采用二次定位的车牌图像定位算法研究

提出了一种二次定位的车牌图像定位方法.在第一次定位中首先对车辆图像进行灰度化、边缘检测及直线检测处理,根据车牌区域的特征初步找出包含车牌边框的车牌图像区域;再根据车牌边框对车牌图像进行倾斜校正;在此基础上,对车牌图像采用投影法进行二次定位,最终获得精确的车牌区域.测试证明,提出的二次定位方法能够适应不同背景,对光照、环境及车牌种类不敏感,得到的车牌图像不会包含车牌边框等无用的信息,为后续的车牌字符识别打下良好的基础.     

车辆牌照识别中车牌定位的研究

车牌定位是车牌识别系统的第一步,也是非常重要的一步,对车辆牌照的特征及几种常用的定位方法进行简要介绍,对车牌图像进行图像预处理之后,用微分算子对图像进行边缘提取,并且针对Sobel算子的缺点用形态学出来进行弥补。根据图像行、列像素点灰度值累加和对车牌图像进行定位,最后给出定位出的车牌图像。     

一种复杂环境中的车牌定位算法

提出了一种结合车牌区域边缘特征和梯度方向特征的新型车牌定位算法,该算法将车牌图像变换为灰度图像后,首先利用Sobel算子和Gradienffaces方法分别获取车牌图像的垂直边缘图像和梯度方向图像,然后根据边缘长度、边缘点密度去除垂直边缘图像中的干扰,并根据梯度方向图像中的梯度方向消除更多的干扰边缘,最后利用一个矩形窗扫描边缘图像完成车牌区域的定位和分割.实验结果表明,该方法的定位准确度可达93.7％,同时对复杂背景或弱光环境下的车牌图像具有很好的鲁棒性.     

一种基于灰度图像的车牌快速定位算法

在图像增强的基础上,对得到的二值图像进行处理从而得到特征图像,对特征图像进行水平扫描与垂直投影并结合车牌的先验信息来确定正确的车牌区域,实验结果表明该方法能够正确快速地定位车牌区域。     

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。     

基于图像预处理和纹理特征的车牌定位算法

为了解决车牌定位过程中拍摄图像背景复杂,噪声大,检测准确率偏低的问题,提出简便有效抗干扰强的车牌定位算法.首先将彩色图像转换为灰度图像,其次设定灰度门限区分图像目标和背景,进行二值化处理,然后使用Sobel边缘检测算子计算图像梯度幅度值,检测图像边缘点,采用局部图像平滑技术中值滤波对图像去除干扰,最后根据车牌区域纹理信息较其它区域丰富的特征,采用投影法,通过水平和垂直方向上投影分布特征的反复提取,准确检测定位车牌.实验结果表明,该方法定位出的车牌区域图像清晰度和准确度较高.     

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.     

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.     

基于纹理特征和颜色匹配的车牌定位方法

在分析车牌定位现有算法的基础上,根据车牌的特点,提出一种新的综合利用车牌纹理特征和边缘颜色对的车牌定位方法.首先根据车牌的纹理特征和结构特点进行粗定位,确定车牌的候选区域,然后对候选车牌区域进行边缘颜色对的检测,根据车牌背景与字符有固定颜色搭配的特点,确定车牌区域.实验结果表明,该算法能有效地对车牌进行定位,提高了车牌定位的可靠性.     

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。     

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。     

改进遗传算法在车牌定位中的应用

为了更好地反映自然界的优胜劣汰,提出改进的遗传算法。在改进的交叉与变异运算中引入个体的适应度。把改进的遗传算法应用于车牌图像分割中,并根据车牌中字符分布的特点,利用车牌内部灰度值的变化频率实现车牌定位。实验结果表明该算法不仅可以获得较好的车牌分割效果,而且能提高车牌定位的速度。     

基于公路收费系统的车牌定位与字符分割算法

针对收费站点环境的特殊性,在使用新的边缘检测与图像二值化方法的基础上,提出了仅基于车牌特征信息进行车牌定位与字符分割的算法。经过现场检测,该算法定位与分割准确率较好,且具有很好的鲁棒性,车牌定位准确率为98．7％,字符分割正确率为99％。     

一种改进的车牌定位算法研究

为了实现车牌的准确定位及后续的车牌识别,提出一种改进的车牌定位算法。该方法首先对预处理后的车牌图像进行模板匹配来大致确定车牌区域,为了节约运算时间,对模板匹配法进行优化。接着,运用形态梯度方法对粗定位后的图像进行边缘检测,从而更好地保持车牌的边缘。最后,采用投影法进行精确定位,通过对投影的分析找到车牌的准确位置。实验结果表明,该算法对车牌定位的准确性和处理速度都有很大提高,基本满足了系统实时性和准确性的要求。     

基于蓝色车牌背景的车牌精确定位实现方法

先对抓拍的彩色车牌图像进行车牌的粗定位,分割出车牌区域.对车牌区域做图像增强和滤波处理后,转化成二值图像,去除车牌的上下和左右边框,实现车牌的精确定位.针对抓拍的车牌彩色图像因光照不足的原因造成垂直粗定位不准的问题,提出了改进算法,提高了精确定位的准确率.     

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.     

基于自适应投影方法的快速车牌定位

定位是车牌识别技术的关键。针对传统投影方法的不足，提出了一种基于自适应峰区检测与投影的快速车牌定位方法，首先得到候选车牌区，然后根据车牌区的特征筛选出车牌区。实验结果表明该方法能对车牌快速准确定位。     

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。     

基于聚类分析的车牌定位算法的研究

提出一种基于数学形态学和均值聚类的实时车牌定位算法,将边缘处理与聚类分析相结合,得到车牌字符的垂直边缘信息,然后通过数学形态学运算处理,结合车牌的多个特征对车牌进行定位,试验证明,该算法准确率高,抗干扰性强.