基于数学形态学及车牌综合特征的车牌定位算法

车牌定位是车牌识别系统中的关键步骤;利用车牌图像区域丰富的边缘信息以及车牌本身的特征,提出一种实用而有效的车牌定位方法;首先,将原始图像转换到灰度空间上,利用车牌丰富的图像边缘特征信息和数学形态学操作对图像进行粗定位;然后,根据车牌本身的特征量化5种不同的特征,通过贝叶斯分类器的训练,实现对车牌区域的精确定位;最后,通过实验对1500幅彩色图像进行测试,其有效率可达95.20%。     

基于纹理特征的车牌定位方法

提出了一种基于纹理的车牌定位方法。首先提取汽车图像的边缘,再连接水平方向上距离较近的边缘点,通过数学形态学操作形成若干候选区域,然后根据水平方向边缘线段长度和投影直方图进行精确定位,最后根据尺寸判断候选区是否为车牌。实验结果表明,该算法定位准确率能达到93.7%,平均定位时间为435 ms。     

基于车牌色彩变化特征的车牌定位方法

针对复杂背景下的车牌定位问题,提出了一种基于车牌色彩变化特征的车牌定位方法。该定位方法将RGB彩色空间中的车牌图像转换到HSV彩色空间中进行颜色识别,分割出车牌底色及字符颜色相对应的颜色区域,同时通过边缘提取、二值化处理、与运算找到对应颜色边缘特征点,最后经纹理分析来定位车牌。     

基于边缘颜色对的车牌定位新方法

车牌定位是车牌自动识别系统中的一个关键问题．该文提出了一种新的基于边缘颜色对的车牌定位方法．首先进行彩色边缘检测,然后以每一边缘点为中心,垂直于边缘方向取一线形窗口,在窗口内检测边缘点两侧像素的颜色是否分别匹配车牌的底色与字符颜色,若是,则保留为候选车牌边缘点;然后进行形态滤波,剥离不符合车牌结构特征的区域,最后对候选车牌区域进行纹理特征的分析以确定真实车牌区域．该方法抓住了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．对各种条件下拍摄的163幅含有车牌的图像应用该算法,定位准确率达到98．2％。     

基于车牌底色识别的车牌定位方法

提出了结合汽车车牌纹理特征分析和颜色特征分析实现车牌定位的方法。以往的车牌定位技术主要是利用了车牌的纹理特征和形状特征，该文提出的方法是先进行纹理分析和形状分析，再进行色彩分析，从而尽可能多地利用车牌模式识别空间中的各种条件。得到边缘清晰整齐的尽可能小的车牌区域。这种方法明显地克服了单用纹理和形状分析时难以解决的车牌区域变大的问题。     

复杂图像中的车牌定位算法①

针对复杂车辆图片中的车牌定位与分割,充分利用了车牌区域的高频特性和底色特性,提出一种梯度边缘检测与彩色分割相结合的综合性算法,能够对诸多干扰因素影响下的车牌进行精确定位与分割。实验表明该算法准确、可靠。     

车牌定位常见技术介绍与分析

本文对目前比较常见的几种车牌定位技术进行了简要的介绍，并对它们的优、缺点进行了分析和比较。     

复杂图像中的车牌定位算法①

针对复杂车辆图片中的车牌定位与分割,充分利用了车牌区域的高频特性和底色特性,提出一种梯度边缘检测与彩色分割相结合的综合性算法,能够对诸多干扰因素影响下的车牌进行精确定位与分割。实验表明该算法准确、可靠。     

利用综合特征的车牌定位方法

车牌定位是车牌识别系统的关键技术之一.提出利用结构特征、纹理特征和颜色特征的车牌定位新方法.首先,利用顶帽变换抑制背景;其次,进行垂直边缘检测和形态滤波,通过结构特征进行车牌粗定位;再次,对候选区域的垂直投影应用一维小波分解滤噪,然后重构垂直投影,计算纹理统计量并构造纹理特征向量,应用BP神经网络识别车牌的字符纹理进行车牌的再定位;最后,对候选区域进行基于边缘颜色对的彩色边缘检测,根据其水平投影值进行车牌的精定位.对各种条件下拍摄的314幅含有车牌的车辆图像应用本算法,定位准确率达到98.7%.     

基于边缘颜色信息的车牌定位算法

车辆牌照的自动识别是智能交通系统中的一项重要技术,而车辆牌照的定位又是车牌识别的关键点之一.提出了一种基于边缘颜色点对与扫描线相结合的车牌定位方法.首先进行彩色边缘检测,然后以每一边缘点为中心,垂直于边缘方向取一条线段,在线段内检测边缘点两侧像素的颜色是否分别匹配车牌的底色与字符颜色,若是,则保留为候选车牌边缘点;通过扫描线搜索定位并分割出车牌区域.方法抓住了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.实验结果表明,算法能够实现车牌的快速精确定位.     

