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.     

一种复杂背景下车牌定位算法

车牌定位是车牌识别技术的第一步,车牌定位的准确与否直接影响着车牌识别的准确率。通过对现有的车牌定位方法进行研究,提出了一种复杂背景下的车牌定位算法,即利用车牌先验知识和灰度跳变结合来确定车牌位置,算法先对图像进行相应预处理,再结合纹理特征以及车牌区域的几何特征来粗定位车牌。粗定位时会得到对应的候选区域,如果候选区多于一个,就结合候选区的纹理特征和几何特征,利用算法来判断候选区是否是真实车牌区域;如果候选区只有一个,该候选区即是真实车牌,直接输出结果。实验结果表明,这种方法对复杂背景下的车牌定位比较准确,对噪音的抗干扰性强,定位速度快,符合实时性的要求。     

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.     

一种基于连通域分析的车牌定位方法

复杂背景中车牌定位技术,是车牌识别过程中的技术难点,提出了一种基于连通域分析的车牌定位方法。该方法通过边缘检测方法进行车牌粗定位,再对粗定位图像进行连通域标记,然后利用级联分类器筛选车牌字符连通域,最后结合车牌模板确定车牌位置。实验表明,该方法定位车牌的准确率高,能够适用于国内现行的多种规格民用汽车牌照的定位。     

基于边缘投影的快速车标定位方法

车标定位是车标识别系统的关键组成部分,文中提出了一种基于边缘投影的快速车标定位方法。首先通过车牌显著的颜色信息定位车牌;然后,利用车牌与车标的相对位置关系粗定位车标;最后,检测车标边缘信息,利用投影方法,通过计算图像重心定位到车标中心位置,再确定车标的上下左右边界。实验结果表明该方法快速、准确。     

一种改进的车牌定位算法研究

为了实现车牌的准确定位及后续的车牌识别,提出一种改进的车牌定位算法。该方法首先对预处理后的车牌图像进行模板匹配来大致确定车牌区域,为了节约运算时间,对模板匹配法进行优化。接着,运用形态梯度方法对粗定位后的图像进行边缘检测,从而更好地保持车牌的边缘。最后,采用投影法进行精确定位,通过对投影的分析找到车牌的准确位置。实验结果表明,该算法对车牌定位的准确性和处理速度都有很大提高,基本满足了系统实时性和准确性的要求。     

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.     

基于灰度投影与改进Hough变换的人眼定位算法

人眼定位是人脸识别的重要步骤,本文提出一种结合灰度投影与改进Hough变换的人眼定位算法.首先,通过两次积分投影进行人眼粗定位,对粗定位的眼睛灰度图像增强处理后提取边缘,然后采用改进Hough变换检测圆来定位眼球的准确位置.实验结果表明,该算法与已有算法相比,具有更为快速和精确的定位效果,并且对头部偏转具有较强的鲁棒性.     

基于分块和滑动窗口的车牌定位方法

车牌定位是车牌识别系统的关键环节.提出了一种利用分块和滑动窗口快速定位车牌的新方法.首先,进行垂直边缘的检测;然后利用分块和滑动窗口的方法进行搜索,产生车牌候选区域;最后经过判别得到车牌区域,并对边界加以调整.实验结果证明这种算法具有定位准确、效率高、适应性强的特点.     

基于数学形态学和投影法的车牌定位方法

在车牌定位系统中,针对图像中存在的复杂背景、车辆自身的车灯或标志这些因素的影响,提出了车牌初步定位和精确定位的方法.首先,对车牌图像进行灰度化、灰度拉伸、边缘检测后,运用数学形态学运算和车牌自身的宽高比例初步定位出车牌区域.然后,运用投影法分别进行水平方向和垂直方向的定位,得到准确的车牌区域.该方法能够很好地排除干扰因素,精确定位出车牌.     

自然场景下的车牌检测与识别算法

车牌自动识别是智能交通系统的关键技术之一,主要包括车牌检测和字符识别两部分。为提高车牌检测速度和精度,本文提出了一种基于学习、由粗到精的车牌检测方法。首先采用颜色点对和垂直边缘相结合的方法,快速检测出车牌感兴趣区域;然后采用一种基于梯度方向直方图特征和支持向量机的机器学习方法实现车牌的精确定位。在车牌识别阶段,首先采用基于连通域分析与字符固有特征相结合的方法进行字符分割,然后根据字符结构提取3种稳定且有效的特征,采用支持向量机对分割的字符进行识别。采用上述方法对412幅不同角度、不同光照条件、不同时间段下拍摄的图像进行检测与识别,实验结果表明本文提出的算法精度高、鲁棒性好、识别速度符合实时性的要求。      

雾霾天气下的车牌识别

在雾霾天气下,图像采集设备拍摄的图片存在一系列问题,如饱和度低、细节失真、画质模糊等。文中探索了雾霾天气下的车牌识别算法,按照图像去雾、车牌定位、字符分割与识别等步骤来解决雾霾天气下传统车牌识别系统效率低、鲁棒性差等问题。该算法采用暗通道去雾,经去雾算法处理后,图像对比度、信息梯度和信息熵均得到提升;选择数学形态和边缘检测定位车牌的准确位置;利用仿射变换矫正车牌区域,结合投影法分割字符,最后使用基于支持向量机模式的识别算法来识别字符。经过处理后,车牌识别能达到较高的准确率。     

一种基于灰度图像的车牌快速定位算法

在图像增强的基础上,对得到的二值图像进行处理从而得到特征图像,对特征图像进行水平扫描与垂直投影并结合车牌的先验信息来确定正确的车牌区域,实验结果表明该方法能够正确快速地定位车牌区域。     

车牌自动定位与模糊识别算法

提出一种基于阈值分割与区域矩化的车牌定位方法，先得到候选车牌区，然后根据车牌区的特征进行筛选得到车牌区，并给出了快速区域矩化方法。字符识别采用两级模糊识别方法，粗分类得到动态的候选集，然后根据该候选集进行细分类。实验结果表明，该方法能对车牌快速准确定位并识别字符。     

雾霾环境下基于PLATE-YOLO的车牌检测方法

针对目前车牌识别领域中，雾霾环境下车牌检测准确率低的问题，本文提出一种基于深度学习的抗雾霾车牌检测方法，该方法能够检测民用车牌和机场民航车辆车牌。该方法首先利用一种基于卷积神经网络的去雾算法对车牌图片进行去雾预处理，然后将处理过的无雾霾图片送入PLATE-YOLO网络中检测车牌的位置。该PLATE-YOLO网络是本文针对车牌检测的特点，对YOLOv3网络做了修改后得到的适用于车牌检测的网络。主要改进点有两处:第一，提出了一种基于层次聚类算法的锚盒(anchor box)个数和初始簇中心的计算方法；第二，针对车牌目标较大的特点，对网络的多尺度特征融合做了优化。优化后的PLATE-YOLO网络更适合于车牌检测，且提高了检测速度。实验证明，PLATE-YOLO网络检测车牌的速度较YOLOv3提高了5 FPS；在雾霾环境下，经去雾预处理的 PLATE-YOLO车牌检测方法比未经去雾处理的车牌检测方法准确率提高了9.2%。      

改进的Hough变换在校正汽车牌照倾斜中的应用

针对汽车牌照的自动识别中倾斜问题，对Hough变换提出了新的用法。首先，根据灰度确定汽车图像中车牌的位置和范围，取出包含车牌的子图像；然后对子图像中的点作二级Hough变换算法，计算出子图像中主要直线的角度，该角度被认为是车牌的倾斜角度；最后，用插值旋转的方法进行校正。仿真实验验证了本文算法的有效性。