基于边缘颜色分布的车牌定位新方法

根据车牌的综合特征,提出了一种新的基于边缘颜色分布的车牌定位算法.该算法抓住了车牌背景与字符具有固定颜色搭配的重要特点,利用车牌区域内特有的边缘颜色分布信息并结合车牌的纹理特征,有效地滤除了大量的背景和噪声边缘,然后利用车牌的结构特征和边缘信息,并结合形态滤波的方法,以进一步确定车牌区域.实验结果表明,该算法定位准确率高、鲁棒性好,而且适用于对复杂背景下的多车牌图像进行分割.     

基于纹理特征和颜色匹配的车牌定位方法

在分析车牌定位现有算法的基础上,根据车牌的特点,提出一种新的综合利用车牌纹理特征和边缘颜色对的车牌定位方法.首先根据车牌的纹理特征和结构特点进行粗定位,确定车牌的候选区域,然后对候选车牌区域进行边缘颜色对的检测,根据车牌背景与字符有固定颜色搭配的特点,确定车牌区域.实验结果表明,该算法能有效地对车牌进行定位,提高了车牌定位的可靠性.     

基于彩色边缘检测及综合特征的车牌定位算法

针对车牌区域难以定位的问题,本文提出了一种基于彩色边缘检测及综合特征的车牌定位方法。该算法利用车牌底色与字符颜色有几种固定搭配的特点,对彩色图像进行边缘提取,然后利用车牌区域的结构与纹理特征定位车牌,有效减少了车牌大小、位置以及背景复杂等方面的限制。实验证明该算法耗时少,准确率高,鲁棒性好。     

基于Lab颜色空间的车牌定位方法

本文提出一种基于Lab颜色空间的车牌定位方法。首先将RGB颜色空间转换成Lab彩色空间,采用自适应二值化阈值对b分量图像进行二值化处理,使得车牌区域凸显,并通过后续的形态学处理排除孤立点的干扰,最后采用投影法确定出车牌的准确位置。     

复杂背景下基于颜色的车牌定位方法研究

车牌的颜色特征是车牌定位的一个关键信息。复杂背景下,直接对车牌边缘进行分割以达到车牌的定位比较困难。为解决上述问题,提出了一种复杂背景下基于颜色的车牌定位方法。此方法通过颜色空间变换,将复杂背景下与车牌颜色相近的颜色全部保留,滤除其他不符颜色。实验结果表明,基于颜色的车牌定位方法,去除了背景颜色及不相干区域的干扰,可以简化后续车牌处理算法,提高车牌定位的精度和速度。     

基于混合特征的多车牌快速定位算法

针对车牌定位计算量大,定位时间长的问题,提出一种基于几何和颜色混合特征的定位方法。首先对车牌进行直方图均衡的预处理,通过改进的Sobel边缘检测算子和数学形态学方法,确定候选区域队列,然后利用车牌的几何和颜色特征排除候选车牌区域中的干扰区域,最后对各种环境下定位效果进行比较,并给出相应的算法和实验结果。     

基于数学形态学和边缘特征的车牌定位算法

车牌图像定位是自动车牌识别系统的关键步骤.根据车牌特征,首先经过图像预处理,然后进行数学形态学操作,并设计了一种简便的车牌区域搜索算法进行粗定位,最后根据字符边缘特征进行精定位.实验表明该方法定位时间较短,定位效果较好.     

基于边缘检测和形态学的车牌定位算法

针对车牌自动识别系统的车牌定位方法进行了研究分析,提出一种结合边缘检测和数学形态学的车牌定位算法。利用边缘检测和形态学分析得到车牌候选区域,对候选区域进行连通域分析,实现了对车牌区域的定位。实验结果表明,该方法降低了各种背景噪声对图像中目标区域判别的影响,降低了车牌定位时间,有效地实现了车牌定位。     

基于蓝色车牌背景的车牌精确定位实现方法

先对抓拍的彩色车牌图像进行车牌的粗定位,分割出车牌区域.对车牌区域做图像增强和滤波处理后,转化成二值图像,去除车牌的上下和左右边框,实现车牌的精确定位.针对抓拍的车牌彩色图像因光照不足的原因造成垂直粗定位不准的问题,提出了改进算法,提高了精确定位的准确率.     

基于边缘检测与HSI彩色空间的车牌定位方法

提出了对采集到的图像进行一系列预处理并在此基础上对车牌粗定位和精确定位。首先,对车牌图像进行灰度化、平滑去噪,边缘检测后,提取边缘比较密集的车牌候选区域;然后,对裁剪出的彩色图像在HSI彩色空间的基础上进行边缘提取操作,取得图像饱和度和亮度边缘,并进行边缘合成;最后,利用色调信息的提取来判定车牌区域。该方法能使车牌区域得到有效的增强,达到精确定位目的。     

HSV空间和形态学处理相结合的车牌定位方法

车牌定位是实现车牌自动识别的前提.在传统的基于RGB彩色空间的形态学定位方法的基础上进行改进,提出了一种HSV彩色空间和图像形态学处理相结合的车牌定位方法.在HSV彩色空间中将车牌图像分割为H,S,V这3个单通道灰度图像,分别进行去噪和二值化处理,然后将这3幅二值图像做“与”运算得到一幅能有效去除背景干扰的二值图像,再运用形态学的闭运算和开运算进行处理,得到车牌候选区域,最后利用车牌宽高比属性进行验证以确定真实的车牌位置.实验结果表明,该方法相对传统方法实现简单,车牌定位准确、高效.     