一种新的汽车牌照快速定位方法

选取具有很强稳定性和可识别性的车牌纹理特征，提出了一种快速的汽车牌照定位方法。该方法首先利用车牌的粗纹理特征，通过高通能量滤波进行初步定位；再基于细纹理特征，通过提取候选区域小波纹理信息结合数学形态学和投影法进行准确定位；最后跟据车牌的颜色和纹理均匀性对定位结果进行修正。实验结果表明该方法分割定位迅速，定位准确率高。     

一种基于纹理模式的汽车牌照定位方法

针对车牌区域内字符串具有丰富的纹理特征,采用纹理模式分析方法,充分利用这些纹理特征,突出车牌区域,削弱伪车牌区域。提出了一种基于纹理模式的车牌定位方法。试验结果表明,此方法能较准确地定位车牌,便于进一步的车牌字符分割。     

一种基于区域熵值的车牌定位方法

因搜索空间太大,现有的车牌号码识别系统所采用的图象分割方法一般说来效率较低。为此,本文提出了一种基于区域熵值的车牌定位方法,可快速判定车牌的粗略位置与颜色,即得到一个属于车牌区域的参考点和车牌的背景色,从而使得随后的图象分割仅在该参考点的周边区域进行,大大缩小了搜索空间,提高了效率。     

一种基于纹理特征抽取的车牌定位预处理方法

研究了车牌区域的字符和边线纹理特征,改进了传统的Sobel算子,以求更好地提取车牌区域的45°,135°方向的边缘纹理;同时设计了两种模式滤波器,以滤除不具备车牌纹理特征的噪声纹理。实验结果表明,该预处理方法很好地突出了车牌区域的纹理特征,有利于快速、准确地定位出车牌所在的区域。     

基于颜色和纹理分析的车牌定位方法

针对复杂背景的车牌定位问题，提出了一种颜色和纹理分析相结合的车牌定位算法。该算法采用基于适合彩色图象相似性比较的HSV颜色模型，首先在颜色空间进行距离和相似度计算；然后对输入图象进行颜色分割，只有满足车牌颜色特性的区域，才进入下一步的处理；最后再利用纹理及结构特征对分割出的颜色区域进行分析和进一步判断，并确定车牌区域。该方法不同于大多数的车牌定位方法，它不仅对车牌的大小、汽车在图象中的位置以及图象背景的限制较少，而且，综合特征定位要比单一特征定位更符合人的视觉要求，因而定位效果更好，应用范围更广。     

一种基于模板匹配的汽车牌照快速定位方法

本文根据车牌丰富的纹理特征,提出了一种准确、快速的汽车牌照定位方法。该方法首先利用车牌的纹理特征,采用模板匹配的方法进行初步定位;然后,根据细纹理特征和牌照的先验知识,综合利用数学形态学、投影以及颜色信息判别的方法进行精确定位。同时,针对实际应用的要求讨论了对其中的一些方法的改进。大量的实验结果表明,该方法具有快速、准确率高的优点。     

一种基于Haar-Like T特征的人脸检测算法

文中提出一种基于Haar-Like T特征的人脸检测算法。 Haar-Like T特征是在Haar-Like特征的基础上的扩展,由于人脸五官分布的特殊性,在人脸模型上可以找到大量T字型结构特征。结合Haar-Like 矩形特征描述人脸纹理的原理,文中提出4种类似Haar-Like特征的Haar-Like T特征,并将这些Haar-Like T特征与现有的Haar-Like特征一起输入Adaboost分类器进行特征选择,最终构建出分类性能强大的级联分类器并用于人脸检测。人脸检测实验表明该算法的有效性和优越性,其与Haar-Like分类器、LBP分类器等传统的人脸检测分类器相比获得更好的效果。     

一种基于纹理的快速车辆牌照分割方法

主要针对车辆牌照自动识别系统中的一个重要功能块——车牌分割，提出了一种基于车牌字符串纹理特性的车牌快速定位方法。试验结果表明，此方法快速地搜索车牌并准确定位，便于下一步的字符分割和识别。     

基于并行模糊神经网络的车牌识别研究

车辆牌照的自动识别是目标自动识别的一种重要形式,针对车牌识别的后期技术,即牌照识别技术做了研究并提出了一种新的车牌识别方法,该网络由BP神经网络识别模块和模糊控制器构成,为了便于硬件实现,各模块相互独立,最后利用PVM网络在虚拟并行平台上实现了该识别网络,实验结果表明,和标准BP网络相比,该算法具有更加良好的性能,满足实时识别车牌的要求。     

车牌自动识别方法中的关键技术研究

车辆牌照的自动识别是智能交通系统中一项很重要的技术。针对车牌识别的前期技术，即车牌定位、车牌图像的对比度判断和二值化、字符分割等技术进行了研究并提出了新的处理方法，实验结果表明提出的算法简洁、实时性好、处理正确率高，达到了实用的标准。