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。     

复杂背景下基于颜色的车牌定位方法研究

车牌的颜色特征是车牌定位的一个关键信息。复杂背景下,直接对车牌边缘进行分割以达到车牌的定位比较困难。为解决上述问题,提出了一种复杂背景下基于颜色的车牌定位方法。此方法通过颜色空间变换,将复杂背景下与车牌颜色相近的颜色全部保留,滤除其他不符颜色。实验结果表明,基于颜色的车牌定位方法,去除了背景颜色及不相干区域的干扰,可以简化后续车牌处理算法,提高车牌定位的精度和速度。     

复杂环境下车牌定位算法仿真研究

提出了一种能适应环境变化的车牌定位算法。该算法首先利用自适应灰度变化增强图像的对比度,使灰度变化剧烈的边缘区域更加突出;然后采用改进的Sobel算子对图像进行滤波并对非边缘区域进行抑制,使边缘区域以高值形式表现出来而其它区域值基本为零;接下来通过两次基于滑动窗口的统计滤波方法去除无效的边缘和干扰噪声得到车牌的候选区域;最后通过形态学处理的方法并根据有关的先验条件定位出车牌区域。仿真实验结果表明,该算法具有较强的环境适应性,在各种环境下的定位准确率达到96.4%以上。     

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。     

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.     

基于相位信息与边缘投影的车体定位新算法

提出一种基于相位信息与边缘投影的车体定位新算法,先将RGB颜色模型与HSV颜色模型相结合,利用相位一致性检测出汽车图像中的车体边缘,再通过投影处理得到候选车体区域,然后对候选区域进行判别,最终得到车体的精确位置.实验结果表明,该算法鲁棒性强,受图像亮度、对比度和阴影的影响小,而且适用于包含多部车辆的图像,定位准确率高于其他常用算法.     

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。