基于快速广义Hough变换的倾斜车牌定位

提出一种倾斜车牌定位算法。算法使用快速广义Hough变换检测车牌倾斜角度,并检测出倾斜车牌在图像平面中的长宽比例和车牌位置,定位出倾斜车牌。仿真实验表明该算法能正确定位倾斜车牌。     

一种精确高效车牌定位算法

车牌自动识别是现代智能交通的重要组成部分,而车牌定位技术又是车牌识别系统的核心技术之一。本文提出一种精确高效的车牌字符定位算法,该算法采用差分来描述灰度变化进行初步定位,并对不同类型的车牌使用不同的二值化处理方法。实验表明,该算法快速有效。     

基于模糊边缘检测算法的车牌定位

车牌定位是自动车牌识别系统的一个关键步骤,车牌定位结果直接影响对车牌的最终识别效果。因此为了保证实际应用中车牌的识别准确率,文中提出了一种新的车牌定位算法,该算法利用一种改进的快速模糊边缘检测算法来进行车牌图像的边缘检测,得到整个原车牌图像的边缘图像,然后基于边缘图像的丰富的边缘信息设计一个高效、准确的车牌区域定位算法,检测出车牌区域。实验结果表明:算法定位速度较快、准确度较高,具有良好的应用前景。     

利用伴生与互补颜色特征的车牌定位新方法

车牌定位是车牌识别系统的关键技术,车牌定位的准确与否直接影响车牌识别的结果。车牌区域的颜色特征是车牌的重要信息,针对车牌区域的颜色特征,论文提出了一套利用车牌区域的伴生与互补特征进行定位的算法。该算法利用车牌区域的颜色特征,快速定位到与车牌颜色有关的区域;然后利用车牌区域伴生与互补特性快速去除具有与车牌区域相同颜色的其他非车牌区域;最后使用投影积分进行车牌的精确定位。通过对200幅从交通卡口获取的真实的彩色图像进行试验,准确定位率为98%。     

车牌定位及倾斜矫正方法研究

为提高车牌定位的有效性和准确性,利用车牌的纹理特征,提出基于边缘检测和形态学运算相结合的车牌定位算法。在摄取车牌图像的过程中,会因为各种原因导致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,必须进行倾斜矫正,使用了基于Hough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快速有效。     

基于模糊边缘检测算法的车牌定位

车牌定位是自动车牌识别系统的一个关键步骤，车牌定位结果直接影响对车牌的最终识别效果。因此为了保证实际应用中车牌的识别准确率，文中提出了一种新的车牌定位算法，该算法利用一种改进的快速模糊边缘检测算法来进行车牌图像的边缘检测，得到整个原车牌图像的边缘图像，然后基于边缘图像的丰富的边缘信息设计一个高效、准确的车牌区域定位算法，检测出车牌区域。实验结果表明：算法定位速度较快、准确度较高，具有良好的应用前景。     

一种新的快速自适应车牌定位方法

针对现存车牌定位方法自适应性差和鲁棒性不强的情况。本文提出了一种新的快速自适应车牌定位算法．此算法结合图象中车牌区域的纹理特征、灰度和边缘投影信息定位车牌。经对不用场景、不同光照、不同车型的汽车图象的实验表明该算法具有快速，鲁棒性强，自适应性好的优点。     

基于DCT域的公路车牌定位算法

车牌定位是将车牌区域从车辆图像中分割出来,是车牌识别的基础.本算法首先通过对图像进行离散余弦变换(DCT),得到DCT系数,之后计算提取出一种基于加权频率的新特征,采用自适应阈值法,实现车牌区、非车牌区的快速分割,再经平滑滤波之后,利用投影法实现车牌区域的定位.实验结果表明该算法准确率较高,有利于实现复杂背景中车牌区的快速定位.     

