基于OTSU法的车牌自动定位技术研究

根据彩色图像RGB三色学原理及室间域的图像平滑算法中的Gauss低通滤波器对图像进行预处理,利用OTSU法来求取图像的阈值,并在此基础对图像进行二值化分割,图像分割是车牌自动定位技术中的基本问题之一,也是车牌自动识别过程中的关键步骤。实验证明:只要合理选择其该方法中的参数,正确率可达到95%以上,且处理时间小于0.5s。     

试论车牌自动识别系统

车牌自动识别技术是指能够检测到受监控路面的车辆并自动提取车辆车牌信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理与识别的技术。本文着重介绍了车牌自动识别系统需要进行的几个基本步骤、关键技术以及主要应用方式，同读者共同探讨。[编者按]     

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。     

车牌自动定位与识别方法研究

提出了一种车牌定位与字符识别方法,该方法可有效地提高车牌的定位能力、字符识别率、识别速度以及识别系统的泛化能力。实验结果表明：该方法的识别率超过97%,能有效地识别各种车牌中的字符,满足实际系统的要求。     

基于分形盒子维数的车牌定位方法

分形维数是估计表面粗糙度的一个重要参数，在图像处理领域中更多地用到分形盒子维的概念，计算盒子维的DBC算法快速，有效，精确度高，被广为采纳，针对车牌内部图像的复杂度和背景有较大差异的特征，提出了一种通过计算分形盒子维同时结合其它图像处理方法来进行车牌定位的新算法，效果较好。     

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。     

一种车牌识别系统中的混合车牌定位方法

提出了一种新的粗定位和精细定位相结合的车牌定位方法.首先采用一种基于垂直边缘和车牌句法的车牌粗定位算法,确定车牌候选区域,剔除伪区域,粗定位可以快速地将车牌从原始车辆图像中截取出来,同时精确确定车牌的上下边界.然后再进行基于旋转差分投影的车牌水平精确定位与倾斜校正,由于水平定位和倾斜校正同时进行,提高了水平分割的精度并降低了定位时间.实验表明该混合方法能快速、精确地进行车牌定位,有效地解决了复杂背景下的车牌定位精度不高的问题,同时对模糊车牌具有很强的抗干扰性.     

基于边缘与SVM的车牌自动定位与提取

提出了一种将边缘与SVM相结合的车牌定位与提取的方法。首先根据字符的边界特征进行粗筛选,获得几个车牌候选区;然后使用SVM分类器进行字符与非字符分类;最后根据车牌特征实现定位与提取。实验表明,该方法取得了良好的效果。     

多层次车辆牌照定位分割方法

车辆牌照的快速定位是实时自动识别技术中关键的一步.利用车辆牌照尺寸和纹理特征,提出了给予边缘检测和投影法相结合的牌照定位算法,以及给予二值化和投影法结合的牌照定位算法,实现了对车牌的准确识别.     

一种蓝底车牌的快速定位技术

车牌定位是汽车车牌识别的一个重要的环节,在研究汽车车牌定位的过程中,发现了一种可以快速定位汽车车牌的新技术。针对蓝底车牌不反射蓝色光的特点,提出了一种基于彩色图像蓝色通道进行车牌定位的算法,算法首先根据蓝色通道数值过滤其它通道的颜色,使用几何形态检测技术对过滤后的图斑依次进行检测,最后剩余的区域极为车牌区域。实验证明该方法能够快速的查找到图像中车牌的位置,法计算量小,速度快。适合在实时性要求高的场合使用。     

一种自适应车牌图像定位新方法

针对不同尺寸车牌图像的定位问题,提出了一种新的自适应车牌定位方法.该方法首先根据车牌区域的共性来提取图像的纵向边缘;然后由车牌区纵向纹理和边缘密度等特征,采用一系列步骤自适应去除干扰边缘来保留类车牌特征区域;最后通过横向形态学运箅使类车牌区闭合,以有效地克服以往形态学结构元素难以随车牌尺寸变化自适应选取的问题;同时提出了根据场景实际情况,选用灰度调整和颜色来判别模块的观点.通过实际场景中大量车牌样本的验证结果表明,该算法不仅准确率较高,而且自适应性良好,具有实用价值.     

