法抓住了车牌背景与字符具有固定颜色搭配的重要特点,利用车牌区域内特有的边缘颜色分布信息并结合车牌的纹理特征,有效地滤除了大量的背景和噪声边缘,然后利用车牌的结构特征和边缘信息,并结合形态滤波的方法,以进一步确定车牌区域.实验结果表明,该算法定位准确率高、鲁棒性好,而且适用于对复杂背景下的多车牌图像进行分割.     

基于混合特征的多车牌快速定位算法

针对车牌定位计算量大,定位时间长的问题,提出一种基于几何和颜色混合特征的定位方法。首先对车牌进行直方图均衡的预处理,通过改进的Sobel边缘检测算子和数学形态学方法,确定候选区域队列,然后利用车牌的几何和颜色特征排除候选车牌区域中的干扰区域,最后对各种环境下定位效果进行比较,并给出相应的算法和实验结果。     

基于彩色边缘检测及综合特征的车牌定位算法

针对车牌区域难以定位的问题,本文提出了一种基于彩色边缘检测及综合特征的车牌定位方法。该算法利用车牌底色与字符颜色有几种固定搭配的特点,对彩色图像进行边缘提取,然后利用车牌区域的结构与纹理特征定位车牌,有效减少了车牌大小、位置以及背景复杂等方面的限制。实验证明该算法耗时少,准确率高,鲁棒性好。     

复杂车辆图像中的车牌定位

针对复杂背景的车牌定位问题,提出了一种综合形态、颜色、投影等多种特征的车牌定位算法.基于车牌区域边缘信息丰富的特点,首先利用边缘检测和数学形态学方法定位候选车牌区域,并消除噪声干扰;然后根据质心所在位置对候选区域进行由低到高的排序,并通过颜色识别作进一步筛选,以排除车灯等区域的干扰;最后采用投影法及谷值分析对截取出的缺损车牌进行补全,从而得到准确的车牌位置.实验结果表明,算法的效率与精度与车辆图像的清晰度、曝光度及车牌大小等因素有关,与传统车牌定位算法相比,效率和精度分别提高了15%和20%以上.     

一种复杂背景下车牌定位算法

车牌定位是车牌识别技术的第一步,车牌定位的准确与否直接影响着车牌识别的准确率。通过对现有的车牌定位方法进行研究,提出了一种复杂背景下的车牌定位算法,即利用车牌先验知识和灰度跳变结合来确定车牌位置,算法先对图像进行相应预处理,再结合纹理特征以及车牌区域的几何特征来粗定位车牌。粗定位时会得到对应的候选区域,如果候选区多于一个,就结合候选区的纹理特征和几何特征,利用算法来判断候选区是否是真实车牌区域;如果候选区只有一个,该候选区即是真实车牌,直接输出结果。实验结果表明,这种方法对复杂背景下的车牌定位比较准确,对噪音的抗干扰性强,定位速度快,符合实时性的要求。     

一种由粗到精的快速车牌定位算法

提出一种由粗到精的分步快速车牌定位算法.它首先运用数学形态学线形算子增强车牌等水平边缘密集区域得到粗定位车牌;对粗定位候选车牌区进行二值化,利用线扫描等特征获取车牌精确定位.大量测试实验结果表明,该定位算法快速、准确.     

自然背景下车牌定位算法研究

提出一种综合边缘检测、形态学、扫描行法的车牌定位算法,该方法利用边缘检测获取车牌区域垂直边缘,利用形态学运算得到车牌候选区域,最后结合车牌特征,采用双扫描行法定位车牌,解决了自然背景中车牌定位困难的问题.实验表明,该算法定位准确,鲁棒性强,适用于多车牌情况.     

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。     

基于分块和滑动窗口的车牌定位方法

车牌定位是车牌识别系统的关键环节.提出了一种利用分块和滑动窗口快速定位车牌的新方法.首先,进行垂直边缘的检测;然后利用分块和滑动窗口的方法进行搜索,产生车牌候选区域;最后经过判别得到车牌区域,并对边界加以调整.实验结果证明这种算法具有定位准确、效率高、适应性强的特点.     

