基于形状特性和反Hough变换的车牌区域定位与重建

提出一种基于车牌形状特性和反Hough变换的车牌区域定位与重建方法，该方法由车牌区域定位及区域重建算法组成，针对汽车车牌的形状特征，对其在Hough空间的变换结果进行分析，由此在Hough空间中定位出车牌区域，并在此基础上采用反Hough变换在图像空间中重建车牌轮廓，取得了较为满意的结果。     

基于小波变换的车辆牌照定位研究

车辆牌照的准确定位是智能交通中车辆牌照识别技术的关键,提出一种基于小波变换的车牌质心定位方法,该方法可以很好地解决复杂背景与光照下的车牌定位.经过小波分析的车牌图像利用数学形态学进行车牌特征提取,对特征提取后的车牌图像采用连通区域质心的方法对车牌进行定位,最终得到车牌的准确区域.实验结果表明,该方法能够实现车牌的快速准确定位,是一种有效的车牌定位方法.     

一种复杂背景下的车牌快速定位算法

针对复杂环境下的车牌定位问题,提出一种基于提升小波与形态学相结合的快速定位方法。该方法首先对车辆图像进行预处理,包括图像灰度化,利用新的提升小波算法进行边缘检测以及二值化,然后对图像进行腐蚀、膨胀等一系列形态学处理,得到一些规则的连通区域,其次删除小连通区域,合并邻近区域,得到车牌的候选区域,最后采用可信度评价来度量候选区和车牌区的相似度确定车牌位置,最终实现车牌的快速定位。计算机仿真结果表明,对于背景复杂的车辆图像,该方法运行速度快,车牌定位准确率高。     

LPR系统车牌定位提取方法的研究

车牌定位在车牌自动识别中起着非常重要的作用,定位准确度直接影响车牌识别的正确率。文中使用了数学形态学和几何拓扑学相结合的方法对车牌区域进行定位提取。该方法首先采用Top-Hat变换以及开、闭运算对抓拍的车辆图像进行预处理;然后采用连通体态分析法（CCA）对图像进行粗定位;最后对计算得到的车牌候选区的欧拉数进行判别,最终提取真正的车牌区域。实验证明该方法能够很好的对牌照区域顶角进行快速搜索定位,将牌照从复杂背景图像中分割出来。     

复杂车辆图像中的车牌快速形态定位算法

针对复杂环境下的车牌定位问题,提出了一种基于形态学的快速车牌定位方法。该方法先对车牌图像进行预处理和二值化,然后用形态学方法对二值化后的图像进行系列形态运算,将车牌图像分割为一个个独立的小区域,根据车牌特性去掉较小的区域,并对保留的连通域进行标记,最后用车牌形状特性进行车牌快速定位。实验结果表明,该方法定位效果好,速度快,适于应用对现实的车牌图像进行定位。     

基于HSV 色彩空间与数学形态学的车牌定位研究

车牌识别系统在高速路收费口与住宅小区车库管理中得到越来越多的应 用,车牌定位是整个识别系统实现的前提。基于灰度图像的定位方法和基于彩色车牌图像的 定位方法,实现效果均不大理想。在充分利用车牌先验信息的基础上,提出基于HSV 色彩 空间与数学形态学的车牌定位方法。先利用色彩信息对可能包含车牌目标的区域进行过滤, 再利用数学形态学技术生成连通区域,判断并生成正确的车牌区域,最后,使用radon 变换进 行倾斜校正。     

复杂车辆图像中的车牌快速形态定位算法

针对复杂环境下的车牌定位问题,提出了一种基于形态学的快速车牌定位方法.该方法先对车牌图像进行预处理和二值化,然后用形态学方法对二值化后的图像进行系列形态运算,将车牌图像分割为一个个独立的小区域,根据车牌特性去掉较小的区域,并对保留的连通域进行标记,最后用车牌形状特性进行车牌快速定位.实验结果表明,该方法定位效果好,速度快,适于应用对现实的车牌图像进行定位.     

车牌定位及倾斜矫正方法研究

为提高车牌定位的有效性和准确性,利用车牌的纹理特征,提出基于边缘检测和形态学运算相结合的车牌定位算法。在摄取车牌图像的过程中,会因为各种原因导致车牌图像有不同程度的倾斜变形,而倾斜的车牌很难被分割和识别,必须进行倾斜矫正,使用了基于Hough变换的倾斜矫正算法。实验结果表明该车牌定位算法和倾斜矫正算法快速有效。     

边缘特性筛选与多判定机制下的车牌定位方法

针对复杂背景下的车牌定位,利用目标区域的边缘梯度特性筛选出车牌边缘;选取合适的结构元素做数学形态学填充,得到车牌候选区域;融合车牌灰度纹理特征与颜色特征通过多判定机制剔除伪车牌区域,实现车牌的准确定位;通过实验对大量实拍的复杂背景下的车辆图像进行测试。结果表明,该方法准确率高、速度快,克服了传统算法对拍摄环境、光照条件、颜色、角度等较为敏感的问题,具有良好的定位效果。     

基于形态学梯度重建的车牌定位方法

准确定位车牌是车牌识别的重要基础。针对复杂环境下车牌图像容易受背景、光照等因素的影响而导致车牌定位精度较低的问题,提出了一种基于形态学梯度重建的车牌定位方法。该方法首先利用颜色信息确定车牌候选区域;然后利用矢量梯度算子获取候选区域中车牌图像的梯度,利用形态学梯度重建运算提取具有车牌特征的图像结构,同时抑制非车牌特征的图像结构;最后利用车牌固定的宽长比先验信息对矩形区域进行提取,最终得到准确的车牌定位结果。实验结果表明,提出的车牌定位方法能在复杂环境下快速、准确地定位车牌,且具有较高的鲁棒性和实时性。     

