基于伴生与互补颜色特征的车牌字符分割新方法

针对车牌区域的伴生与互补的颜色特征，提出一套字符分割的新算法、该算法利用定位到的车牌区域的原始颜色特征，直接进行字符及背景的提取，完成2值化过程，避免了图像处理过程中带来的误差，因此产生的噪声较少；最后利用垂直积分投影进行字符分割．对200幅从交通卡口获取的真实的彩色图像进行试验，算法对车牌破损，污垢、铆钉及字符粘连、过饱和等造成的影响均不敏感，其准确性，鲁棒性及实用性均较好．     

复杂背景下车牌的定位和字符分割技术研究

提出了一种基于数学形态学的多特征车牌定位方法和基于模糊模板匹配及垂直投影的字符分割算法,先通过形态学运算得到一系列候选区域,根据车牌的纹理特征从中找出车牌区域,再利用模糊模板匹配的方法找到字符区域,进而根据字符垂直投影进行单个字符分割.对大量的图片进行实验,结果表明该算法能够有效地解决复杂背景下车牌定位和字符分割困难的问题,具有较好的鲁棒性.     

基于聚类分析的个性化美国车牌分割算法

针对美国车牌个性化严重,车牌上字符个数、字体、间距和背景等信息都不一致的情况,提出一种可处理复杂多变车牌的车牌分割算法.基于动态的字符分布信息计算车牌倾斜角度和垂直投影局部梯度,利用聚类方法去除非字符区域,并动态确定字符宽度,获得准确字符区域.基于局部梯度的循环分割得到准确的字符分割结果.为了验证该算法,基于1万多张美国车牌的数据集进行实验,结果表明：与已有算法相比,该算法对于具有字符个数不定、字符间距不一致、背景复杂等特征的个性化美国车牌的分割效果有较大提高,分割正确率提高了约5%.     

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。     

一种基于特征点的车牌识别改进算法

车牌识别技术已经成为公路交通自动控制与管理(RTACM)以及智能运输系统(ITS)中的一个重要组成部分。提出一种基于特征点的车牌识别改进算法,利用车牌的纹理特征和形状特征定位车牌区域,采用垂直投影分割车牌字符,通过统计特征点进行字符识别。实验结果表明,该算法能显著提高由于拍摄角度引起的车牌图像中字符拉伸、变形等情况下的识别率,同时缩短了识别时间。     

基于边缘统计和颜色特征的车牌综合自动定位方法

车牌识别在智能交通系统中起着重要作用.车牌定位是车牌识别中的关键步骤.本文提出一种基于车牌字符边缘统计和颜色特征的综合定位方法,可以有效地解决背景复杂的彩色图像中车牌定位的问题.该方法分为竖直边缘检测、边缘统计分析、车牌候选区定位、候选区筛选、车牌倾斜矫正.通过对垂直边缘的统计分析将邻近的边缘点进行连接,结合车牌的位置、颜色等特征对连接形成的块状区域进行筛选,而后对得到的车牌区域加以校正,最终输出易于分割的车牌字符图像.该系统包括从图像采集,到车牌分类、车牌文字区别等完整过程,适应性强.通过一系列实际采样图像的试验结果证明,该方法准确率高、鲁棒性好,能够满足实际车辆车牌自动识别系统应用的需要.     

基于相似度的车牌定位方法

根据车牌区域内字符的纹理特征以及车牌的颜色特征,提出了一种基于相似度的模板匹配车牌定位方法。该算法先对车牌区域构造出相应的模板,同时分别构造出模板与待定位图像的模糊集,再根据所构造出的模糊集,用滑动窗法计算模板与当前窗口的相似度,得到一个相似度矩阵。取其中最大相似度所对应的区域作为车牌候选区,通过对该候选区进行判断与精确定位分割出车牌区域。实验结果表明该方法能得到较理想的车牌定位效果。     

基于边缘统计和颜色特征的车牌综合自动定位方法

车牌识别在智能交通系统中起着重要作用，车牌定位是车牌识别中的关键步骤．本文提出一种基于车牌字符边缘统计和颜色特征的综合定位方法，可以有效地解决背景复杂的彩色图像中车牌定位的问题，该方法分为竖直边缘检测、边缘统计分析、车牌候选区定位、候选区筛选、车牌倾斜矫正，通过对垂直边缘的统计分析将邻近的边缘点进行连接，结合车牌的位置、颜色等特征对连接形成的块状区域进行筛选，而后对得到的车牌区域加以校正，最终输出易于分割的车牌字符图像．该系统包括从图像采集，到车牌分类、车牌文字区别等完整过程，适应性强．通过一系列实际采样图像的试验结果证明，该方法准确率高、鲁棒性好，能够满足实际车辆车牌自动识别系统应用的需要。     

