一种改进的Radon倾斜校正方法

车牌倾斜校正是车牌识别系统中的一项关键技术,校正效果将直接影响后续字符分割和识别的效果.为此,提出了一种改进的基于Radon倾斜车牌校正方法.该方法将车牌倾斜分成水平倾斜和垂直倾斜两部分.对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正.实验结果表明：该算法简单实用,能够准确地对车牌进行校正.     

基于先验知识的车牌垂直倾斜校正方法

提出了一种车牌垂直倾斜校正方法,首先通过垂直投影法粗定位字符区域,标记区域内最大连通域,然后寻找出原二值图中被标记的连通域部分的宽最短外接矩形,最后根据先验知识和仿射变换原理求出字符垂直倾斜角度,从而得到车牌的垂直倾斜角度。与已知的一些经典校正方法相比,该方法更加简单实用,能很好地满足工程需求。     

一种改进的车牌图像识别算法

提出了基于改进的边缘检测和数学形态学结合的车牌图像识别新方法.首先将采集到的彩色车牌图像转化为灰度车牌图像,然后利用Sobel算子进行边缘检测,接着对灰度化的车牌图像进行形态学的腐蚀处理,得到平滑图像的轮廓,再进行X方向的定位和Y方向的定位及区域校正得到车牌的区域.通过对车牌图像的二值化和形态滤波把车牌上的字符给有效分割出来,最后采用模版匹配的方法进行车牌字符的识别.从仿真的结果看:可以准确提取车牌位置的字符,字符识别的准确率较高,且识别的速度快.     

倾斜金标试纸图像的线宽测量方法

基于显微图像的金标试纸条测试线线宽参数的测量方法具备操作方便、测量速度快、分辨率高等优点,然而图像采集系统采集到的金标试纸条的显微图像不可避免地会发生倾斜,这为后续的图像分割和参数测量带来了困难,因此需要对倾斜的金标试纸条显微图像进行校正。根据霍夫变换法和最小二乘法在直线检测中的优点和适用条件,拟采用一种结合霍夫变换法和最小二乘法的直线检测算法来求得金标试纸条图像的边缘线和边缘线的倾斜角度参数,并采用图像旋转变换算法实现对原图像的倾斜校正。实验表明,所采用的倾斜校正算法具备计算量小、占用内存小、校正精度高的优点,通过倾斜校正可以准确测量倾斜金标试纸图像的线宽参数。     

基于多尺度小波变换的图像识别研究

车牌字符识别是智能交通中关键,而边缘检测是车牌字符识别的一个重要方面。本文基于matlab利用小波变换技术对现实环境中拍摄的车牌字符进行噪声处理,并作出图像的边缘检测研究,设计出适合车牌边缘检测的程序算法,该方法适合车牌字符的相关检测工作。     

基于改进Canny算子边缘检测和数学形态学的车牌定位算法

车牌识别系统已经成功进入智能交通领域,其中车牌定位是车牌分割和车牌识别能顺利展开的基础。首先使用边缘检测改进canny算子进行一次粗定位,大致确定车牌所在区域;再对边缘检测后的二值图像进行膨胀、腐蚀等一系列数学形态学操作,完成车牌二次精确定位。根据实验结果表明,这种算法能够避免一定的噪声影响,解决目标图像噪声干扰及边缘模糊的问题,具有一定的鲁棒性。     

一种基于边缘信息的车牌字符分割算法

提出了一种新型的基于边缘信息的车牌字符分割方法,首先对采集的彩色车牌进行灰度化,在去除噪声后,对车牌区域利用SUSAN算子进行边缘检测.通过垂直投影分割,确定字符区域的不同宽度,利用字符宽度的分类与区域前后文宽度的变化可降低误分割的概率.实验结果表明,采用该算法对车牌字符进行分割时,可显著提高分割的正确性.     

基于MATLAB的车牌识别系统设计与实现

针对复杂的高速交通系统，设计了一套基于MATLAB的车牌识别系统，采用数字图像处理技术，自动识别车牌图像中的牌照信息，让交通系统实现数字化。具体过程是先对采集到的车牌图像进行灰度化，再进行边缘检测、形态学处理等，完成车牌的两次定位，成功后再进行倾斜校正、二值化、反色、字符分割，最后用模版匹配法对车牌字符进行识别。从实验结果看，该系统准确定位车牌并能准确快速地识别出车牌号码，实时性和实用性都较好。     

基于车辆轮廓对称与车牌定位信息融合的车辆检测方案(英文)

为了有效地定位交通监控图像中的车辆区域,提出了一种基于车辆轮廓对称和车牌定位信息融合的车辆检测方法. 该方法首先检测图像中的车辆轮廓竖直对称轴,然后以车辆轮廓对称轴位置为基准检测车牌水平和竖直对称轴,最后根据车牌横纵对称轴和车辆轮廓图像的水平、竖直投影进行车辆区域定位. 以450 张 15 类车型的图片为测试集进行了基于对称特征融合的车辆区域检测,并与基于车辆边缘、车牌、车辆纹理特征和车辆图像 Gabor 特征的 4 种方法进行了对比,实验结果表明基于车辆轮廓对称与车牌对称特征融合的车辆区域检测方法最优,其检测率和检测时间分别为 90. 7%和 125 ms.     

基于颜色特征与模板匹配的车牌识别系统设计与实现

为实现对国内蓝底白字车牌的快速识别,提出一种基于颜色特征与模板匹配的车牌识别系统。通过分析长宽比、白色比例对车牌候选区域进行多次筛选以检测车牌位置,然后对车牌区域进行图像灰度化、倾斜校正、二值化、擦除反色与裁剪后,利用垂直投影分割出字符,最后通过比较字符图像与模板字符的相似度识别出字符。通过对400张不同颜色和背景条件下的车辆图像进行测试,系统处理时间为1.97s,识别正确率达到92%。