基于梯度与形态学的低质量车牌定位

针对低质量车牌的定位问题,提出一种水平梯度信息和数学形态学操作相结合的定位方法。利用自适应梯度图阈值分割算法分割出车牌部分的梯度信息;通过形态学和区域合并操作得到连通的候选区域;结合车牌自身特点进行区域搜索,粗定位出车牌;用扫描线法去除边框,实现车牌的精确定位。实验结果表明,该方法对光线昏暗、噪声严重、车牌区域污损、倾斜等条件下的车牌定位具有较强的鲁棒性,能满足实际交通场景中的车牌定位需求。     

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。     

未系安全带智能识别中安全带定位关键方法研究

安全带定位是实现机动车未系安全带智能识别的关键；针对道路监控图像特点,提出一种基于梯度变换的安全带定位方法；该方法在对卡口图像进行预处理的基础上,采用自适应阈值边缘检测算法以及积分投影方式定位车辆位置,设立车牌检测区域,以减少运算量,降低干扰,同时利用训练得到的Haar分类器识别车牌位置,通过逼近方式切取车辆右侧图像；最后采用梯度变换算法求得车窗各边缘坐标,实现车窗精准定位,并计算得到安全带位置；试验表明,该方法可实现安全带的准确定位,具有较好的实用性,为后续安全带识别奠定基础。      

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。     

基于数学形态学和Hough变换的车牌定位算法

针对复杂环境下的车牌定位率较低的问题,提出了一种基于数学形态学和Hough变换检测车牌区域的方法。首先,对车牌图像进行图像预处理,然后,利用数学形态学的高帽变换突出车牌字符区域,并对图像进行边缘检测和连通区域分析;最后,结合Hough变换和车牌的先验知识实现车牌的精确定位。实验结果表明,针对不同复杂背景下采集到的车辆图像,该算法具有很强的鲁棒性,准确率达97.3%,能够满足现代智能交通系统对车牌定位准确性和实时性的要求。     

一种针对复杂背景的复合车牌定位算法*

针对单一车牌定位算法在复杂背景中定位的条件受限情况,提出了将边缘检测定位和颜色提取定位复合使用的多层次处理算法。该算法设计了一套伪车牌区域判别方法,先利用两种定位算法并行处理车牌图片,再将其得到的候选区域进行伪区域判别以获得正确的车牌区域。该算法具有更广泛的适用范围,定位准确度较单一定位方法要高。     

基于DCT域的公路车牌定位算法

车牌定位是将车牌区域从车辆图像中分割出来,是车牌识别的基础.本算法首先通过对图像进行离散余弦变换(DCT),得到DCT系数,之后计算提取出一种基于加权频率的新特征,采用自适应阈值法,实现车牌区、非车牌区的快速分割,再经平滑滤波之后,利用投影法实现车牌区域的定位.实验结果表明该算法准确率较高,有利于实现复杂背景中车牌区的快速定位.     

基于行扫描和小波变换的车牌定位算法

为了能在复杂背景和不同光照条件下快速、准确地定位车牌位置,提出一种基于行扫描和小波变换的车牌定位算法。该方法首先对车牌图像实行边缘检测、二值化等预处理,在此基础上,利用行扫描法确定车牌的上下边界,对水平区域图像的垂直投影进行小波变换,设定阈值,确定左右边界。实验结果表明,该方法定位速度快、准确率可达到98%,具有很好的鲁棒性。     

利用伴生与互补颜色特征的车牌定位新方法

车牌定位是车牌识别系统的关键技术,车牌定位的准确与否直接影响车牌识别的结果。车牌区域的颜色特征是车牌的重要信息,针对车牌区域的颜色特征,论文提出了一套利用车牌区域的伴生与互补特征进行定位的算法。该算法利用车牌区域的颜色特征,快速定位到与车牌颜色有关的区域;然后利用车牌区域伴生与互补特性快速去除具有与车牌区域相同颜色的其他非车牌区域;最后使用投影积分进行车牌的精确定位。通过对200幅从交通卡口获取的真实的彩色图像进行试验,准确定位率为98%。     