基于多尺度小波边缘检测的车牌定位研究

车辆牌照的准确定位是车牌识别系统中的关键步骤,利用车牌区域丰富的边缘和纹理信息以及车牌自身的特征,提出一种基于多尺度小波边缘检测的车牌定位方法.该方法能够更好地解决在复杂背景和复杂光照下的车牌定位.首先用图像增强和多尺度小波算子提取出车牌图像的边缘,然后利用数学形态学和连通区域标记的方法对车牌进行初步特征提取去除伪车牌区域,最后采用水平垂直投影法进行车牌的精确定位.实验结果表明,该方法能够实现车牌的快速准确定位,对复杂背景下的车牌具有很好的鲁棒性和实时性.     

基于灰度分布和字符紧密性特征的车牌定位方法

根据车牌区域的灰度分布特征,提出一种定位车牌区域的新方法.该方法先利用车牌区域灰度分布特征,对车辆图片进行粗定位并得到车牌上下边界;再根据车牌区域字符紧密性特征,利用垂直投影方法初步得到车牌的左右边界,最后根据字符宽度和间距进一步修正车牌的左右边界.经实验证明,该方法具有在复杂背景下适应性好、抗干扰、实时性好、定位精确等特点.     

车牌定位技术的比较与研究

在智能交通系统中,车牌定位和识别是重要环节之一,本文对目前已有的车牌定位技术进行比较和研究,以更好的研究高速、准确的定位方法。     

基于Sobel算子边缘检测和数学形态学的车牌定位算法

随着智能化交通管理系统的飞速发展,对车牌的定位和识别提出了更高的要求,因此提出了一种结合边缘检测和数学形态学的车牌定位算法。采用Sobel算子进行边缘检测,经数学形态学处理得到连通的车牌候选区域,然后对其进行分析,实现车牌区域定位。实验结果表明,该方法能准确实现车牌定位,性能良好。     

基于改进Sobel算子的车牌定位方法研究

针对在城市交通监控系统中车牌照定位要求的特殊性,提出一种基于多信息结合的车牌识别定位算法。该算法以摄像机拍摄的视频为基础,提取出视频中车辆的近景图像。根据车牌照图像特征,采用改进彩色Sobel算法对其作边缘检测,在处理后的图像中选取若干个车牌候选区。采用BP算法对车牌信息进行训练,将车牌面积、长宽比和垂直投影三个特征值作为输入值,进而达到车牌定位的目的。大量实验结果表明,该算法具有极高的定位准确度,具有重要的推广价值。     

模糊逻辑与学习方法的车牌颜色识别算法

针对光照环境复杂多变及各地车牌颜色特征不同的情况,提出了一种结合模糊逻辑与学习方法的车牌颜色识别算法.在HSV颜色空间中进行车牌颜色特征提取,并根据反色信息将车牌颜色识别由一个四分类问题转换为两个二分类问题.对HSV颜色空间三个分量的模糊映射进行加权融合,建立基于隶属度的分类函数,相关参数通过学习算法获得.在一个基于DSP的嵌入式车牌识别平台上进行了与其他传统分类方法的对比实验,结果表明本文算法存两个测试集上都取得了更好的识别效果.     

基于纹理特征和垂直投影的车牌定位算法研究

车牌定位是车牌识别中的关键步骤。为了能在复杂背景和不同光照条件下快速、准确定位车牌位置,提出了一种基于车牌纹理特征和垂直投影的车牌定位方法。该方法先根据车牌区域的纹理特性确定出多个水平候选区域,再利用车牌区域垂直投影的统计规律对候选区域进行筛选,并确定出车牌左右边界。实验结果表明,该方法定位速度快、准确率高,具有较好的实用性。     

基于中值滤波与边缘检测算子的车牌技术研究

车牌定位技术在车牌识别系统中起着至关重要的作用。文章通过将中值滤波与边缘检测算子相结合,使车牌定位技术在车牌识别系统中发挥更好的作用。利用中值滤波与边缘检测算子技术,使车牌处理过程中的灰度图像所包含的噪声有了显著的降低。     

基于字符连通域特征的车牌定位方法

车牌定位是整个车牌识别系统的关键技术,传统方法普遍存在实时性差、适应性不强等问题。强调硬件系统构架,固定部分图像输入环境,引入大量先验知识,并最终利用车牌字符连通域的显著特征,将车牌定位与车牌字符的显著性特征相联系,缩短了车牌识别的流程,实现了可适应性强、定位准确的车牌定位。实验结果证实,该算法准确率高,效果明显且具有较好的稳健性。