复杂背景下车牌的定位和字符分割技术研究

提出了一种基于数学形态学的多特征车牌定位方法和基于模糊模板匹配及垂直投影的字符分割算法,先通过形态学运算得到一系列候选区域,根据车牌的纹理特征从中找出车牌区域,再利用模糊模板匹配的方法找到字符区域,进而根据字符垂直投影进行单个字符分割.对大量的图片进行实验,结果表明该算法能够有效地解决复杂背景下车牌定位和字符分割困难的问题,具有较好的鲁棒性.     

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。     

从模糊集到直觉模糊集相似度的构造方法

直觉模糊集的相似度是直觉模糊集的一个重要研究内容。从模糊集相似度角度,提出直觉模糊集相似度的一些构造方法。基于模糊集的相似度得到直觉模糊集的隶属度与非隶属度的相似度,进而提出从模糊集相似度构造直觉模糊集相似度的方法;利用已有的模糊集相似度公式,得到了17个新的直觉模糊集相似度;通过一个例子演示新相似度在模式识别方面的应用。     

一种快速车牌识别系统

本文提出了一种基于模板匹配的快速车牌识别方法。该方法运用了数学形态学知识进行车牌的定位,然后采用基于模板匹配的相关函数做相似度测试,完成字符识别。经大量实验证明该方法能有效地完成不同解析度和不同模糊程度的车牌识别工作,而且识别精度高、速度快,能满足实际系统的要求。     

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.     

复杂背景下车牌定位方法的研究

为了提高复杂背景下车牌定位的准确性,在分析各类车牌定位算法的基础上,提出了一种结合纹理特征和视觉词包模型的多信息定位方法.对二值化后的图像中的纵向纹理横向膨胀,生成车牌候选区域,根据车牌的长宽比对车牌进行粗定位.利用视觉词包表示粗定位后的矩形轮廓,使用支持向量机分类确认车牌矩形区域,精确定位出车牌位置.该方法对140张测试样本定位的准确率为96.4%,抗干扰性强.     

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。     

一种新的汽车牌照字符切分算法

充分利用车牌字符的局部与整体特征,提出了字符串的车牌相似度概念．并在此基础上提出了一种新的车牌字符切分算法．该算法将搜索连通区域切分与投影切分结合起来,通过聚类分析,遍历各种切分的可能情况,最终按照车牌相似度最大的字符串完成字符切分．实验结果表明,该算法有很好的可行性和有效性．     

基于色彩转换和投影的车牌定位方法

为了设计出一种能够快速自动识别定位车牌的方法,首先对获得的彩色车牌图像进行灰度化和二值化,然后对经二值化处理的车牌图像进行水平和垂直投影,同时充分利用车牌的几何特征,共同完成车牌的区域定位。经VC＋＋验证表明,该方法定位速度快,定位精度较好。     

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.     

一种车牌识别系统的设计

基于像素精确定位方法来实现车牌定位,然后对车牌进行灰度化、二值化处理,避免了对整个汽车图像先图像处理后车牌定位的繁琐过程,将改进的模板匹配算法应用于字符识别中,最后,利用MATLAB的图形用户开发环境设计出了本系统的测试平台,经过大量车牌样本验证,该车牌识别系统准确率较高.     

采用低频浮动车数据的行程时间估计

为解决利用低频浮动车数据进行路径行程时间估计时精度不高的问题,从分析浮动车数据特征的角度出发进行行程时间分布的估计,提出并讨论利用浮动车数据估计行程时间的潜在误差,针对每种潜在误差提出修正模型,并选取上海市长寿路部分路段进行实证分析,利用1 500辆出租车数据,对各种修正方法下的行程时间进行估计,与改进内插值估计方法进行对比,并与车牌识别装置提供的直接行程时间估计结果进行相似性分析.结果表明:所有误差均修正的行程时间估计与改进内插值方法相比,平均估计精度提高9.5%,且估计的中位数、25%分位数和75%分位数与车牌识别方法有较高的匹配度.考虑低频浮动车数据误差修正的行程时间估计可以改善估计的精度,可提供有效的行程时间信息.     

基于数学形态学的汽车牌照提取算法

定位汽车牌照在车牌识别应用中是很关键的一步。提出了一种基于数学形态学的新方法。以车牌宽度和高度、车牌字符高度及字间宽距等信息为依据来设计一种新的结构元,通过对汽车边缘图像进行形态学运算,能从图片中得到包含汽车牌照的候选区域,最后,基于汽车牌照纵宽比等固有特征,采用连通域体态分析,对包含车牌的多个候选区域进行去伪,得到真正车牌区域。通过对大量汽车图片实验,验证了该方法的有效性。     

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。     

复杂背景图像中的车牌检测算法

针对在复杂背景图像中汽车牌照检测定位的课题,提出了一种基于可信度评价的汽车牌照检测定位算法。在对图像进行预处理后,算法利用车牌区域由于字符排列的规则性而在梯度图像上产生的特征,分割并提取出车牌可能存在的候选区域,然后根据汽车牌照的几何特征对每一个候选区域进行可信度评价并按一定的合并规则对候选区域进行合并,以获取更高的可信度,最后根据区域可信度值的大小确定车牌的位置。算法对于图像光照条件变化、视角变化而造成的车牌的倾斜和变形等情况都具有较好的处理效果。     

基于概率主成分分析的车牌提取方法

提出了一种新颖的采用概率主成分分析的车牌提取方法。该方法是一种基于纹理分析的图像分割算法，适合于彩色及灰度图像。实验表明，该方法能准确地提取图像中的车牌。     

车牌提取方法研究

提出了一种基于模糊边缘检测和纹理特征的牌照提取方法。首先由投影法确定车牌候选区域，然后由12个边缘模板计算每个候选区域中边缘两侧的平均灰度差，并作出灰度梯度的二维直方图。据此确定每个候选区域模糊边缘检测中广义渡越点的值。然后根据车牌区域特点来提取牌照。经测试，该算法简单快速、定位准确，为后继字符分割和识别做了较好的预处理工作。     

复杂背景下的车牌定位方法

首先用同态增晰方法,对包含车牌字符区域图像增强,压缩其他区域图像,然后用遗传算法搜索众多可能区域,并最终确定字符区域.实验证明该方法对复杂背景下的车牌图像定位具有简单、快速、抗噪声能力强的特点.