一种基于纹理模式的汽车牌照定位方法

针对车牌区域内字符串具有丰富的纹理特征,采用纹理模式分析方法,充分利用这些纹理特征,突出车牌区域,削弱伪车牌区域。提出了一种基于纹理模式的车牌定位方法。试验结果表明,此方法能较准确地定位车牌,便于进一步的车牌字符分割。     

一种基于分类器投票的车牌定位方法

为解决类似车牌和失真车牌的定位难题,提出一种基于分类器投票的车牌定位方法。方法从两个方面提升车牌定位精度:首先,针对类似车牌和失真车牌的图像特点,提出两种新的车牌图像描述子,针对性地提升两类车牌的定位效果;其次,使用多种描述子分别训练SVM分类器,采用分类器投票融合的方式决定最终分类结果,进一步提升定位准确度。实验结果表明:(1)相比传统的小波和LBP车牌图像描述子,所提算法有效地提高了失真车牌的定位精度,降低了类似车牌的识别错误率。(2)构建的投票融合分类器方法使车牌图像的分类错误率从单个描述子最优的3.05%下降到了0.8%。     

一种快速的车牌定位与提取算法

针对现有的车牌定位的各种局限性,本文提出了一种基于图像二维区域能量的车牌定位算法,给出了该算法实用公式,并给出了基于图像能量的车牌提取算法以及车牌区域的验证方法。该方法充分利用了车牌的纹理复杂、对比度鲜明、外型规则等特征构造能量图像,并对原有的能量算法进行了改进。其明显的优点是可以避免直接对图像进行二值化时阈值难以确定的问题以及光照情况对颜色的影响。大量的实验表明,该算法不仅简单、快速、准确率高,而且对车牌区域的噪声有很好的抑制作用。     

一种新的车牌定位方法及应用

针对现有车牌定位方法的局限性,提出了一种基于灰度图像求取卷积能量极值区域的车牌定位新方法。该方法充分利用车牌的纹理复杂、对比度鲜明、外型规则等特征构造车辆图像的能量图,然后通过选取能量区域定位车牌。其明显优点是,避免了常见方法中直接对图像进行二值化时阈值难以确定的问题。大量实验表明该方法计算简单,准确率高,鲁棒性好。最后说明了如何应用该方法进行车速测量。     

一种基于纹理特征抽取的车牌定位预处理方法

研究了车牌区域的字符和边线纹理特征,改进了传统的Sobel算子,以求更好地提取车牌区域的45°,135°方向的边缘纹理;同时设计了两种模式滤波器,以滤除不具备车牌纹理特征的噪声纹理。实验结果表明,该预处理方法很好地突出了车牌区域的纹理特征,有利于快速、准确地定位出车牌所在的区域。     

基于Tent映射CPSO和车牌纹理特征的车牌定位

针对现有车牌定位算法定位准确率不高和速度慢等问题,结合车牌纹理特征,提出了一种基于Tent映射混沌粒子群(CPSO)的车牌精确定位算法.首先用基于二维直方图区域斜分的OTSU方法对车牌图像做二值化处理;接着使用三组一维滤波器获取其二值纹理特征向量.然后利用基于Tent映射CPSO快速准确的全局搜索能力,结合二值纹理特征向量构造适应度函数,并引入车牌纹理的一致性度量作为判决条件,找到车牌区域的最佳定位参量.最后,与基于遗传算法(GA)和基本粒子群算法(BPSO)的定位方法进行了比较.实验结果表明,该方法适应性强,定位效果较好,运行时间更短.     

基于纹理分析和垂直投影的车牌定位算法

根据车牌区域字符的纹理特征和统计规律,提出了一种综合纹理分析和垂直投影的车牌定位方法。由于光照、拍摄角度会对图像产生对比度偏低、图像倾斜和变形等不良影响,利用车牌字符纹理丰富的特征寻找车牌区域可以避开了这些不良影响,并利用灰度垂直投影的统计特征进一步删除由于复杂背景而产生的伪车牌区域。实验结果表明,该方法对于背景复杂的图像,可以得到很好的定位效果,解决了复杂背景下车牌图像提取的难点问题。     

基于车牌色彩变化特征的车牌定位方法*

针对复杂背景下的车牌定位问题,提出了一种基于车牌色彩变化特征的车牌定位方法。该定位方法将RGB彩色空间中的车牌图像转换到HSV彩色空间中进行颜色识别,分割出车牌底色及字符颜色相对应的颜色区域,同时通过边缘提取、二值化处理、与运算找到对应颜色边缘特征点,最后经纹理分析来定位车牌。     

常用车牌定位算法浅析

车牌定位是车牌自动识别技术中的一个关键问题,许多学者研究发展多种车牌定位算法.简要介绍和比较了目前比较常见的几种车牌定位方法进行了.     