一种基于模糊聚类的车牌图像分割方法

车牌图像分割是车牌特征提取和识别的前提,其分割效果直接影响到车牌识别的准确率。针对运动中的车辆牌照受天气等环境的影响,导致车牌图像存在不确定性和模糊性的特点,提出一种基于C均值模糊聚类的车牌图像分割方法,避免图像分割时的阈值设定问题。利用采集的原始车牌图像,在MATLAB7.0环境下进行分割仿真实验,实验结果表明,算法可以有效地去除干扰信息,突出车牌区域的图像特征,为后续的车牌定位、字符分割和字符识别提供重要保证。     

车牌自动识别系统的研究与实现

为了缓解日益严重的交通压力、提高城市交通管理的工作效率和增强人们的安全防范意识,采用基于纹理和颜色信息的综合车牌定位方法对车牌区域精确定位。通过分析水平投影的统计特征和竖直投影的特征进行车牌字符分割,利用自适应性和学习能力强的BP神经网路进行字符识别,研究和实现了车牌自动识别系统。测试结果显示,车牌识别时间小于200 ms,识别率可达90%以上。说明本系统是可行和实用的。     

基于LabVIEW IMAQ的移动车辆牌照识别

车牌识别是指通过图像处理、模式识别和统计分析等方法从实时车辆图像中提取车牌字符信息,从而确定车辆身份的技术。通过对车牌识别中的图像采集与处理、车牌定位、字符分割和字符识别这4个核心技术的研究,在LabVIEW平台上,利用IMAQ强大的图像处理功能,对USB摄像机获得的实现车牌图像进行格式转换,灰度变换以及二值变换等预处理,将边缘提取与图像投影两种方法相结合精确定位车牌,最后根据特征匹配的方法识别出车牌字符信息。结果表明,基于IMAQ程序可以很好的对车牌图像进行处理,并在平均时间为3s左右情况下完成对车牌字符的识别。     

基于色彩纹理的车牌定位系统设计

为了提高车牌定位的准确率,提出了一种基于色彩纹理的车牌定位的分析方法. 首先将彩色图像的色彩空间由RGB转换到HSV,生成HSV色彩模型的三通道图像,将图片进行滤波调整之后,并将符合车牌区域的有效像素的灰度值范围作为参数排除图像中的干扰信息,然后将转换后的图像车牌背景颜色和车牌字符颜色进行二值化处理生成两幅灰度图像,采用逐行扫描的方法对两幅灰度图像的各个像素点进行分析和比对,通过像素灰度值的跳变次数,判断是否找出符合车牌纹理的区域,通过计算确定车牌在图像上的区域,并输出车牌图像. 该方法提高了的车牌识别的准确性和稳定性.     

基于图像处理的车牌识别技术

汽车车牌照的识别是智能交通系统必不可少的组成部分,也是保障车辆安全的必要手段。本文针对智慧小区设计一种简易实用的车牌识别系统,设计内容包括图像采集及预处理,车牌定位,边缘检测,字符识别等。系统开发构建在Qt软件平台上,对采集的图像进行灰度化、边缘检测二值化处理,同时,通过水平投影进行区域定位消除边框,再利用处置投影对车牌字符分割,最后根据特征值对系统字符识别,输出字符。实验验证,该系统检测方便易行,识别效果较好。     

一种基于特征的BP神经网络车牌字符识别

字符识别是自动车牌识别系统中很关键的一步.字符识别有以下几步,首先,对车牌图像进行预处理.其次,通过竖直方向投影分割字符.最后,将提取的字符特征输入网络进行训练.在实验中,利用该方法对光照不均、字符大小不一、运动背景的图像,特别是相似字符的识别获得了较高的识别率,并且将其与字符输入BP神经网络进行对比分析.实验结果表明,该方法对字符识别有很好的鲁棒性、有效性.     

汽车牌照自动定位方法

汽车牌照定位是一个较难解决的图像分割问题.采用灰度图像分割、数学形态学、颜色搜索相结合的方法,进行汽车牌照定位,充分利用了颜色信息和牌照特点.实验表明,检测出的牌照区域准确率高,适用于任意背景、位置和光照下的牌照定位,且通用性较好.     

基于灰度跳变的车牌自动识别技术

探讨了汽车牌照识别系统的关键技术并介绍了一种实现该系统的简单方法:利用车牌字符与背景的灰度跳变实现车牌的快速提取,利用投影法进行字符分割,利用字符的层次轮廓特征分类别地识别车牌字符.     

基于概率主成分分析的车牌提取方法

提出了一种新颖的采用概率主成分分析的车牌提取方法。该方法是一种基于纹理分析的图像分割算法，适合于彩色及灰度图像。实验表明，该方法能准确地提取图像中的车牌。