基于纹理特征和垂直投影的车牌定位算法研究

车牌定位是车牌识别中的关键步骤。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,提出了一种基于车牌纹理特征和垂直投影的车牌定位方法。该方法先根据车牌区域的纹理特性确定出多个水平候选区域,再利用车牌区域垂直投影的统计规律对候选区域进行筛选,并确定出车牌左右边界。实验结果表明,该方法定位速度快、准确率高,具有较好的实用性。     

基于纹理特征和神经网络牌照定位方法

汽车牌照的定位是一个较难解决的图像分割问题,神经网络为此问题的解决提供了一个有力的解决工具。这里提出一种基于纹理特征和神经网络的牌照定位方法,首先采用基于纹理特征的方法对车牌图像进行行定位和列定位,确定车牌候选区域,然后采用基于神经网络的方法对候选区域的特征进行分析判断,确定车牌区域。实验结果表明,该方法可以实现汽车牌照的快速定位,并且定位准确率较高,鲁棒性较好。     

基于特征的车牌定位算法

车辆牌照的识别技术是智能交通系统重要研究课题之一,而车辆牌照的定位又是车牌识别的关键点。本文采用了一种新型的综合利用车牌纹理特征、颜色特征和几何特征的快速定位算法。该算法利用数学形态学充分挖掘车牌纹理特征以及消除噪声干扰,把图像分割为若干个子区域,利用纹理条件和颜色条件判断,对子区域进行独特的分类和聚类融合,最终由粗至细精确地定位出车牌位置,然后利用Hough变换矫正倾斜的车牌图像并去除边框和铆钉,为后续车牌字符的分割识别步骤打下良好基础。实验结果表明,本文的研究成果能有效定位车牌且效果显著。     

基于LabVIEW Vision的车牌识别系统设计

文中设计了一种基于LabVIEW Vision的车牌识别系统。该系统根据车牌颜色在HSL色彩空间上的特征,采用色彩阈值分割、腐蚀等图像处理方法将车辆图像转化成二值图,并在二值图中进行边缘检测,再根据检测到的车牌与背景间的边缘线的信息组建方程组,求出车牌边缘特征点的坐标,以确定车牌在图像中的位置。然后,以车牌在图像中的位置是否在指定区域内作为是否进行车牌识别以及当前车辆图像是否保存为车牌识别输入图像的触发条件。如果条件不满足,则系统将重新采集车辆图像,否则会根据车牌位置抓捕车牌,并采用均匀性度量法等方法对抓捕到的车牌进行二次处理,并将其转化成车牌二值图,再由OCR函数对该图进行字符识别。经实验验证,该系统具有较高的识别精确度与稳定性。     

一种新型车牌定位算法的研究

车牌定位过程中,由于光照变化、视点和距离变化、复杂背景等原因,图像传感器很难获取到高质量的图像。为了克服这些问题,本文在融合滤波的基础上,将一种基于模糊算子的彩色图像边缘检测方法用于车牌定位中,结合数学形态法和改进后的4-邻域标记法,以及车牌文本区的先验知识找到车牌的准确位置。本文用影像传感器对不同环境条件下获取的300多幅图像进行实验,结论验证了这种方法有效地克服了非车牌区域噪声的干扰,提高了图像质量,而且车牌定位准确率达到98.3%,证明了算法的有效性和鲁棒性。     

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。     

基于多尺度小波边缘检测的车牌定位研究

车辆牌照的准确定位是车牌识别系统中的关键步骤,利用车牌区域丰富的边缘和纹理信息以及车牌自身的特征,提出一种基于多尺度小波边缘检测的车牌定位方法.该方法能够更好地解决在复杂背景和复杂光照下的车牌定位.首先用图像增强和多尺度小波算子提取出车牌图像的边缘,然后利用数学形态学和连通区域标记的方法对车牌进行初步特征提取去除伪车牌区域,最后采用水平垂直投影法进行车牌的精确定位.实验结果表明,该方法能够实现车牌的快速准确定位,对复杂背景下的车牌具有很好的鲁棒性和实时性.