基于边缘统计和颜色特征的车牌综合自动定位方法

车牌识别在智能交通系统中起着重要作用，车牌定位是车牌识别中的关键步骤．本文提出一种基于车牌字符边缘统计和颜色特征的综合定位方法，可以有效地解决背景复杂的彩色图像中车牌定位的问题，该方法分为竖直边缘检测、边缘统计分析、车牌候选区定位、候选区筛选、车牌倾斜矫正，通过对垂直边缘的统计分析将邻近的边缘点进行连接，结合车牌的位置、颜色等特征对连接形成的块状区域进行筛选，而后对得到的车牌区域加以校正，最终输出易于分割的车牌字符图像．该系统包括从图像采集，到车牌分类、车牌文字区别等完整过程，适应性强．通过一系列实际采样图像的试验结果证明，该方法准确率高、鲁棒性好，能够满足实际车辆车牌自动识别系统应用的需要。     

车牌识别系统中车牌定位及倾斜矫正算法研究

为了提高车牌定位的实时性和有效性,利用车牌的几何特征和纹理特征,提出了基于边缘检测和投影法相结合的车牌定位算法.由于车牌图像摄取的特殊性,使得拍到的车牌图像有不同程度的倾斜变形,而倾斜的车牌很难被分割和识别,必须对车牌定位之后的车牌图像进行倾斜矫正,该文给出了基于Radon变换的倾斜矫正算法.实验结果表明该车牌定位算法和倾斜矫正算法都是快速有效的.     

基于颜色与投影特征的车牌定位

车牌定位是车牌识别系统的关键技术。定位的准确与否直接影响车牌识别的结果。本文根据车牌的颜色特征和投影特征提出了一种综合颜色特征和投影特征相结合的定位方法,算法分为粗定位和精确定位。该方法较单一特征的定位方法有较好的通用性,可适应于不同背景、不同光照下的汽车图像,能够确定出车牌区域,准确率得到了较大提高。     

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段：首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段：针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用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。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。     

一种基于多特征扫描的车牌快速定位方法

针对复杂背景下车牌图像定位不精确，定位时间长等问题，提出了一种快速实用的车牌定位方法。在对车牌图像边缘检测的基础上，实施图像二值化，然后对二值图像扫描，并利用车牌的位置尺寸信息和纹理信息缩小搜索范围。实现车牌快速准确的定位。实验结果表明，对不同背景、不同车型的汽车图像，该方法具有较好的定位精度和定位速度。     

一种基于二值图像灰度变化特征的车牌定位方法

本系统提出了一套简洁高效的车牌定位的方法。首先对图像进行预处理,提高图像的质量,强化图像区域;接着采用一种基于二值图像灰度变化特征进行定位的方法,根据灰度的跳变搜索车牌区域,再利用车牌几何形状的特点对候选区进行筛选,得到车牌位置。实验证明,该算法简单、高效、实用,定位速度快,对采集的图像数据库的实验效果较好,基本很少出现定位错误或切割掉有效边缘信息的情况。     

汽车牌照自动定位方法

汽车牌照定位是一个较难解决的图像分割问题.采用灰度图像分割、数学形态学、颜色搜索相结合的方法,进行汽车牌照定位,充分利用了颜色信息和牌照特点.实验表明,检测出的牌照区域准确率高,适用于任意背景、位置和光照下的牌照定位,且通用性较好.     

基于伴生与互补颜色特征的车牌字符分割新方法

针对车牌区域的伴生与互补的颜色特征，提出一套字符分割的新算法、该算法利用定位到的车牌区域的原始颜色特征，直接进行字符及背景的提取，完成2值化过程，避免了图像处理过程中带来的误差，因此产生的噪声较少；最后利用垂直积分投影进行字符分割．对200幅从交通卡口获取的真实的彩色图像进行试验，算法对车牌破损，污垢、铆钉及字符粘连、过饱和等造成的影响均不敏感，其准确性，鲁棒性及实用性均较好．     

一种基于HSV空间和纹理特征的快速车牌定位方法

提出了一种基于HSV空间和纹理特征的快速车牌定位方法。该算法利用车牌区域固定的颜色特征,可快速、准确地定位到与车牌颜色有关的区域。针对不同的背景和不同的车辆,抽取了150幅图片进行测试,定位成功率为97.6％,平均定时耗时为28ms。实验表明,该方法是一种在HSV空间利用颜色和纹理特征进行定位的算法,通用性强,灵活有效。     

