复杂背景下的车牌定位方法

首先用同态增晰方法,对包含车牌字符区域图像增强,压缩其他区域图像,然后用遗传算法搜索众多可能区域,并最终确定字符区域.实验证明该方法对复杂背景下的车牌图像定位具有简单、快速、抗噪声能力强的特点.     

复杂光照下的车牌定位方法

车牌定位是车牌识别系统的关键,为了提高复杂光照下车牌定位的效率,提出了一种基于车牌图像预处理和纹理边缘特征相结合的车牌定位方法. 在预处理过程中利用ＨＳＶ颜色空间中亮度和色度相互独立的特性,对图像进行亮度处理,得到了一幅有效去除背景干扰且亮度适度的二值图像;然后采用Ｃａｎｎｙ算子对车牌进行边缘检测,得到大致的车牌区域;最后对车牌分别进行水平和垂直投影,得到精确的车牌区域. 整个过程用Ｍａｔｌａｂ软件实现,结果证明该方法在复杂光照下具有较强的适应性与稳健性,有一定的实用价值.     

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Codec Engine下车牌定位方法研究

该文针对车牌识别中的定位问题,在传统水平和垂直投影法基础上,提出了基于启发式筛选的车牌定位算法,以提高车牌定位准确率.车牌定位算法通过Codec Engine框架,快速移植到DM6446处理器平台.实验表明,基于启发式筛选的定位算法可有效实现车牌的定位,Codec Engine框架可实现算法快速移植,运行稳定、开发简单...     

小生境遗传算法在多车牌定位中的应用

为了在复杂背景下对多车牌进行准确定位,提出一种基于小生境遗传算法的多车牌定位方法。利用一组一维滤波器对图像平滑处理得到图像的特征向量,建立小生境遗传算法模型,设计适应度函数,并确定小生境算法机制,实现多车牌定位。仿真实验表明,基于小生境遗传算法的多车牌定位方法能够准确地对多车牌进行定位,平均定位率达到90%以上。     

车牌定位算法研究

这里针对传统车牌定位技术中遇到的难点,提出了基于垂直边缘提取的车牌粗定位与行扫描再定位的车牌定位算法,并对算法的具体工作流程作了详细介绍。     

车牌定位算法的研究

通过比较多种车牌定位的方法,提出了一种基于车牌纹理及颜色特征的综合车牌定位方法.把车牌定位分为两步进行,首先对车牌进行初定位,然后再精确定位车牌区域.     

基于小波分析的车牌定位方法

根据图像中车牌的形态特征和横向纹理属性,运用分形盒维数来描述车牌字符的特征,并结合小波变换来定位车牌,该方法计算简单,且不依赖车牌的颜色、形状、尺寸,具有极好的鲁棒性和实时性.测试结果表明,该方法正确定位率超过93%.     

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。     

复杂背景下车牌定位方法的研究

为了提高复杂背景下车牌定位的准确性,在分析各类车牌定位算法的基础上,提出了一种结合纹理特征和视觉词包模型的多信息定位方法.对二值化后的图像中的纵向纹理横向膨胀,生成车牌候选区域,根据车牌的长宽比对车牌进行粗定位.利用视觉词包表示粗定位后的矩形轮廓,使用支持向量机分类确认车牌矩形区域,精确定位出车牌位置.该方法对140张测试样本定位的准确率为96.4%,抗干扰性强.     

二阶B样条小波在车牌定位中的应用

构造出具有最小支集特性的二阶B样条小波来检测汽车图像边缘 ,边缘图像是由小波变换后的模局部极大值构成 ,这样得到的边缘图像不但含有边缘的模值信息 ,还可以求得相应的相角信息 .该算法根据实际情况 ,通过调整多分辨率分析尺度的大小来获得相对清晰的边缘图像 ,同时又很好地抑制了噪声 .通过对试验结果的分析可以得出 :根据此算法得到的边缘图像来定位车牌比用传统的Sobel算法更准确、更精确     

基于车牌识别数据的机动车出行轨迹提取算法

为了提取城市路网上所有运行车辆的出行轨迹,系统科学地再现所有车辆的运行场景,进而为分析城市交通需求的结构和时空分布特性提供数据支撑,提出基于车牌识别数据的机动车出行轨迹提取算法.通过车牌及时间戳排序提取出行链;利用相邻节点间的速度,结合交叉口邻接矩阵完成行链的分离;基于K则最短路径算法（KSP算法）及灰色关联法（GRA算法）,对出行轨迹进行补全重构.对贵阳市南明区的实际车牌识别数据进行算法测试.结果表明,提出的基于车牌识别数据的机动车出行轨迹提取算法在测试区域的综合准确率大于92%.     

Harris角点检测与AP聚类结合的车牌定位方法

在车牌识别系统中,车牌的准确定位是关键,针对车牌区域包含有比较丰富的角点,提出了harris角点检测与AP聚类相结合的车牌定位方法.该方法先采用Harris算法检测出车牌区域的角点,然后对角点进行AP聚类并剔除包含角点数较少的类以及远离类中心的离群点,最后进行区域合并,根据车牌区域宽高比识别车牌区域.实验证明该方法能够快速、准确定位出车牌区域.     

不均匀光照下车牌图像二值化研究

不均匀光照下的图像二值化是数字图像处理中的一个难题,汽车牌照自动识别系统工作在复杂的光照环境下,经常会出现车牌光照不均的现象,给图像二值化带来困难.为此,提出一种解决办法,首先使用同态滤波去掉车牌图像的不均匀光照的影响,然后使用改进的Bernsen算法对车牌图像进行二值化.实验表明,使用该算法能有效地克服不均匀光照的影响,二值化效果良好,车牌识别率得到显著的提高.     

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。     

基于层次策略的新型快速车牌定位方法

介绍了一种新型的基于层次策略的局部区域检测技术,提取了所有满足候选检测条件的局部兴趣区域。在此基础上,进行梯度增强、冗余边缘去除和车牌分割等精确定位操作。实验结果表明:本文方法对于克服环境噪声具有很强的鲁棒性,实现了高精度的车牌实时定位。     

基于车牌识别数据的交通拥堵识别方法

针对目前缺少基于车牌识别数据的交通拥堵识别方法的相关研究,使得建设及维护成本均较高的车牌识别系统只能实现交通监控、流量检测等初级功能,导致系统性价比较低的问题,分别设计了基于车牌识别数据的单车行程速度采集方法及区间平均行程速度采集方法,对交通拥堵的识别方法进行了研究,并进行了实例分析.结果表明,单车行程速度采集方法及区...     

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。     

车牌图像自动识别系统预处理算法研究

车牌预处理是汽车牌照自动识别系统中的一个重要的环节,预处理的好坏直接影响到后面的识别结果.在开发一套实用的自动车牌识别项目的过程中,分析研究了车牌预处理的各个环节,对其中关键算法———倾斜校正算法、二值化算法、字符分割算法做了详细的研究.在大量试验的基础上,提出了一种基于区域滤波的预处理算法和一种改进的车牌倾斜校正算法,并用于工程实际中,取得了良好的效果.