一种基于Adaboost的车牌定位算法

针对成像过程的光照影响以及车辆的污损对车牌定位影响较大的情况，提出了一种基于Adaboost的车牌定位算法.该算法首先将车牌彩色图像进行预处理，然后使用Adaboost算法进行车牌定位，最后使用车牌颜色模型对车牌定位结果进行校验.相对于目前用于车牌定位的方法，该算法具有较快的定位速度和较高的准确率.实验证明，采用该算法能获得较好的车牌定位效果，鲁棒性强，具有较大的实用价值.     

基于车牌颜色变化剧烈特征的彩色车牌定位新方法

车牌定位是车牌识别的首要问题,目前已实现的定位主要局限于灰度图像,且定位效果较易受阴影和光照等条件的影响.为解决此问题,笔者提出加强车牌区域、找出变化点并扩大的方法.该方法首先根据HLS模型对车牌区域进行了颜色加强,然后根据车牌区域颜色变化频率快、车牌宽高信息等特征对车牌进行判断.该方法定位准确率高,适于各种光照条件.     

基于颜色和纹理特征相结合的车牌定位方法

车牌定位是车牌自动识别系统中的关键技术.目前多数的车牌定位方法考虑车牌的颜色以及纹理特征,但针对复杂背景下的车牌定位问题,其适应性不强.针对现实生活中复杂背景下的车牌定位,提出综合使用纹理信息及颜色信息等多种特征的分层次车牌快速定位方法.首先在图像的二值垂直边缘图中,利用车牌区域的边缘信息及车牌的纹理特征进行车牌候选区域的确定,在降低算法复杂度的同时提高了定位精确性,然后结合先验知识,运用四元数主成分分析及K-means聚类方法,提取候选区域图像特征并分类,最终得到精确车牌定位.试验证明该方法正确率高、鲁棒性强,对于背景复杂的车牌定位具有很强的抗干扰性能,在复杂的环境和不同光照条件下实现车牌的精确定位.     

基于灰度跳变与形态学的车牌定位法

车牌定位是车牌识别系统的关键步骤,定位的准确与否直接影响车牌识别的结果.提出了一种基于灰度跳变与形态学的定位方法.对于车牌候选区的二值图像,根据车牌的水平分布特点,从长宽之比、面积之比等多个方面进行综合分析,从而可以更加精确地对车牌进行识别.实验验证表明,基于该算法的车牌识别系统能够达到较高的车牌识别率.     

基于FPGA的车牌识别算法研究

车牌自动识别系统在实现智能交通系统方面发挥着重要作用,整个系统包括车牌定位、字符分割和字符识别三部分.本设计先确定车牌在获取图像中的具体位置,从而把车辆牌照定位出来,进而对车牌用局部投影的方法进行字符分割,最后采用模板匹配法进行车牌字符的识别.本文提出的方法具有实时采集视频图像,车牌定位准确,分割及识别效率高的优点.     

基于最大梯度差和边缘搜索的车牌定位方法

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.为了实现车牌的准确定位及车牌识别,依据车牌区域具有丰富的边缘信息,提出了一种改进的车牌定位算法.利用最大梯度差缩小车牌图像范围和矩形匹配法粗定位车牌,根据搜索车牌的边缘信息来精确定位车牌.实验结果证明了该方法的可行性及定位的准确性,并且比单一使用最大梯度差法的定位准确率有较大的提高.     

像素连接车牌定位技术的研究

车牌定位作为车牌识别的先导部分,其准确性决定了车牌识别系统的可靠性.现有车牌定位技术对融合后的图像进行形态学操作时,存在结构元素大小不易控制,并且若车身有着与车牌同样的颜色,形态学膨胀容易造成两者相连接的问题.针对该问题,提出了像素连接的车牌定位方法,达到较好的车牌识别边缘检测效果.     

二次定位车牌分割及识别方法

智慧城市建设中,需对重点街道和路口采集到的交通视频文件进行智能分析.为此,提出一种二次定位车牌分割、识别方法.首先,利用垂直投影区域特征并结合Hough变换得到车牌的粗略定位分割结果;然后,基于该车牌图像的粗略定位分割结果,采用支持向量机的方法,进行车牌的精细定位分割并对车牌号码进行自动提取、识别.通过对多源车流量视频实验数据中的1680帧车牌图像进行自动车牌提取分析,在5°和10°两个倾斜角度,二次定位车牌识别方法的准确率分别达到96.7%和96.2%,优于相关算法.     