复杂光照下的车牌定位方法

车牌定位是车牌识别系统的关键,为了提高复杂光照下车牌定位的效率,提出了一种基于车牌图像预处理和纹理边缘特征相结合的车牌定位方法. 在预处理过程中利用ＨＳＶ颜色空间中亮度和色度相互独立的特性,对图像进行亮度处理,得到了一幅有效去除背景干扰且亮度适度的二值图像;然后采用Ｃａｎｎｙ算子对车牌进行边缘检测,得到大致的车牌区域;最后对车牌分别进行水平和垂直投影,得到精确的车牌区域. 整个过程用Ｍａｔｌａｂ软件实现,结果证明该方法在复杂光照下具有较强的适应性与稳健性,有一定的实用价值.     

基于彩色信息和边缘特征的运动阴影检测

基于RGB彩色信息建立自适应背景模型,通过背景抽取检测快速运动目标,同时利用运动目标的边缘特征作补充,在色调、色饱和度、光强(hue,saturation,intensity,HSI)彩色空间,根据运动阴影的运动属性及自身的物理特性检测阴影,通过阴影的抑制进一步提高运动目标检测的准确性.实验结果表明,该方法能够有效地检测快速运动目标、抑制阴影、提高智能交通系统的性能.     

基于伴生与互补颜色特征的车牌字符分割新方法

针对车牌区域的伴生与互补的颜色特征,提出一套字符分割的新算法.该算法利用定位到的车牌区域的原始颜色特征,直接进行字符及背景的提取,完成2值化过程,避免了图像处理过程中带来的误差,因此产生的噪声较少;最后利用垂直积分投影进行字符分割.对200幅从交通卡口获取的真实的彩色图像进行试验,算法对车牌破损,污垢、铆钉及字符粘连、过饱和等造成的影响均不敏感,其准确性,鲁棒性及实用性均较好.     

采用改进HSI模型的车牌区域检测和定位方法

为研制高性能实时车牌照识别系统,提出一种基于改进HSI模型的车辆牌照检测技术,依据转换后的车牌图像纹理特征设计了基于人工神经网络和投影算法的车牌区域检测和定位算法.结果表明,静态图片实验定位准确率98%,车牌检测率91%,得到了很好的车牌定位效果,静态图像处理速度为0.032s/幅,证明提出的定位方法可满足实时系统对识别速度的要求.     

Harris角点检测与AP聚类结合的车牌定位方法

在车牌识别系统中,车牌的准确定位是关键,针对车牌区域包含有比较丰富的角点,提出了harris角点检测与AP聚类相结合的车牌定位方法.该方法先采用Harris算法检测出车牌区域的角点,然后对角点进行AP聚类并剔除包含角点数较少的类以及远离类中心的离群点,最后进行区域合并,根据车牌区域宽高比识别车牌区域.实验证明该方法能够快速、准确定位出车牌区域.     

车牌定位的研究与实现

针对车牌定位中存在的由于光线不足、环境恶劣、车牌背景复杂、车牌磨损等干扰因素导致的定位不准、车牌模糊等问题,提出一种有效的快速定位方法。该方法将图像预割和双边滤波用于车牌定位的预处理中,提高图片质量。然后对处理后的图像进行边缘检测,最后通过线扫描定位车牌。实验证明该方法能够准确快速的定位车牌。     

车牌定位算法研究

这里针对传统车牌定位技术中遇到的难点,提出了基于垂直边缘提取的车牌粗定位与行扫描再定位的车牌定位算法,并对算法的具体工作流程作了详细介绍。     

基于 Hough 变换及可信度的车牌旋转角度检测

车牌角度矫正是汽车牌照识别的一个重要步骤。采用Hough变换法检测车牌的倾斜角度。首先对汽车牌照图像预处理,再提取车牌上下边框的边缘信息,利用Hough变换对提取的边缘信息进行变换,从而获得车牌上下边框的拟合直线及其倾斜角度,并引入可信度,以度量检测结果的优劣,最终获得较精确的汽车牌照的倾斜角度。实验结果表明,该法抗干扰能力强,检测精度高。     

一种基于彩色纹理特征的车牌定位方法

准确快速的车牌定位是汽车牌照自动识别系统的一个重要环节．利用Roberts算子对车牌图像进行边缘检测,根据车牌的彩色纹理特征和灰度跳变特征,提出了一种基于彩色纹理特征的车牌定位新方法,利用采集的80幅车牌图像,在MATLAB环境下进行车牌定位实验,定位准确率达92．5％,实验结果验证了该算法的有效性和鲁棒性．