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.     

基于水平集的并行融合图像分割

针对复杂背景和多目标空中运动物体的定位和跟踪问题,研究了基于小波变换阈值去噪方法、数学形态学去噪方法与水平集方法结合的图像分割方法,提出了基于小波变换阈值去噪与水平集结合方法以及基于小波变换阈值去噪、数学形态学去噪与水平集结合方法的并行融合图像分割方法,对运动目标进行边缘检测。实验结果说明,基于小波变换、数学形态学与水平集方法结合的并行融合图像分割方法能够有效地提取目标物体的轮廓,抑制背景噪声。     

基于小波变换和形态学分水岭的血细胞图像分割

医学图像处理提取细胞中使用分水岭方法时,容易产生过分割现象且对噪声的干扰极为敏感,为了解决此缺点,提出一种基于小波变换和形态学分水岭的细胞图像分割新方法。首先采用小波变换多分辨率分析对图像进行分解,选取合适的小波基和改进去噪阈值函数对图像进行小波去噪,然后对去噪后小波重构的细胞图像应用数学形态学距离变换、灰度重建等技术产生的区域标记进行分水岭变换,最终得到分割结果。实验结果表明,该算法能稳定、准确地提取细胞和实现粘连细胞的自动分割,同时具有很好的鲁棒性和普适性。     

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.     

基于视频检测和颜色的车辆牌照提取方法

车辆牌照的快速提取是牌照识别技术实用的基础。本文给出了一种利用视频检测方法和车牌彩色信息快速提取车辆牌照的方法。该方法的主要思想是通过设定牌照检测区来检测并获取牌照的预定位区图像,然后选取合适的颜色空间将预定位区彩色图像直接转换为二值图像,再用空间聚类技术进行滤波消噪,最后利用二值图像的水平垂直投影来分割提取车牌区域。     

LPR系统车牌定位提取方法的研究

车牌定位在车牌自动识别中起着非常重要的作用,定位准确度直接影响车牌识别的正确率。文中使用了数学形态学和几何拓扑学相结合的方法对车牌区域进行定位提取。该方法首先采用Top-Hat变换以及开、闭运算对抓拍的车辆图像进行预处理;然后采用连通体态分析法（CCA）对图像进行粗定位;最后对计算得到的车牌候选区的欧拉数进行判别,最终提取真正的车牌区域。实验证明该方法能够很好的对牌照区域顶角进行快速搜索定位,将牌照从复杂背景图像中分割出来。     

基于小波变换和神经网络的车牌识别系统

介绍了通过小波变换在复杂背景下对车辆图像进行去噪和对车辆牌照进行定位,并利用BP网络结合线性感知器来对车牌字符进行分类和识别。实验结果表明,该文提出的设计方案,算法简单、实时性好、识别率高,可适用于复杂背景环境中的车牌识别。     

基于数学形态学的车牌定位

车牌定位是汽车牌照识别系统中的重要环节,直接影响车牌识别的准确率。对数学形态学进行了研究,并且分析了利用数学形态学进行车牌定位的原理。为了对汽车牌照进行精确的定位,提出了一种基于数学形态学的车牌定位方法。对汽车图像进行预处理和阈值分割后,利用不同的结构元素对二值图像进行形态学滤波,以进一步消除干扰。最后利用面积、长宽比和垂直投影特征值进行综合分析,完成车牌定位。实验结果表明,该方法定位准确率高,为车牌识别创造了良好的前提。     

基于数学形态学的车牌分割算法

该文提出一种基于数学形态学的车牌图像分割算法。首先,对原始车牌图像进行预处理;然后,利用一种抗噪型数学形态学边缘检测算子进行车牌边缘检测;最后,去除图像水平噪声,结合水平、垂直投影进行定位。实验表明,该方法不仅算法简单、准确度高,且适于对有噪声及背景复杂的车牌图像进行分割。     

复杂背景下彩色图像车牌提取与字符分割技术

车牌图像分割是车辆牌照自动识别系统的关键部分，本文提出和提取了车牌标准模式的多种重要特征，综合利用数学形态学运算、连通域形状测量和彩色图像分析，有效地解决了复杂背景下提取车牌的问题，并实现了牌照的倾斜校正和边框线与铆钉去除，最后分离出牌照的各个字符、实验表明该技术方案在实时性，鲁棒性和正确率都达到实用技术指标。     

