模糊逻辑与学习方法的车牌颜色识别算法

针对光照环境复杂多变及各地车牌颜色特征不同的情况,提出了一种结合模糊逻辑与学习方法的车牌颜色识别算法.在HSV颜色空间中进行车牌颜色特征提取,并根据反色信息将车牌颜色识别由一个四分类问题转换为两个二分类问题.对HSV颜色空间三个分量的模糊映射进行加权融合,建立基于隶属度的分类函数,相关参数通过学习算法获得.在一个基于DSP的嵌入式车牌识别平台上进行了与其他传统分类方法的对比实验,结果表明本文算法存两个测试集上都取得了更好的识别效果.     

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HSV空间与数学形态学的车牌定位方法

车牌区域的颜色特征是车牌的重要信息,基于此特征,提出了基于HSV颜色模型和数学形态学相结合的车牌定位算法.并利用Matlab软件对该算法进行仿真,实验证明该方法在复杂背景下具有较强的适应性与稳健性.     

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。     

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.     

汽车牌照定位与识别系统设计

车牌自动识别系统对于智能交通的发展至关重要。针对国内较多的蓝底白字车牌和黄底单行黑字车牌汽车图像,分别从车牌定位、字符分割和字符识别三个模块出发,提出基于颜色定位、边缘检测和支撑向量机相结合的方法实现车牌区域的准确定位;采用字符轮廓寻找法及人工神经网络法实现字符分割及字符识别,可有效识别比较复杂环境下的车牌颜色和车牌号码。基于C++平台设计了一种汽车牌照自动定位和识别系统。大量实验结果表明,三个模块和整体系统的总体识别率都能达到92%以上甚至更高,并且通用于蓝牌小轿车和黄牌单行字符的大轿车。     

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。     

一种基于快速最近特征线的汽车牌照识别方法

提出一种基于快速最近特征线法(NFL)的车牌识别方法.根据颜色的视觉一致性,采用Munsell颜色空间的NBS颜色距离的概念对色彩进行聚类,再采用不同的结构元素,对于聚类后的图像进行一系列的数学形态学运算,准确定位出车牌的位置后,以NFL为基础,采用一种快速的计算方法,把待识别字符划分到最相匹配的类别中.实验表明,提出的车牌分割与识别新方法快速,准确,能有效地提高汽车牌照的识别效率.     

自然场景下的车牌检测与识别算法

车牌自动识别是智能交通系统的关键技术之一,主要包括车牌检测和字符识别两部分。为提高车牌检测速度和精度,本文提出了一种基于学习、由粗到精的车牌检测方法。首先采用颜色点对和垂直边缘相结合的方法,快速检测出车牌感兴趣区域;然后采用一种基于梯度方向直方图特征和支持向量机的机器学习方法实现车牌的精确定位。在车牌识别阶段,首先采用基于连通域分析与字符固有特征相结合的方法进行字符分割,然后根据字符结构提取3种稳定且有效的特征,采用支持向量机对分割的字符进行识别。采用上述方法对412幅不同角度、不同光照条件、不同时间段下拍摄的图像进行检测与识别,实验结果表明本文提出的算法精度高、鲁棒性好、识别速度符合实时性的要求。      

基于加权平均值的汽车车牌监控图像过滤技术研究

车牌监控图像由于照明、天气、运动目标位置和运动目标速度的不同,图像质量差异很大,从而不利于车牌监控的定位和识别。本文采用最大值法、平均值法和加权平均值法三种方法对车牌监控图像进行过滤,结果表明：采用加权平均值法进行车牌图像颜色过滤能够保留绝大部分的汽车车牌信息,使得目标和背景之间边界清晰,是一种较好的车牌图像彩色过滤方法。     

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。     

雾霾天气条件下车牌信息的识别

雾霾天气条件下,由于大气的散射,降低了拍摄图片中车牌信息的清晰度和对比度,并降低了车牌识别的正确率。针对这一现象,提出了一种基于暗原色的对图像透射率进行改进的算法,通过改进后的方法对图像进行去雾,弥补了暗原色方法针对天空、白色等大片明亮区域无法很好去雾的缺点。算法首先对雾霾天气下拍摄的图像利用改进算法进行去雾处理,然后进行车牌定位和字符分割,最后通过BP神经网络进行车牌信息的识别。实验证明,通过改进后的方法对图像进行去雾后,能够很好地还原车辆信息的原本颜色特征,给后期的车辆信息处理提供了便利。     

基于图像处理的钢包标牌识别方法

由于钢厂车间环境的复杂性对钢包标牌的实时检测和识别提出了较高的要求。为了实现对钢包的实时和动态跟踪,提出了一种基于HSV色彩空间信息的图像分割方法,根据HSV色彩空间的颜色和亮度无关性,将彩色图像从RGB空间变换到HSV空间。基于颜色和形状特征选取原则对标牌区域进行粗定位,再使用最小二乘直线拟合的方法检测标牌边框的倾斜角度,对标牌进行倾斜校正。实验表明,该方法能准确地进行标牌定位与倾斜校正,具有较高的可靠性与稳定性。     

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。     

一种二值化车牌反色判断的新方法

提出了一种对二值化后的车牌进行反色判断的新方法.该方法通过计算车牌2～6字符区域的白像素比例和垂直投影的白像素比例,判断车牌是否需要进行反色处理.实验表明,该方法有较高的准确率.     

车辆颜色识别方法研究

车辆颜色识别对车辆的识别与搜索,完善和增强智能交通系统功能具有重要意义。本文通过对颜色表示方法的深入研究,使用特殊的颜色空间合并与分解方法,提出了在室外正常光照条件下基于支持向量机的车辆颜色识别的方法。本方法克服了车辆颜色识别过程中多种颜色产生的混叠问题,将车辆颜色分为7个种类,解决了样本分布不均及光照对车辆颜色的影响,提高了车辆颜色识别的准确率和效率。