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.     

基于形态学的车牌定位方法研究

针对复杂背景的车牌定位问题,提出了一种基于形态学的车牌定位算法.数学形态学是一种应用于图像处理和模式识别领域的新的方法,其基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的.[1]     

基于改进 K 近邻算法的小型汽车号牌识别系统

为了对现有小型汽车号牌识别系统进行优化,改善车牌字符识别系统性能,借助 OpenCV 图像处理开源库,在车牌图像预处理阶段采用均值滤波方法提高图像质量,采用 Sobel 边缘检测算子对图像边缘进行提取,利用交替的膨胀、腐蚀操作结合车牌长宽比实现车牌轮廓定位,并根据列像素值对车牌字符进行切割,最后采用改进的 K 近邻算法对分割后的单个车牌字符进行识别。实验结果表明,基于改进 K 近邻算法的车牌识别系统处理时间为 2.08s,识别正确率达 91.3%。与传统的 K 近邻算法相比有着更高的识别率,与神经网络法相比,有着更快的识别速度。     

基于形态学和SUSAN算子的车牌定位方法

车牌定位是智能交通管理中车牌识别的重要环节,文章首先对车辆图片进行预处理,先用自适应阈值的SUSAN算法获取车辆边缘,再根据数学形态学去除边缘图片中的噪音点和无关边缘,突出车牌区域的特征,最后根据水平扫描和投影法确定车牌位置。实验证明,该方法能有效定位含噪声点的车牌图片,定位准确。     

基于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,为了能对汽车牌照精确定位,提出了一种基于数学形态学的车牌定位方法.首先利用中值滤波方法对汽车图像进行消噪处理,然后用迭代阈值选择法将图像进行二值化,并运用数学形态学的膨胀、腐蚀对二值图像进行处理,得到几个车牌候选区,然后利用面积、长宽比以及垂直投影特征值等进行综合分析,准确定位车牌区域.实验结果表明,该方法简单易行、准确率高、并且具有一定实效性,可用于对实际车牌图像的准确定位.     

基于车牌识别+移动支付的高速公路收费系统设计与实现

为提高高速公路通行效率,在原有收费系统基础上提出基于“车牌识别+移动支付”的高速公路收费系统,无需额外安装设备即可实现不停车收费。系统核心技术为车牌识别与移动支付。车牌识别采用小波降噪技术对图像进行降噪处理,采用数学形态学方法进行车牌定位,采用垂直投影法进行字符分割,采用 ORC 算法进行字符识别|移动支付通过调用第三方支付平台（微信或支付宝）接口方式实现。对车牌图像进行降噪处理后,车牌识别正确率达到 96%,比未降噪处理提高 3%|与 ETC 收费车道相比,从该系统入口车道通行时间缩短7 秒,出口车道缩短 8 秒,试验结果表明该系统提高了高速公路通行效率。     

基于MATLAB的车牌识别系统研究

为了提高车牌识别准确率,以MATLAB为平台,对车牌识别系统部分算子选择及算法进行调整和优化。在具体处理中,通过灰度拉伸、顶帽变换、二值化等实现车牌预处理,用边缘检测、形态学处理等实现车牌定位,通过多种算法对比选择合适的车牌矫正方法,结合车牌垂直投影法、模板匹配法完成车牌识别系统设计。该系统对车牌识别的准确率由96.5%提升至97.5%,识别效果较好。     

基于粒子图像相关测速技术车牌定位算法的研究

本文介绍了一种基于粒子图像分布相关法测速原理的车牌定位算法,根据车牌字符笔画两个边缘互相关值最大这一特征,利用粒子图像分布相关法测速原理快速定位车牌,并针对相关法运算量大的特点提出了改进方法。同时,还探讨了自然条件下光照不均的车牌图像预处理的改进措施。     

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。     

基于改进的数学形态学边缘检测算法研究

研究了彩色图像边缘检测问题。针对传统边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等情况,提出了基于数学形态学彩色图像边缘检测改进算法。该方法将利用数学形态四运算,即膨胀、腐蚀、开、闭等变换以及它们的组合,并根据不同的结构元素的尺度大小和结构元类型,给出了一种改进的形态学抗噪型边缘检测算子,有效地检测出完整的图像边缘信息,并保持图像边缘的平滑性。实验结果证明了,与传统的边缘检测算法相比,本文提出的算法能有效提取准确的边缘信息,而且又具有很强的抗噪性,是一种有效的边缘检测方法。     

基于有色点对搜索的车牌定位算法

研究车牌识别定位算法问题．传统的车牌设识别定位算法的识别精确度难以满足现实在交通管理和流量监测中的应用,存在车牌图像定位的精度不高等问题．为解决上述问题,在对车辆图像预处理基础上,提出一种基于有色点对搜索的车牌定位算法．基于车牌图像颜色特征,选取适合的颜色模型进行车牌提取．用有色点对算法搜索出符合车牌字符特征的候选区域对车牌进行粗定位,最后对候选区域进一步分析准确定位出车牌．通过研究表明,该算法具有较高的准确率．     