基于简化PCNN的车牌定位算法

为了提高车牌定位效率,提出一种混合简化脉冲耦合神经网络(PCNN)和快速连通域标记的车牌定位算法。基于简化PCNN进行图像增强,利用车牌字符的连通域特征、纹理特征和结构特征对增强后的二值图像进行过滤、筛选,得到图像中大致车牌区域,再对所得区域左边界起始的左扩展区域做垂直投影,确定车牌中汉字区域,从而定位车牌。实验结果表明,该算法性能优于其他车牌定位算法,其定位准确率为97.5%。     

基于颜色特征的车牌快速定位

提出了一种基于颜色特征的车牌快速定位算法,该算法充分利用车牌颜色相对固定的特点,首先根据原始图像得到一组特定的色彩距离图谱,通过自适应熵阈值的选取快速分割出车牌的候选区域,然后再根据车牌的纹理特征对候选区域进行筛选以得到车牌的精确位置。针对不同的背景和不同种类的车辆,抽取了3106幅图片进行测试,其中有69幅图片未定位出车牌,定位成功率为97.8%,平均定位耗时为29ms。     

结合深度特征迁移与融合的两阶段船牌定位算法

获取运河过往船只的身份信息具有重要意义,快速、准确地定位船牌是实现船只身份自动化识别的首要任务.为提升对小尺度船牌的检测性能,提出一种结合深度特征迁移与融合的两阶段船牌定位算法.首先在船只检测阶段,通过迁移学习构建船只检测模型,获取图片中船只区域的位置信息;然后在船牌定位阶段,提出基于特征融合策略的多尺度船牌定位网络,在上一阶段的基础上对船牌进行定位.在SLPLOC船牌定位数据集上的实验结果表明,相比其他算法,该算法能够有效地减少误差,提升精度值和召回率.     

基于CNN彩色图像边缘检测的车牌定位方法

针对现有车牌定位算法准确率不高、步骤多和速度慢等问题, 提出一种彩色图像车牌定位方法(License plate locating based on CNN color edge detection, LPLCCED). 首先利用细胞神经网络(Cell neural network, CNN)模型导出一种与车牌颜色特征相结合的车牌定位专用边缘检测算法, 将车牌的颜色对约束条件融合到边缘检测算法中, 本文专用边缘检测算法可以大大缩小车牌初步定位的范围. 接下来提出一种针对车牌特征的边缘滤波算法, 最后根据车牌结构和纹理特征对候选区域进行判别验证. 该流程的各个环节都可以通过硬件实现, 为面向智能交通领域的实时车牌识别系统的前期车牌定位处理提供了依据.     

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。     

基于数学形态学和Hough变换的车牌定位算法

针对复杂环境下的车牌定位率较低的问题,提出了一种基于数学形态学和Hough变换检测车牌区域的方法。首先,对车牌图像进行图像预处理,然后,利用数学形态学的高帽变换突出车牌字符区域,并对图像进行边缘检测和连通区域分析;最后,结合Hough变换和车牌的先验知识实现车牌的精确定位。实验结果表明,针对不同复杂背景下采集到的车辆图像,该算法具有很强的鲁棒性,准确率达97.3%,能够满足现代智能交通系统对车牌定位准确性和实时性的要求。     

基于扩展数学形态学的车牌定位算法

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,目前车牌定位的方法多种多样,各有所长,但存在着计算量大或定位准确率不高等问题。边缘检测是常用的车牌定位方法,边缘检测的质量决定了车牌图像的最终定位结果。一般人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘检测带来了困难。根据数学形态学原理与方法,提出一种扩展数学形态学车牌图像边缘检测算子,并结合水平和垂直投影进行车牌定位。实验结果表明,该算法不仅能成功提取车牌图像边缘,而且能很好地滤除噪声,从而实现准确车牌定位。     

复杂图像中的车牌定位算法①

针对复杂车辆图片中的车牌定位与分割,充分利用了车牌区域的高频特性和底色特性,提出一种梯度边缘检测与彩色分割相结合的综合性算法,能够对诸多干扰因素影响下的车牌进行精确定位与分割。实验表明该算法准确、可靠。     

自适应遗传算法在车牌定位中的应用

车牌自动识别是现代智能交通的重要组成部分,而车牌定位技术又是车牌识别系统的核心之一。由于传统的定位算法存在适应性差,鲁棒性不强的问题,提出一种基于自适应遗传算法的车牌定位方法。先用最大类间方差法(OTSU)对车牌图像进行二值化,然后利用遗传算法对全图进行车牌特征匹配搜索,结合区域特征向量构造的适应度函数,最终找到车牌区域的最佳定位参量。测试结果表明,该算法适应性强,定位效果很好。     

复杂图像中的车牌定位算法①

针对复杂车辆图片中的车牌定位与分割,充分利用了车牌区域的高频特性和底色特性,提出一种梯度边缘检测与彩色分割相结合的综合性算法,能够对诸多干扰因素影响下的车牌进行精确定位与分割。实验表明该算法准确、可靠。     

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。