一种改进的车牌定位方法在车牌识别系统中的应用

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,目前车牌定位的方法多种多样,各有所长,但是存在着计算量大或定位准确度不高等问题.尝试使用梯度投影与彩色区域分割相结合的方法来实现车牌识别系统中的关键步骤——车牌定位.实验结果表明此方法算法简单、准确率高、实时性好,能够满足实际车辆车牌自动识别系统应用的需要.     

基于灰度图像及其纹理特征的车牌定位算法

车牌定位技术是车辆牌照识别系统和智能交通系统的关键技术之一,基于灰度图像的车牌定位算法,通过利用车牌的纹理特征,实现车牌定位.该算法就图像灰度化、灰度拉伸、二值化、边缘增强、水平及垂直投影定位的方法进行了详细阐述,并根据实验结果对算法的准确性进行了说明.     

纹理分析车牌定位方法的研究现状及展望

作为智能交通系统的核心技术之一,基于机器视觉的车牌识别一直受到广泛的关注.车牌定位是车牌识别的重要步骤,其目的是确定车牌在图像中的坐标位置,从而剔除大部分的噪声区域,仅保留包含车牌的子区域.目前,纹理分析是车牌定位最基本也是最重要的手段.该文首先介绍了纹理分析车牌定位方法的研究成果,然后总结这些方法的不足,展望了下一步的研究方向.     

基于纹理特征的自适应车牌定位方法

车牌定位是智能交通管理中一个重要的环节,通过提出一个运算简单、运行速度快的车牌定位方法,使用自适应灰度差阈值生成二值图,它是纹理清晰、边缘表现突出,且夜晚图像也能生成效果较好的二值图.在车牌定位的步骤中,通过对二值化后车辆图像特征的分析,采取了图片自下而上扫描,对扫描行连续跳变点数目进行计数,并设置跳变点间最大间距、车牌有效行数和区域长宽比,准确地找出图片中车牌的位置.     

基于边缘检测及灰度跳变的车牌定位算法研究

为了能在复杂背景及不同光照条件下准确地定位出车牌,提出了一种基于边缘检测和灰度跳变的车牌定位算法．该算法首先对获取的图像进行灰度化、图像二值化等预处理操作,提高图像质量,突出车牌信息,接着对车牌图像进行边缘检测,在此基础上采用水平方向和垂直方向上的灰度跳变统计来确定车牌区域的上下边界和左右边界,从而实现车牌定位。实验结果表明,该方法可以比较准确、快速地实现车牌区域的定位．     

一种基于SIFT特征提取的车牌定位方法

针对传统车牌定位算法对车牌图像质量要求较高、鲁棒性较差、准确率较低等不足,提出了一种基于尺度不变特征（SIFT）特征提取的车牌定位新方法．它利用车牌中汉字字符的局部特征属性,以SIFT特征提取方法进行抽取,并用之构建特征模板库,然后把待识别车牌图像的SIFT特征与之相匹配,用RANSAC算法剔除误匹配点后,便得到仿射变换矩阵,从而实现对车牌较准确的初定位和初倾斜校正．进一步对提取的车牌区域图像二值化,用Radon变换求得倾斜角度后,可生成精确的仿射变换矩阵,并实现对车牌的精确定位和倾斜校正．实验表明：与传统算法相比,本方法不仅能够实现准确的车牌定位及倾斜校正,而且对图像亮度、污损、倾斜、尺寸变化等具有良好的适应性和鲁棒性．     

基于区域最大有效信息量的牌照定位新方法

汽车牌照定位的效果直接影响车牌识别系统的工作性能。为了提高定位的准确性,在对现有牌照定位算法的研究和分析的基础上,结合实际工程实例,提出了一种基于区域最大有效信息量的车牌定位新方法,该算法提取图像的垂直信息,通过阈值判断准确定位车牌区域。并使用在不同光照情况下,不同种类车牌图像对该算法进行实验。实验结果表明,该新方法不仅具有良好的定位能力,而且定位速度快,定位准确率高。     

基于边缘分析和纹理信息统计的车牌定位研究

车牌定位是车牌识别技术的关键环节之一。对车辆图像进行边缘分析二值化处理,再结合纹理统计进行车牌定位,可以克服复杂背景的弱边缘信息和干扰噪音所带来的影响,较好滤除可疑车牌区域。实验结果表明,使用该方法可以较好的实现车牌定位。     

一种基于粗细定位相结合的车牌定位方法

对车牌区域的准确定位是实现自动车牌识别的一个重要步骤。首先对香港车牌进行粗定位,得到一些可 能的车牌区域,然后确定这些区域的精确范围,同时去除部分伪车牌,在字符提取和字符识别时进一步去除伪车 牌。迭代反馈处理所有精确范围区域后!得到真正的香港车牌区域。