基于图像纹理特征提取的车牌定位算法

车牌定位技术是车牌识别技术中最重要的部分,为了能在不同条件下准确、快速的定位车牌位置,提出了一种根据车牌区域的边框特征以及牌照区域二值化后车牌内部的纹理特征灰度变化频率来定位车牌的算法。实验证明这种算法具有定位准、适应性强的特点,符合实时性的需要。     

基于DM642的纹理检测与Adaboost分类器相结合的车牌定位

智能交通系统（Intelligent Transportation System,简称ITS）是一种实时、准确、高效的综合交通运输管理系统,而车牌识别（License Plate Recognition LPR）技术是智能交通系统的关键技术之一.为了在嵌入式系统中实现车牌的实时检测,研究了基于TMS320DM642的车牌检测、定位与识别技术.本文提出一种基于纹理检测和Adaboost分类器相结合的车牌定位算法,针对该算法与DM642的结合进行了系统设计,并且基于EMCV与Opencv图像处理库进行了代码移植.该系统很好的避免了单独纹理检测的定位无方向性和单独Adaboost分类的定位不完整性的缺点,较好的提高了定位准确率,且定位后的车牌图像能够基于TCP协议发送到PC服务器,实现远程的车辆车牌的定位和监控.     

基于纹理分析的精确车牌定位算法

在车牌识别（LPR）系统的实现过程中,最关键的部分就是车牌图像的提取以及车牌字符图像的分割。介绍了一种基于车牌区域字符的纹理特征和统计规律的车牌定位方法。由于光照、复杂背景等因素都会对车牌定位产生不良影响,而利用车牌字符纹理丰富的特征寻找车牌区域就可以避开这些不良影响。这种算法不仅排除了光照、复杂背景等因素的影响,而且对于拍摄到车牌的大小、车牌在图像中的位置和倾斜角度没有太多限制。实验证明这种算法具有定位准、适应性强的特点。     

字符边缘颜色与逻辑在车牌定位中的应用研究

针对复杂背景下的车牌定位问题,提出了一种基于字符边缘颜色与逻辑的快速车牌定位方法。该定位方法将RGB彩色空间中的车牌图像,转换到HSV彩色空间中。根据像素点颜色进行二值化,得字符边缘颜色像素区,同时通过逻辑与,确定图像字符颜色边缘点,最后经纹理分析来定位车牌,解决了目前常用流行算法所不能处理的定位问题。     

基于纹理合成算法在恢复污损牌照中的应用

车牌识别系统是现在智能交通系统中信息采集的一种手段,但是由于图像模糊、字符污损、粘连等实际问题导致识别的瓶颈。文中提出了一种基于纹理合成的图像修补算法——二维表面纹理填洞算法。该算法是根据区域生长得到车牌字符污损部分的边界,即算法中的“洞”,再基于纹理片合成与Quilting算法相结合提出了一种二维表面纹理填洞算法,针对“洞”进行图像纹理修补。实验结果表明,该算法对恢复字符的完整性和修复纹理具有很强的自适应能力,极大地提高了后续的车牌字符分割和识别率。     

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。     

基于颜色和纹理分析的车牌定位方法

针对复杂背景的车牌定位问题，提出了一种颜色和纹理分析相结合的车牌定位算法。该算法采用基于适合彩色图象相似性比较的HSV颜色模型，首先在颜色空间进行距离和相似度计算；然后对输入图象进行颜色分割，只有满足车牌颜色特性的区域，才进入下一步的处理；最后再利用纹理及结构特征对分割出的颜色区域进行分析和进一步判断，并确定车牌区域。该方法不同于大多数的车牌定位方法，它不仅对车牌的大小、汽车在图象中的位置以及图象背景的限制较少，而且，综合特征定位要比单一特征定位更符合人的视觉要求，因而定位效果更好，应用范围更广。     

基于纹理及颜色特征的分级车牌定位方法

智能车牌定位是一个经典而又具有重大使用价值的课题.针对现实生活中车牌的纹理及颜色特征,提出综合利用纹理信息及颜色信息实现车牌的快速定位.先充分利用纹理特征,结合隔列处理思想和类投影技巧,在将原始图像连续的纹理信息空间转换成离散的短线条信息空间后,统计预处理过程中的短线密度,取密度最大区域,即为车牌所在区域,实现初步定位,再在初定位的区域结合车牌底色先验知识,延展初定位区域,进行颜色匹配,进而可以实现精确车牌定位,方法解决了仅仅依靠颜色信息或纹理信息车牌定位准确率低的问题.算法定位速度快,鲁棒性性强,准确率高,在现实中有很强的实用性.     

基于颜色搭配与纹理特征的车牌定位方法

牌照定位是牌照识别系统中的关键技术。目前在多数牌照定位方法中考虑到了牌照的颜色和纹理特征,但对不同环境的适应性不强。为解决这方面的问题,首先从机动车牌照具有固定颜色搭配的特点出发构造颜色搭配掩模矩阵,并利用此掩模矩阵对原边缘检测图像进行条件约束,得到约束二值边缘图像;然后应用具有去噪能力的形态学结构元,形成牌照粗定位候选区域;最后依据牌照的纹理特征从候选区域中提取出真正的牌照。采用了BP神经网络获得强适应性的HSI空间牌照颜色识别方法,并且只在边缘点邻域内实现颜色空间转换运算,能极大地缩减定位周期。经实验表明,该方法能在复杂的环境和不同光照条件下快速地实现不同牌照的精确定位。