Hough变换与先验知识在车牌定位中的新应用

车牌定位作为车牌识别系统中的基础环节,定位准确度将直接影响着最终识别结果。在以往各种识别算法中,Hough变换更多的是用来检测车牌倾斜角度,在车牌定位中一直未见其用。结合合理的先验知识,提出一种利用Hough变换多线检测在车牌定位中的新用法。通过对240幅图像的测试,准确率达到95.42%,结果表明了此方法的有效性。     

基于车牌字符笔画特征的快速定位算法

针对车辆图像分割困难,车牌位置定位不准等问题,提出了一种新的车牌快速定位算法。该算法通过对车牌一维字符笔画特征搜索,能够快速地定位车牌。试验表明该算法定位速度快、准确定位率高。     

基于CNN彩色图像边缘检测的车牌定位方法

针对现有车牌定位算法准确率不高、步骤多和速度慢等问题, 提出一种彩色图像车牌定位方法(License plate locating based on CNN color edge detection, LPLCCED). 首先利用细胞神经网络(Cell neural network, CNN)模型导出一种与车牌颜色特征相结合的车牌定位专用边缘检测算法, 将车牌的颜色对约束条件融合到边缘检测算法中, 本文专用边缘检测算法可以大大缩小车牌初步定位的范围. 接下来提出一种针对车牌特征的边缘滤波算法, 最后根据车牌结构和纹理特征对候选区域进行判别验证. 该流程的各个环节都可以通过硬件实现, 为面向智能交通领域的实时车牌识别系统的前期车牌定位处理提供了依据.     

汽车牌照定位与字符分割

基于数字图像处理和模式识别技术的汽车牌照自动识别技术是汽车牌照识别系统的关键技术。研究汽车牌照定位和字符分割技术,实现了汽车牌照图像的预处理、基于水平投影和垂直投影算法的汽车牌照定位和基于垂直投影特征值分割算法的汽车牌照字符分割。实验结果表明,该算法能有效快速定位汽车牌照和准确分割汽车牌照字符。     

自适应遗传算法在车牌定位中的应用

车牌自动识别是现代智能交通的重要组成部分,而车牌定位技术又是车牌识别系统的核心之一。由于传统的定位算法存在适应性差,鲁棒性不强的问题,提出一种基于自适应遗传算法的车牌定位方法。先用最大类间方差法(OTSU)对车牌图像进行二值化,然后利用遗传算法对全图进行车牌特征匹配搜索,结合区域特征向量构造的适应度函数,最终找到车牌区域的最佳定位参量。测试结果表明,该算法适应性强,定位效果很好。     

利用Hough变换和先验知识的车牌字符分割算法

随着科技的发展，车牌识别系统得到了很多应用。车牌识别系统包含三个部分：车牌定位、字符分割和字符识别。车牌字符分割是车牌自动识别系统中的重要步骤。车牌字符分割中存在噪声干扰、边框影响、铆钉和间隔符影响、车牌旋转、光照不均等问题。这些问题容易造成分割不准确，甚至分割错误。针对这些问题，该文提出了一种先分段，再利用Hough变换拟合直线的水平分割方法和基于先验知识约束的垂直分割方法，同时提出目标增强的预处理方法。大量实验表明，该算法较好地解决了以上问题，适用于各种质量的车牌图像，分割的准确率较高。     

基于数学形态学的车牌定位

车牌定位是汽车牌照识别系统中的重要环节,直接影响车牌识别的准确率。对数学形态学进行了研究,并且分析了利用数学形态学进行车牌定位的原理。为了对汽车牌照进行精确的定位,提出了一种基于数学形态学的车牌定位方法。对汽车图像进行预处理和阈值分割后,利用不同的结构元素对二值图像进行形态学滤波,以进一步消除干扰。最后利用面积、长宽比和垂直投影特征值进行综合分析,完成车牌定位。实验结果表明,该方法定位准确率高,为车牌识别创造了良好的前提。     

基于先验信息和射影几何变换的车牌图像矫正*

为了便于字符分割、识别,车牌识别系统需要将车牌的倾斜图像矫正为无倾斜和旋转的标准图像。目前多数文献采用Hough变换检测倾斜角度并直接进行矫正,但存在的缺陷。为此从射影几何的观点提出了新算法：利用车牌固有的先验信息,将车牌与车牌图像之间的透视变换矫正为仿射变换,再将仿射变换矫正为相似变换,将此相似变换看做是对原车牌进行旋转和全局缩放的结果,消除其中的旋转因素,就得到一个与车牌仅差一个缩放因子的标准车牌图像,以便于后续的字符处理。     

基于扩展数学形态学的车牌定位算法

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,目前车牌定位的方法多种多样,各有所长,但存在着计算量大或定位准确率不高等问题。边缘检测是常用的车牌定位方法,边缘检测的质量决定了车牌图像的最终定位结果。一般人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘检测带来了困难。根据数学形态学原理与方法,提出一种扩展数学形态学车牌图像边缘检测算子,并结合水平和垂直投影进行车牌定位。实验结果表明,该算法不仅能成功提取车牌图像边缘,而且能很好地滤除噪声,从而实现准确车牌定位。     

基于特征多样性的车牌定位方法

本文提出了一种基于结构特征和纹理特征的车牌定位方法:对车辆图像进行预处理,检测垂直方向的边缘,执行数学形态学操作,并利用车牌的结构特征粗定位车牌区域;提取车牌的纹理特征并构建特征向量,通过贝叶斯分类器来精确定位车牌区域。该方法不受车牌大小、位置等因素限制。对采集到的各种复杂背景、环境下的车辆图像进行了大量实验。实验证明:该方法定位率高,速度快,具有较好的鲁棒性。