首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 93 毫秒
1.
针对车牌具有稳定的颜色特征和形状特征,提出基于颜色与结构特征的车牌定位算法.利用OTSU自动阈值化技术将灰度车牌图像转化为二值化图像,通过对每一个连通区域提取形状参数,粗划分出候选车牌区域,最后利用颜色特征确定车牌.实验表明,这种车牌定位方法具有一定的优越性.  相似文献   

2.
车牌定位在车牌识别系统中具有关键的作用,定位结果的好坏决定着后续的车牌字符识别。针对数学形态学定位会产生多个伪车牌区域,当区域较多时定位不准的问题,提出一种数学形态学与投影法相结合的车牌定位方法。首先对车牌图像进行预处理;然后进行边缘检测、二值化,运用数学形态学处理获得候选车牌区域;最后对候选车牌进行行列扫描投影来提取准确的车牌区域。实验表明,该方法具有定位精度高,鲁棒性较好的特点。  相似文献   

3.
薛倩 《河南科学》2014,(5):781-784
为了解决车牌图像倾斜、背景复杂、分割过程中出现的字符间粘连、断裂等问题,提出简便有效抗干扰强的基于字符块提取的车牌字符分割算法,以此提升车牌字符的识别效果.通过车牌图像二值化处理、倾斜矫正、去除干扰以及字符块提取一系列步骤,实现车牌识别前对车牌字符的准确有效分割.实验结果表明,该车牌字符分割方法可靠、准确度高,为后续车牌字符的正确识别奠定基础.  相似文献   

4.
针对图像标注、目标识别等实际应用中图像的前景目标定位不够准确的问题,提出了一种图像中的有效目标区域提取方法。该方法以提取图像的前景目标为目的,将目标区域提取问题转化为二分类问题,实现了对图像中有效目标区域的提取,主要包括4个步骤:利用选择性搜索算法生成图像中的候选目标区域;通过对像素值的差值化处理来进行图像区域的特征增强;基于深度学习实现对候选目标区域进行分类;区域选择与融合。在MSCOCO数据集上进行实验,结果表明,该方法在保证较高召回率的基础上,达到了比现有多种算法更加准确的目标区域定位结果。  相似文献   

5.
车牌检测(License Plate Detection,LPD)是自动车牌识别系统中(Automatic License Plate Recognition System,ALPRS)的重要一环.为了提高车牌检测准确率和降低检测时间,提出一种基于形态学结构元素优化的车牌快速检测算法.该算法首先对检测图像进行预处理,然后运用基于灰度图像内部结构元素(Structural Element,SE)比较的形态学Top-hat变换来突出车牌区域以及最大类间方差阈值化来降低背景干扰,并且利用形态学开操作和闭操作对不连续的椒盐噪声进行过滤,最后使用轮廓检测和几何条件检测出车牌区域.为了适应多种类型的车牌形态,该文对3种形态学操作的SE参数进行优化.实验结果表明,本文方法的检测准确率、召回率和检测时间均优于其他车牌检测方法.  相似文献   

6.
本文提出了污损图像的自动标注算法.首先确定待标注图像的污损区域,根据污损区域的位置和比例划分字典中的图像,提取图像的底层特征,基于底层视觉特征构建稀疏模型,确立污损图像与字典中图像的相似关系,对字典中的相似图像进行分块处理,由污损图像与字典图像的子块特征确定其可能相关的标注词.最后通过概率统计完成污损图像的自动标注.实验表明该方法在一定程度上弱化污损区域对图像标注的不利影响,较好地实现了污损图像的自动标注.  相似文献   

7.
利用了车牌的颜色特征与纹理特征,提出一种新的基于模糊集的车牌提取方法.该方法用图像颜色对区域检测、颜色对边缘检测、色度峰值统计及密集小边缘增强,使用模糊集算子综合它们的结果,精确提取出车牌.实验结果表明:对在不同条件下拍摄的图像应用本方法,车牌提取准确率达到98.0%.特别地对光照不均、背景复杂的图像,本方法仍具有很强的鲁棒性.  相似文献   

8.
通过分析车牌区域与背景区域的不同特征,采用车牌的统计特征与图像滤波相结合的方法,针对图像背景区域中不同特征的背景信息,采取相应的措施,逐步滤除车牌背景,实现了对车牌区域的准确分割.实验结果表明,本文所提出的算法能够快速、完整地提取车牌区域的字符信息.  相似文献   

9.
提出了一种基于纹理和小波分析的车牌定位方法。针对图像背景复杂,且车牌所占比例较小的特点,提出了一种确定基元分类阈值的二值化方法;根据车牌字符分布规律,提出了二值纹理基元分析方法,提取车牌候选区域;基于小波分析提取车牌区域竖笔画特征,采用隶属度定量表征车牌竖笔画特征、位置特征及形状特征,给出综合这些特征、从候选区域提取车牌区域的方法。测试结果表明,该方法正确定位率超过96%  相似文献   

