基于角点检测和边缘提取的车牌定位方法

车牌定位技术是实现车牌自动识别的关键技术之一。根据车牌藉征,设计了一种基于角点检测和边缘提取的车牌定位方法。该方法首先对原始图像进行阈值分割,其次采用数学形态学方法增强车牌边缘,接着利用角点检测方法对车牌进行粗定位,最后通过边缘提取来实现车牌图像的精定位。通过实验分析,证明该方法定位效果较好。     

基于数学形态学与投影法的车牌定位

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。     

基于改进LoG算子的车牌定位识别系统实现

车牌定位在车牌识别系统中具有承上启下的地位,对是否能够正确识别车牌信息起到关键性的作用。针对利用传统边缘检测算子进行车牌定位的时间较长,精度低等局限性,提出一种改进型Lo G边缘检测算子。该算子克服传统Lo G算子在边缘检测时定位区域不够准确,识别时会产生双边缘等缺点。实验结果表明:改进型Lo G边缘检测算子比传统边缘检测算子正确定位车牌并识别的精度高,准确率达到95.03%,能够较快速进行车牌定位,提高车牌识别的精准率。     

一种有效的车牌定位方法——数学形态学和字符边缘特征相结合的车牌定位方法

汽车车牌的定位是车牌自动识别系统中的关键环节。采用数学形态学和字符边缘特征相结合的方法对车牌进行定位,首先对车牌图像进行图像的预处理,然后利用数学形态学进行粗定位,最后利用字符边缘特征进行车牌的精确定位。从而实现了车牌图像的准确定位。     

像素连接车牌定位技术的研究

车牌定位作为车牌识别的先导部分,其准确性决定了车牌识别系统的可靠性.现有车牌定位技术对融合后的图像进行形态学操作时,存在结构元素大小不易控制,并且若车身有着与车牌同样的颜色,形态学膨胀容易造成两者相连接的问题.针对该问题,提出了像素连接的车牌定位方法,达到较好的车牌识别边缘检测效果.     

基于灰度累积投影与边缘图像跳变统计的车牌定位方法的研究

针对交通检测系统中数码相机所拍摄到的图片,提出一种车牌定位方法:首先对图像进行二值化和边缘检测等预处理,然后根据边缘二值图中车牌区域的边缘特征,利用行扫描方法对图像进行灰度累积投影与边缘图像跳变统计,再根据车牌区域的字符纹理特征及灰度值特征确定车牌的水平位置.利用列扫描方法对图像进行灰度累积投影,用形态学的方法对细长线条的过滤,从而达到对车牌进行准确的垂直定位.实验表明,这种方法取得了较好的效果,具有较高的实用性.     

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段:首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段:针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。     

一种改进算子的边缘检测方法

车牌定位是车牌识别过程中的重要环节,车牌边缘检测直接影响定位的准确性。文中除了对Sobel算子和Prewitt算子进行试验外,还引入了一个新的算子,并选用了不同的阈值。将三个算子和阈值分别进行组合,经过实验对比,文中提出的算子和阈值可以更好的进行边缘检测。     

基于边缘检测及灰度跳变的车牌定位算法研究

为了能在复杂背景及不同光照条件下准确地定位出车牌,提出了一种基于边缘检测和灰度跳变的车牌定位算法．该算法首先对获取的图像进行灰度化、图像二值化等预处理操作,提高图像质量,突出车牌信息,接着对车牌图像进行边缘检测,在此基础上采用水平方向和垂直方向上的灰度跳变统计来确定车牌区域的上下边界和左右边界,从而实现车牌定位。实验结果表明,该方法可以比较准确、快速地实现车牌区域的定位．     

基于数学形态学和垂直投影的车牌定位

车牌定位是车牌识别系统中的关键环节。根据车牌固有特征,利用数学形态学和垂直投影技术相结合进行车牌定位。该方法可以有效地去除车牌附近噪声的干扰,进而准确定位出真正的车牌区域,对有部分字符遮挡的车牌也能较好地定位,具有实际应用价值。     

纹理分析车牌定位方法的研究现状及展望

作为智能交通系统的核心技术之一,基于机器视觉的车牌识别一直受到广泛的关注.车牌定位是车牌识别的重要步骤,其目的是确定车牌在图像中的坐标位置,从而剔除大部分的噪声区域,仅保留包含车牌的子区域.目前,纹理分析是车牌定位最基本也是最重要的手段.该文首先介绍了纹理分析车牌定位方法的研究成果,然后总结这些方法的不足,展望了下一步的研究方向.     

