基于小波分析的车辆牌照定位方法

通过与几种传统的边缘提取算法的比较,提出了一种基于多尺度小波分析的方法来找出道路汽车图像中的有关车辆牌照的高频分量,并应用数学形态学方法对由其得到的边缘图像进行膨胀处理,从而准确得出车辆牌照位置.     

基于边缘检测和形态学处理的车牌定位

车辆牌照识别技术(License Plate Recognition,LPR)是实现智能交通管理的重要技术之一,车辆牌照识别技术主要包含了车牌的准确定位、车牌中字符的分割以及字符的识别.通过对问题的分析,找到一种基于边缘检测和形态学处理的车牌定位方法,通过对样本图像的边缘检测和一系列的形态学处理,实现了对车牌的初步定位,基于车牌上字符水平方向的跳变次数来判断出车牌的上、下边界,从而实现了车牌的准确定位,最后通过仿真验证了这种定位方法的可行性.     

结合多特征的视频镜头检测方法

针对视频镜头边缘检测准确率低的问题,提出了一种新的基于多特征的视频镜头检测算法。首先按时序读取多帧图像,并转换为灰度图;进一步将帧图像均匀分块,计算每个图像块的平均梯度,构造视频动态纹理;比较相邻帧视频动态纹理的相关性及两帧SIFT特征的匹配程度,根据匹配结果得出预检测结果;接下来与步长低于人眼刷新频率的下一帧动态纹理及SIFT特征相比较,得到最终的结果。通过对多组不同类型的视频数据进行实验,均能取得较高的召回率和准确率。该文算法对结构较复杂的渐变镜头进行检测,也能取得较高的检测准确率和召回率。     

基于多特征的视频镜头检测方法

针对视频镜头边缘检测准确率低的问题,提出了一种新的基于多特征的视频镜头检测算法。首先按时序读取多帧图像,并转换为灰度图;进一步将帧图像均匀分块,计算每个图像块的平均梯度,构造视频动态纹理;比较相邻帧视频动态纹理的相关性及两帧SIFT特征的匹配程度,根据匹配结果得出预检测结果;接下来与步长低于人眼刷新频率的下一帧动态纹理及SIFT特征相比较,得到最终的结果。通过对多组不同类型的视频数据进行实验,均能取得较高的召回率和准确率。该文算法对结构较复杂的渐变镜头进行检测,也能取得较高的检测准确率和召回率。     

多尺度-方向笔画结合SVM验证的文字区域定位

图像中文字区域检测与定位的关键环节是文字区域显著特征的描述与分类,文字区域一般是由几个方向的笔画组成,笔画既有梯度的边缘同时又具有明显的方向分布规律.在此思路的引导下,利用特征定位和学习型验证的两级框架提出一种新的文字区域定位算法.在粗定位模块中,引入对字符区域有显著描述能力的多尺度-方向笔画算子融合字符边缘粗糙度特征;经阈值处理、形态学滤波、最小矩形区域覆盖得到候选文字区域.在验证模块中,提取对文字有较强鉴别能力的笔画特征,然后用SVM(support vector machine)分类器对候选文本行进行验证筛选,得到文本区域的最终定位结果.实验结果表明,该算法具有较强的鲁棒性,无论对中文字符区域还是英文字符区域都能得到较好的定位结果.     

一种改进的汽车牌照字符分割算法及MATLAB实现

在相关资料的基础上,对汽车牌照图像字符分割算法进行了研究,提出了基于垂直投影法的改进的字符分割算法.在上述研究的基础上,用MATLAB7.0设计了相应程序,并采集图片进行了测试,表明了算法的有效性和实用性.     

车牌识别系统中字符分割技术研究

车牌识别LPR是智能交通中关键技术之一.字符分割是车牌识别的基础.但是,现实应用中,复杂背景、字符断裂或字符粘连等因素容易导致车牌字符分割失败.本文提出了一种新的字符分割方法--基于全局约束的字符分割算法,有效的解决了这些复杂的问题.本算法已在软件平台上成功实现,并使用大量从各种不同环境下采集的具有代表性的车辆图像作为算法测试数据源对算法进行测试,结果证明这种车牌字符分割算法的准确率得到了很大的提高.     

边缘检测及二值化算法在车牌定位中的应用

比较若干不同的边缘检测算子及二值化算法,讨论了其在车辆牌照识别中的应用.文中用Matlab软件对这些算法进行了仿真,并根据结果选取了适用于车牌定位的算法,得到了较好的定位结果.     

车牌识别关键技术的研究与实现

车牌识别是指通过计算机视觉、图像处理与模式识别等方法从车辆图像中提取车牌字符信息,从而确定车辆身份的技术。车牌识别分为车牌定位、字符分割、字符识别三大部分。车牌定位是一个难题：车牌区域在整幅图像中所占比例很小,车牌的颜色、大小、位置也不确定,并且定位算法要能够克服不同光照和复杂背景的影响,还要兼顾准确性和实时性,因此快速准确的定位车牌是比较困难的。本文通过车牌的纹理和颜色特征,采用粗定位和细定位相结合的方法进行识别。     

基于多级小波分解的两类纹理图像分割技术

通过对纹理图像传统分割方法的分析,研究了农作物图像的边缘自动分割问题,提出了采用多级小波分解方法的两类纹理图像分割技术.解决了传统的基于Laws能量特征方法存在的分割边缘粗糙以及时间效率低等缺点.仿真结果表明,应用基于多级小波分解的纹理分割方法,能快速得到准确的边缘,为获取大规模农作物的机械导航路径提供了一种新的思路.