10.
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,为了能对汽车牌照精确定位,提出了一种基于数学形态学的车牌定位方法。首先利用中值滤波方法对汽车图像进行消噪处理,然后用迭代阈值选择法将图像进行二值化,并运用数学形态学的膨胀、腐蚀对二值图像进行处理,得到几个车牌候选区,然后利用面积、长宽比以及垂直投影特征值等进行综合分析,准确定位车牌区域。实验结果表明,该方法简单易行、准确率高、并且具有一定实效性,可用于对实际车牌图像的准确定位。  相似文献   

11.
本文利用Otsu算法二值化车牌图像的技术,给出了Otsu算法的原理,以及对车牌灰度图像进行二值化处理的方法原理;最后用MATLAB来实现车牌图像二值化的效果。  相似文献   

12.
车牌定位是车牌识别技术的关键环节之一。对车辆图像进行边缘分析二值化处理,再结合纹理统计进行车牌定位,可以克服复杂背景的弱边缘信息和干扰噪音所带来的影响,较好滤除可疑车牌区域。实验结果表明,使用该方法可以较好的实现车牌定位。  相似文献   

13.
汽车图象中字符目标的提取算法   总被引:16,自引:0,他引:16  
针对汽车图象的复杂背景和多变的光照条件,提出一种用于汽车图象的字符目标提取算法,该算法采用了基于边缘分析的二值化算法结合自适应的形态滤波方法,对字符图象的灰度和纹理分布进行了分析,设计了一种基于一维边缘分析的二值化方法,与其他传统分析方法比较,该方法在运算速度和抗干扰能力上明显优势,在对二值化图象进行分割时,不采用固定形态滤波结构元素,而是根据子域及其邻域关系自适应地调整用于滤波的结构元素,更有效  相似文献   

14.
通过对CCD传感器获得的邮政编码的24位bmp图像进行仿真和数字识别,提出了一种基于色素的二值化方法,分别提取了邮政编码框格线的二值图像和邮件字符的二值图像;对图像处理的过程进行了分析,它包括邮编框边缘检测和分离、图像的二值化、平滑去噪、倾斜矫正、邮编数字的提取、位置归一化处理、数字图像的细化、字符识别特征提取等。首先对图像识别的预处理过程进行了阐述,然后再对预处理过的图像进行特征字符提取,并对邮件编码框格和字符进行角度修正,最后判断识别结果;在此方法中避免了框格线和编码字符线分割的困难;为了提高识别率,研究使用了手写数字多种方法的复合,使邮件编码的识别率得到了提高;实验表明:该方法可以获得较高的识别率,为邮政系统中分拣识别技术提供了参考。  相似文献   

15.
基于改进差分边缘检测法的车牌字符二值化算法   总被引:2,自引:0,他引:2  
针对车牌字符光照和污损的复杂特征,对车牌图象的二值化算法进行了深入的分析和研究,提出了一种基于差分边缘检测算法的改进图象二值化算法.实验结果表明,改进算法能够有效地将字符清晰地从背景中分割出来,分割速度快并且有助于提高字符识别的正确率.  相似文献   

16.
针对K近邻方法分类准确率较高的特性,提出了一种基于相似度判据的K近邻分类器车牌字符识别方法.通过大量实验,选取字符的网格特征和轮廓特征作为分类依据,用特征融合方法将两种特征合并,实现特征的串行融合.根据相似度判据作K近邻分类,实现了一个车牌字符识别系统.实验表明,这种方法具有良好的识别效果,鲁棒性强,具有较大的实用价值.  相似文献   

17.
一种基于车牌特征信息的车牌识别方法   总被引:18,自引:3,他引:18  
提出一种基于车牌特征信息分析的车牌识别方法,它充分利用车牌定位和字符分割过程中得到的信息对车牌识别过程进行反馈,将二值化、车牌定位和字符分割紧密结合,注重车牌与车辆背景图像分离特征,以连通域分析为字符分割特点,结合局部二值化算法,提高正确率。实际应用结果表明,本方法具有很强的环境适应性和鲁棒性。  相似文献   

18.
机动车辆牌照自动定位算法研究   总被引:5,自引:0,他引:5  
受光照、车型及周围景物的影响 ,将牌照从复杂背景中定位出来具有较大的难度 ,经典的定位方法不适用于此种场合 为寻求有效的解决途径 ,笔者对定位算法进行了探讨 提出了快速Bernsen二值化方法 ,用以将灰度原图二值化 采用复合极值形态滤波去除不符合牌照形状特征的线条 ,以顺序连通成分标记法标记字符区域 ,再根据牌照的纹理特征去除非法区域 ,然后对剩余区域进行模糊评判 ,选择最优 ,最终得出牌照区域 实验结果说明该算法是有效的 ,并且定位后的牌照字符完整 ,有利于下一步的字符切分和识别  相似文献   

19.
朱诚  陈亮 《山西科技》2013,28(5):84-86
以数字图像处理技术为基础,对靶位识别装置进行了深入研究,设计了一套基于Cortex-M0微处理器的自动报靶系统,阐述了该系统的硬件选型、性能指标、器件连接设计等问题,说明了图像的几何校正、二值化、靶环线的识别、弹痕提取与环值判定算法,并根据设计的算法,用TKStudio编制程序,成功地实现了自动报靶。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号