一种基于小波与形态学的车牌图象分割方法

针对汽车车牌与车身背景的分割问题,给出了一种基于小波分析和数学形态学的图象分割方法。该方法是通过小波多尺度分解提取出纺理清晰,具有不同空间分辨率、不同方向的边缘子图象。其水平方向低频、垂直方向高频的这一细节分量,主要代表车牌的目标区域。然后,用数学形态学方法对小波分解后的细节图象进行一系列的形态运算,进一步消除无用信息和噪声,以找准车牌位置。用该方法对在不同照明条件下所采集到的一系列车头、车尾图象     

一种基于数学形态学的实时车牌图象分割方法

根据车牌纹理及其几何形状的特点，设计了一种基于数学形态学的车牌图象分割方法，该方法在二维形态滤波过程中，能自适应地调整阈值大小，以适应光照强度及干扰强度的变化，同时把基于全像素点数学形态学处理的点运算转化成仅有几十条直线的线运算，以使运算速度和抗干扰能力较其他传统分析方法有显著提高．用该方法对不同照明条件下的一系列汽车图象进行的大量实验结果表明，该方法不仅定位效果好、速度高，而且适于对有噪声及复杂背景的车牌图象进行分割．     

基于Canny边缘检测的车牌字符分割方法

在对其它车牌字符分割方法研究的基础上,提出一种基于Canny边缘检测和数学形态学处理的车牌字符分割方法。该方法以获得真实明确的车牌字符位置信息为着眼点,采用Canny边缘检测、数学形态学运算和同态滤波等处理方法,判断决策的依据充分、方法简单明确,实验中获得了较好的效果。     

基于Canny边缘检测的车牌字符分割方法

在对其它车牌字符分割方法研究的基础上，提出一种基于Canny边缘检测和数学形态学处理的车牌字符分割方法。该方法以获得真实明确的车牌字符位置信息为着眼点，采用Canny边缘检测、数学形态学运算和同态滤波等处理方法，判断决策的依据充分、方法简单明确．实验中获得了较好的效果。     

基于DSP的车牌识别系统研究

介绍了一种基于TMS320DM6437硬件平台,运用数字图像处理的知识来实现汽车车牌的自动识别功能。对目前使用的车牌预处理、车牌定位技术与字符分割等算法进行了实验分析。     

基于视频图像的车牌定位预处理算法

车辆图像的预处理效果的好坏直接影响着车牌定位的准确率和运算速度;为了去除复杂背景区域的影响,消除图像的噪声,提出了一种针对视频序列改进的预处理流程;基于混合高斯背景建模结合小波包多尺度去噪的思想,去除大量的背景信息,缩小了车牌定位的范围再继续后面的预处理工作;上述方法得到的图片,噪声干扰降低且含有较少的不规则连通区域,分别以文献[6]和文献[7]提供的车牌定位方法为例进行测试,效果良好。     

彩色汽车图象牌照定位新方法

汽车牌定位是一个公认的较难解决的图象侵害问题。目前已经实现的分割主要局限于灰度图象,且定位效果仍易受阴影和光照等条件的影响。为解决彩色图象牌照定位问题,提出了彩色图象边缘检测算子ColoPrewitt和彩色边缘检测与区域生长相结合的牌照定位算法ColorLP,其充分利用了颜色信息和牌照特点。ColoPrewitt算法简单,全面作用在颜色空间的3个分量上,在彩色牌照定位的边缘检测中具有传统算子无法比拟的优势,实验表明,检测出的牌照区域完整,且与背景易于进一步剥离,由此可见,ColorLP定位牌照区域准确率高,适用于任意背景、位置和光照下的牌照定位,且通过性较好。     

基于小波变换和数学形态法的车牌定位方法研究

随着智能交通技术的发展,车牌识别系统已成为其中的一个重要环节,一般来说,车牌识别系统分为车牌定位、字符分割和字符识别三个部分。车牌定位作为字符切分和字符识别的前提,在车牌识别中起着关键的作用。在前人研究的基础上提出了一种基于小波变换域和数学形态法相结合的定位方法。首先利用小波变换后垂直细节图像的水平投影进行行定位,然后再对候选区域进行垂直投影,结合车牌自身的特点去除伪车牌区域,最后结合数学形态学知识实现车牌的精确定位。实验证明,该方法在背景较为复杂或存在干扰的情况下具有很好的效果。