基于分块思想的汽车牌照定位算法研究

改进了基于分块思想的汽车牌照定位算法. 首先将图像等分成若干个子图像, 利用子图像内车牌水平边缘密度的聚集程度分割图像, 保留可能的车牌区域, 并进行区域合并. 由于车牌中号码基本均匀分布, 其号码边缘所占有的面积与整个牌照面积的比例在一定范围内, 对于牌照区域内的子图像也会具有同样的比例. 当采集距离造成牌照尺寸发生变化时, 其比例值会仍在设定的范围内, 可适应车牌大小不同的情况, 同时, 由于以块方式搜索, 速度明显加快.     

汽车牌照定位算法研究

车牌定位是牌照自动识别系统中最为关键的环节,也是栓验牌照自动识别系统优劣的重要技术指标.通过对近年来众多学者、专家提出的新方法、新思路进行探讨和研究,结合国内汽车牌照的纹理特点,进行全面、深入的剖析,旨在探求通用的定位算法.     

车辆牌照检测关键算法研究

对车牌识别系统中的图像预处理和车牌定位等环节涉及到的关键技术、算法进行了分析、设计和改进,提出了一种简单高效的车牌检测算法。     

基于形态学边缘检测的超速车辆牌照定位方法

在复杂背景下,实现牌照的快速定位是目前车牌识别领域亟待解决的同题.针对超速车辆抓拍图像的特点,以数学形态学为理论基础,进行边缘检测区域选取.通过实际工程运用,表明该方法具有稳定和适应性好的优点,能够精确定位牌照区域.     

车辆牌照定位算法研究

车牌定位是车牌自动识别系统中的一个关键问题。提出了一种简单高效的车牌定位算法。在分析车牌图像的特征后,先利用一系列图像处理,然后进行模糊模板匹配,最后对匹配到的车辆牌照候选区分别加以验证,即得到确切的车辆牌照子图像区域,大量实验数据和现场测试证明,车辆牌照图像定位准确率达96％,取得了很好的系统性能和实效。     

车辆牌照自动提取算法的研究

车辆牌照的自动识别是智能交通系统(ITS)中的关键技术,而车牌定位是车牌识别技术的关键点。该文提出一种两步定位的方法来解决这一技术难题:首先利用图像的边缘信息进行水平定位,然后利用颜色信息进行二次定位。通过该算法提取出的牌照区域准确率高,对光照变化的适应性好,且通用性好。     

一种完整的汽车牌照识别算法

以快速准确识别汽车牌照号码为目的,在充分利用牌照纹理特征和投影特征的基础上,运用灰度变换、边缘检测、形态学处理、Hough变换、二值化处理等多种图像处理方法,分牌照定位、字符分割、字符识别三步实现汽车牌照的识别,在处理过程中考虑并解决了现实拍摄的图像中可能存在的噪声污染、牌照倾斜、牌照颜色多样化、光照不均等不利条件;整个识别过程在VC++环境下编程实现,经对多幅图片的处理实验表明,该系统运算速度快,识别率高。     

一种基于纹理模式的汽车牌照定位方法

针对车牌区域内字符串具有丰富的纹理特征,采用纹理模式分析方法,充分利用这些纹理特征,突出车牌区域,削弱伪车牌区域。提出了一种基于纹理模式的车牌定位方法。试验结果表明,此方法能较准确地定位车牌,便于进一步的车牌字符分割。     

基于边缘检测的车牌定位方法

根据图像处理理论基础知识和现有技术基础上,对现有定位的算法进行了分析,提出了基于边缘特征的车牌定位方法。经试验验证,结果表明所用方法是有效的,该方法提高了定位准确率,也缩短了定位所用时间,达到了预期目的。     

基于小波变换的车辆牌照定位研究

车辆牌照的准确定位是智能交通中车辆牌照识别技术的关键,提出一种基于小波变换的车牌质心定位方法,该方法可以很好地解决复杂背景与光照下的车牌定位.经过小波分析的车牌图像利用数学形态学进行车牌特征提取,对特征提取后的车牌图像采用连通区域质心的方法对车牌进行定位,最终得到车牌的准确区域.实验结果表明,该方法能够实现车牌的快速准确定位,是一种有效的车牌定位方法.     

基于边缘检测和颜色纹理直方图的车牌定位方法

针对已有车牌定位算法在分辨率高、背景复杂图像上存在准确率下降的问题,提出了一种基于边缘检测和颜色纹理直方图的车牌定位算法。该定位算法分为两个阶段：首先利用结合了Canny和Sobel算法的改进边缘检测算法提取图像的垂直边缘,并结合滤波、投影等方法进行车牌粗定位;然后提取候选区域的颜色纹理直方图,与训练好的分类器进行匹配,实现车牌的精确定位。实验表明,该方法对于背景复杂、光照不均等情况均有良好的鲁棒性,在白天和晚上都能取得较好的定位效果。     

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。     

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。     

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。     

基于数学形态学及车牌综合特征的车牌定位算法

车牌定位是车牌识别系统中的关键步骤;利用车牌图像区域丰富的边缘信息以及车牌本身的特征,提出一种实用而有效的车牌定位方法;首先,将原始图像转换到灰度空间上,利用车牌丰富的图像边缘特征信息和数学形态学操作对图像进行粗定位;然后,根据车牌本身的特征量化5种不同的特征,通过贝叶斯分类器的训练,实现对车牌区域的精确定位;最后,通过实验对1500幅彩色图像进行测试,其有效率可达95.20%。     

基于字符检测的车牌定位方法

提取车牌字符的Haar特征作为输入,通过级联的神经网络分类器对其进行识别,以定位车牌字符的位置,并根据所得车牌字符位置的相对关系确定车牌位置。该方法不需要进行倾斜矫正,减少了车牌定位后进行字符分割时的工作量。实验结果表明,该方法能准确快速地定位并分割车牌。     

基于改进的形态学二分法的车牌定位方法

本文提出了一种基于多方位多尺度多结构元素的形态学二分法的车牌定位方法.该方法可以提取不同形态及不同大小的边缘,有利于提取细节信息和保持图象完整边缘轮廓.实验结果表明,该算法定位准确率高,适应性强,鲁棒性较高。     

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。     

基于自适应性的车牌定位新方法

图像中汽车牌照定位的准确与否,直接关系到自动车牌识别系统的整体性能。考虑由于时间和气候光照特性不同造成车牌图片清晰度的明显差异,提出一种新的自适应动态阈值车牌定位的算法。该方法首先分析图像的清晰度。将图像的白点数固定在一个与差分均值成正比的比例值内。然后,去除离散噪声。针对车牌区域的行和列有不同的特征,用不同的方法进行车牌横向和纵向区域的精确定位,最终找到目标车牌区域。实验显示。该方法对车牌定位的准确率达到98．7％。