车辆牌照定位算法研究

车牌定位是车牌自动识别系统中的一个关键问题。提出了一种简单高效的车牌定位算法。在分析车牌图像的特征后，先利用一系列图像处理，然后进行模糊模板匹配，最后对匹配到的车辆牌照候选区分别加以验证，即得到确切的车辆牌照子图像区域，大量实验数据和现场测试证明，车辆牌照图像定位准确率达96％，取得了很好的系统性能和实效。     

Region-based license plate detection

Automatic license plate recognition (ALPR) is one of the most important aspects of applying computer techniques towards intelligent transportation systems. In order to recognize a license plate efficiently, however, the location of the license plate, in most cases, must be detected in the first place. Due to this reason, detecting the accurate location of a license plate from a vehicle image is considered to be the most crucial step of an ALPR system, which greatly affects the recognition rate and speed of the whole system. In this paper, a region-based license plate detection method is proposed. In this method, firstly, mean shift is used to filter and segment a color vehicle image in order to get candidate regions. These candidate regions are then analyzed and classified in order to decide whether a candidate region contains a license plate. Unlike other existing license plate detection methods, the proposed method focuses on regions, which demonstrates to be more robust to interference characters and more accurate when compared with other methods.     

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.     

基于混合特征的车牌定位算法

车牌定位技术是汽车牌照自动识别和智能交通系统的用车牌的颜色、纹理和结构几何等多维特征,实现车牌定位.该算法利用车牌的彩色信息进行彩色分割,实现车牌图像的二值化,而后提取边缘增强,在此基础上利用数学形态学方法去噪并去除车牌边框,并利用车牌纹理特征利用投影实现车牌的最终定位.该算法克服了单一特征信息不完备引起的车牌定位误差,实验表明该方法具有较好的车牌定位效果.     

Statistical characteristics in HSI color model and position histogram based vehicle license plate detection

Visual perception takes an important role in the implementation of intelligent robot and transportation systems. Such perception is to detect and recognize various objects in the real environment. Detecting license plate (LP) is a crucial and inevitable component of the vehicle license plate recognition (VLPR) system. In this proposed algorithm, initially, HSI color model is adopted to select automatically statistical threshold value for detecting candidate regions. According to different colored LP, these candidate regions may include LP regions; geometrical properties of LP are then used for classification. The proposed method is able to deal with candidate regions under independent orientation and scale of the plate. Finally, the decomposition of candidate regions contains predetermined LP alphanumeric character by using position histogram to verify and detect vehicle license plate (VLP) region. In experiment more than 150 images were used, and they were taken from the variety of conditions such as complex scenes, illumination changing, distances and varied weather etc. Under these conditions, success of LP detection has reached more than 94%.     

复杂背景下的混合特征车牌定位方法

针对各种复杂背景的车牌定位问题,提出一种复杂背景下基于车牌混合特征的车牌定位算法。首先对彩色图像进行预处理,并利用基于边缘检测方法进行二值化;然后结合横向数学形态学运算和车牌几何形状特征,提取出矩形车牌候选区域;最后根据车牌颜色特征在HIS空间下结合垂直和水平投影对车牌区域进行精确定位。实验表明,该算法适用于任意大小、位置和背景环境下的车牌定位,能有效解决仅仅依靠纹理信息或颜色信息车牌定位率低的问题,具有较强的鲁棒性。     

一种车牌字符分割算法的设计与实现

车辆牌照自动识别系统在桥梁、路口自动收费、停车场无人管理、违章车辆自动记录等领域有着广泛的应用。本文通过对系统中牌照字符分割技术的研究,在梯度锐化和去除离散杂点噪声的基础上,提出一种逐行逐列扫描的简单分割方法,并将其应用于牌照图像的字符快速分割,准确率得到显著提高。