基于区域最大有效信息量的牌照定位新方法

汽车牌照定位的效果直接影响车牌识别系统的工作性能。为了提高定位的准确性,在对现有牌照定位算法的研究和分析的基础上,结合实际工程实例,提出了一种基于区域最大有效信息量的车牌定位新方法,该算法提取图像的垂直信息,通过阈值判断准确定位车牌区域。并使用在不同光照情况下,不同种类车牌图像对该算法进行实验。实验结果表明,该新方法不仅具有良好的定位能力,而且定位速度快,定位准确率高。     

车牌识别技术的发展及研究现状

随着经济的发展,机动车辆日益普及,公路交通事业迅速发展,传统的人工管理方式已经越来越不能满足实际工作的需要,车辆识别技术作为智能交通系统的一个重要方向逐渐受到人们的重视。车牌照识别（License Plate Recognition,LPR）系统是车辆检测系统中的一个重要环节,它在交通管理中占有重要的地位,有着多种应用。车牌识别系统一般包括车牌的定位、车牌字符分割和车牌字符识别三个部分,是车牌识别技术研究的重点,本文主要对车牌识别技术的发展和现状进行了简要介绍。     

车牌定位技术研究

车牌识别是智能交通系统的重点研究方向之一,车牌定位是车牌识别的重要技术环节。笔者研究了基于canny算子的边缘检测和数学形态学运算的车牌定位算法,并对算法进行分析验证。结果表明该车牌定位方法准确率较高,有利于车牌识别。     

基于纹理特征的自适应车牌定位方法

车牌定位是智能交通管理中一个重要的环节,通过提出一个运算简单、运行速度快的车牌定位方法,使用自适应灰度差阈值生成二值图,它是纹理清晰、边缘表现突出,且夜晚图像也能生成效果较好的二值图.在车牌定位的步骤中,通过对二值化后车辆图像特征的分析,采取了图片自下而上扫描,对扫描行连续跳变点数目进行计数,并设置跳变点间最大间距、车牌有效行数和区域长宽比,准确地找出图片中车牌的位置.     

基于Faster R-CNN的车牌识别算法

针对传统车牌检测方法定位不准确、检测结果易受环境影响的问题,提出一种基于Faster R-CNN和Inception ResNet_v2的车牌检测算法:通过迁移学习的方式实现精确的车牌定位,用像素点统计法处理车牌图像,实现单个字符的有效提取;mLeNet5卷积神经网络模型用于对单字符进行识别。结果表明,算法对有遮挡及角度倾斜的车牌字符能实现高效、高精确度的识别.      

基于行扫描的车牌定位算法

车牌定位是车牌识别中的关键步骤。针对车牌区域内字符串具有丰富的纹理特征,本文提出了一种基于行扫描的车牌定位算法。该方法根据车牌纹理特征采用行扫描的方法确定出水平区域,再利用车牌的长宽比在水平区域内确定出左右边界。实验结果表明,此方法能比较准确的定位车牌,便于进一步的车牌分割识别。     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重。基于VC++6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别。车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤。利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效。     

基于多种特征的车牌定位方法

根据中国车牌的特点,提出一种主要是基于颜色相似度和纹理特征相结合的车牌定位方法,这种方法把采集到的车牌图像转化到HSV颜色空间,通过计算当前颜色与中心颜色之间的距离相似度,结合中值滤波进行车牌的粗定位,再结合车牌纹理特征进行车牌的精定位．