基于米字型结构元的形态学边缘检测算法研究

形态学衍生于集合论,其核心思想是通过将不同大小、方向和结构的元素放入图像中,进行形态学变换运算来对图像进行边缘检测.为了解决噪声等一系列问题,研究者们将形态学中的各种算法组合起来,形成了诸如多结构元、多尺度法的形态学边缘检测算法,每种方法都提高了抗噪性和精确性.本文提出了多尺度米字型结构元改进形态学边缘检测算法,以不同尺度的米字型窗口结构元和改进形态学相结合来达到图像边缘检测的算法.米字型结构元保证各方向信息的基础上,当结构元扩大的过程中相较于传统方形结构元,有效地减少了运算量.与之前的形态学边缘提取算法相比,对于含噪声的图像的边缘提取效果和运算时间都有一定的提高.     

基于小波变换的车牌定位算法研究

文中提出了一种基于小波分析的车牌定位算法．根据图像中车牌的形态特征和横向纹理属性,提取图像高频（LH）小波系数的均值、能量、熵等作为分类特征,同时通过形态学算法对车牌候选域和非车牌域进行聚类,并运用相关的先验知识对车牌候选域进行优化．实验结果表明,文中提出的车牌定位算法是一种切实可行、准确高效的方法,该算法对复杂背景下拍摄的汽车图像具有很好的鲁棒性．     

纹理方向与边缘特性相结合的车牌定位方法

针对道路车辆的车牌信息提取问题,提出了一种基于纹理方向与边缘特性相结合的车牌定位方法.利用梯度方向场对获取原图像进行计算,从而得到纹理方向图;融合纹理方向图和二值图像通过区间判定边缘信息的方法确定候选区域及车牌区域;采用改进的区域标记方法实现车牌的准确定位.实验证明此种方法定位速度快、准确率高,具有很高的鲁棒性.     

图像复原技术在车牌定位中的应用研究

主要对车牌定位预处理中的去噪、去模糊进行研究,简述图像退化、噪声滤除、运动模糊复原相关算法的研究和应用,借助MATLAB实验仿真软件对提出的算法进行实验研究。分析实验结果,提出对图像复原算法维纳滤波的改进;对比分析复原前后的车牌定位结果,突出车牌定位预处理(图像恢复)在车牌定位中的重要性。     

基于大数据标签与机器学习的车牌识别算法

为了提高机器学习算法对实际场景中车牌识别能力,克服天气、车牌种类对识别的干扰,以实际场景拍摄的车牌为识别对象,设计并开发了一种基于大数据标签与机器学习的车牌识别系统。首先,在不同启用场景、不同天气下采集两万帧车牌,涵盖各省市汽车,作为大数据标签和学习基础,建立车牌图像和车牌文字字段的训练集数据库;然后,利用图像降噪、自动阈值分割、形态学处理以及边缘检测,完成车牌定位与分割;随后,通过建立支持向量机与随机森林分类器,对训练集样本进行模型学习,完成机器学习算子,完成针对车牌的最终识别;最后基于Windows系统、C++语言与OpenCV开源学习框架,编码实现算法和系统。经过与对照组的对标测试,所提算法具有更高的车牌识别能力。     

基于多层边缘约束与区域合并的部分遮挡车牌定位方法

针对现有方法对遮挡车牌识别率过低的难题,提出了一种基于多层边缘约束与区域合并的部分遮挡车牌定位方法。该算法首先以边缘方向和颜色对约束对边缘进行筛选,采用自动扫描线法确定候选区域,最后对候选区域进行筛选与合并,实现遮挡车牌的定位。实验表明,该算法对4位以下两端遮挡车牌定位的成功率在90%以上,对4位以下中间遮挡定位的成功率在85%以上。     

基于数学形态学和先验知识的车牌定位

车牌定位是车辆识别中重要的环节,是字符分割和字符识别的基础。在数学形态学的基础上对图像进行了粗略的定位,根据先验知识进行了伪车牌的去除和字符分割的预处理,该方法能做到车牌准确定位。     

基于MPI+FreeFem++的有限元并行计算

车辆牌照识别系统作为一个专用的计算机视觉系统,能够自动摄取车辆图像并识别出车牌。主要应用于高速公路收费口以及住宅小区车库的管理等场合。研究了汽车牌照识别中的车牌定位算法。首先对现有的车牌定位方法进行系统的分析,总结出车牌定位研究存在的主要问题。其次,针对车辆图像背景复杂、垂直纹理散热器噪声干扰严重等问题,提出了一种新的车牌定位算法。该方法能有效降低误检率,且运算复杂度较低,有利于实现复杂背景中车牌的快速定位。