忆阻细胞神经网络在车牌定位中的应用

将新型的电路元件忆阻器与传统细胞神经网络相结合,构建出体积小、功耗低、计算速度快的忆阻细胞神经网络。用该网络实现对车牌图像定位的预处理,对应的计算机仿真结果验证了方案的有效性。提出的忆阻细胞神经网络将提高硬件电路实现的集成度,同时也有利于车牌识别速度和效率的提高。     

边框受损牌照的方位确定与字符分割

许多车主用不锈钢圈包护牌照,导致牌照的边缘遮没,字符与包围圈粘连.图像中牌照的方位确定、字符分割遇到困难.对此,提出基于动态RGB阈值的背景与字符分割方法,并结合hough变换和字符位置排列特征,较好地解决了上述问题.     

利用形态特征的汽车车牌图像分割方法

由于光照条件的不同，采集到的汽车图像背景复杂，车牌部分灰度变化不均，因此很难找到一种通用的汽车车牌分割方法．提出一种基于形态特征的汽车车牌图像分割方法．实验证明，该方法具有很强的抗干扰能力，算法简单、速度快，能有效地从复杂背景中将车牌字符分割出来．     

一种基于小波的快速车牌定位算法研究

车牌定位在车牌自动识别系统中占有非常重要的地位.在对小波的一些特性进行分析的基础上,提出了一种基于多分辨率分析的快速车牌定位算法.将分解出的高频图像经过后继处理即可定位出车牌,这种算法不仅提高了车牌定位的速度,而且大大提高了定位的准确率.     

基于神经网络的车牌识别技术的研究

汽车牌照识别技术研究与实现一直是现代化交通发展中倍受关注的问题,也是制约交通系统智能化、现代化的重要因素。本文深入研究了基于神经网络的识别技术,提出了一种基于多个神经网络的字符识别方法,实现了车牌字符识别。     

车牌识别系统中摄像头自动控制

车牌识别系统中,环境因素对图像的影响很大。如果视频监控设备可以根据不同的光照变化自动进行调节,保证全天候24小时都能达到良好的效果,那么将会更加完善智能交通系统,并使其发挥更大的作用。文章就摄像头自动控制提出了解决方法。     

基于图像处理的车牌识别研究

针对智能交通管理系统中的车牌识别问题,提出应用图像处理技术对汽车的牌照进行识别。车牌定位（LPL,License Plate Location）、车牌分割（LPS,License Plate Segmentation）、车牌识别（LPR,License Plate Recognition）是实现车牌识别系统的最主要的三个部分。先采用HSV模型和RGB模型识别与分割彩色图像,并初步定位车牌图像;再采用radon变换实现车牌的倾斜校正,用投影法对车牌进行定位和分割;最后通过语音读出识别到的车牌信息。通过MATLAB编程进行实验仿真,结果表明利用图像处理技术能够快速地识别出汽车牌照,是一种研究车牌识别的有效方法。     

一种快速的车牌定位与提取算法

针对现有的车牌定位的各种局限性,本文提出了一种基于图像二维区域能量的车牌定位算法,给出了该算法实用公式,并给出了基于图像能量的车牌提取算法以及车牌区域的验证方法。该方法充分利用了车牌的纹理复杂、对比度鲜明、外型规则等特征构造能量图像,并对原有的能量算法进行了改进。其明显的优点是可以避免直接对图像进行二值化时阈值难以确定的问题以及光照情况对颜色的影响。大量的实验表明,该算法不仅简单、快速、准确率高,而且对车牌区域的噪声有很好的抑制作用。