一种新型的基于数学形态学和颜色特征车牌定位算法

在分析了车牌定位现有算法优缺点的基础上,本文提出一种新型的综合利用车牌纹理特征、颜色特征和几何特征的快速定位算法.该算法利用数学形态学充分挖掘车牌纹理特征以及消除噪声干扰.把图像分割为若干子区域,利用纹理条件和颜色条件判断,对各子区域进行独特的分类和聚类融合,最终由粗至细精确地定位出车牌所在位置,为后续车牌字符的分割识别步骤打下良好基础.实验结果表明,对于各种情况下的车牌图像,该算法都能有效地对车牌进行定位,具有定位准确率高,运行速度快,抗干扰性强的特点.     

车牌识别系统中车牌定位与字符分割方法的研究

根据车牌区域的灰度分布特征,提出一种定位车牌区域并进行字符分割的新方法。该方法先利用车牌区域灰度分布特征,对车辆图片进行粗定位并得到车牌上下边界;再根据车牌区域字符紧密性特征,利用垂直投影方法初步得到车牌的左右边界;然后根据字符宽度和间距进一步修正车牌的左右边界,最后根据字符宽度和间距的比例进行字符分割。经实验证明,该方法具有在复杂背景下适应性好、抗干扰、实时性好、定位精确等特点。     

复杂背景中基于颜色及边缘分布特征的车牌定位算法

针对复杂背景中的车牌定位问题提出了一种新的算法,首先在图像的二值垂直边缘图中利用车牌字符边缘的颜色特征滤除非车牌区域边缘,然后利用投影法确定车牌行候选区域,最后在行候选区域中利用车牌区域垂直边缘的空间分布特征定位出车牌区域,试验表明该方法在背景复杂情况下定位准确度较高,且受车牌尺度变化影响小,具有很强的抗干扰能力。     

城市车辆车牌识别技术研究

<正>随着城市道路中机动车辆数量逐年增加,拥挤的交通随处可见,如何去规范并引导车辆,首要是对车辆进行识别,对于车辆的识别重点是在于对于车牌的识别,本文在分析目前车牌识别技术方法的基础上,对车牌定位模块和字符分割模块进行了探讨,在车牌定位方式中,先归纳了车牌的纹理特征,提出了基于粗定位和精确定位的车牌定位方法,并采用基于k-means的车牌字符分割法对车牌处理。     

一种新的复杂背景下快速车牌定位方法

针对实际应用中具有复杂背景的高分辨率数码图像下车辆牌照定位问题，提出了一种综合利用了车牌纹理特征、几何特征以及色彩特征的快速车牌定位方法。该方法按顺序分为图像预处理、牌照区域粗定位、牌照精确定位三个步骤对牌照由粗到细准确定位出车辆牌照位置所在。实验结果表明．对于场景大，背景复杂的车辆图像，该方法运行速度快，定位准确率高，具较强抗干扰能力。     

基于神经网络的车牌自动识别系统的研究

车牌自动识别系统是一种利用车辆的动态视频或静态图像从而进行车牌号码自动识别的模式识别技术,是计算机视觉技术与模式识别技术相结合的技术领域。本文应用图像处理技术对车牌进行定位、获取字符,对字符进行分割,利用神经网络识别技术来对车牌字符进行识别,从而达到较好的自动识别效果。     

分层次车牌定位方法

车牌定位是车牌识别中的重要步骤,针对汽车图像的复杂背景和不同环境光条件,提出了一种分层次的车牌定位方法。该方法将图像进行分层次分割,不断减少分析的范围。它先定位出车牌候选区域的上下和左右边界,得到多个车牌候选区域,再从中挑选出车牌区域,实现了车牌的准确定位。实验结果表明,该方法定位准确率高,运行速度快,具有很强的鲁棒性。     

浅析车牌定位系统技术

车牌定位是车牌识别中的重要步骤,针对汽车图像的复杂背景和不同环境光条件,提出了一种分层次的车牌定位方法。该方法将图像进行分层次分割,不断减少分析的范围。它先定位出车牌候选区域的上下和左右边界,得到多个车牌候选区域,再从中挑选出车牌区域,实现了车牌的准确定位。实验结果表叽该方法定位准确率高,运行速度快,并且具有很强的鲁棒性。     

基于图像处理的车牌识别与字符分割及MATLAB实现

实现车牌识别与字符分割,需要进行图像预处理、车牌区域分割、车牌字符分割和数据库字符匹配等操作。基于MATLAB软件,在图像预处理方面,调整图像大小后获取其B分量图;在车牌区域分割方面,利用Ostu法获取阀值后转化为二值图,然后形态学处理去除小面积的区域,再利用Regionprops函数获取二值图上值为1的区域左上坐标,可得到车牌区域;在车牌字符分割方面,将车牌区域图像转化为二值图,闭运算连接字符间的间隙,再利用Regionprops函数实现字符分割。     

基于车牌颜色特征的车牌识别系统

正介绍了一种基于LabVIEW平台的、通过车牌颜色特征定位的车牌识别方法。本方法在LabVIEW平台利用车牌颜色特征和RGB、HSI等色彩模型特点,进行车牌定位;根据车牌的规定型号,采取比例法实现车牌字符分割;利用LabVIEW的OCR技术识别车牌。通过对车牌图库中的大量车牌进行识别测试,验证了所研发的车牌识别系统软件能够提高识别精度,降低识别成本。     

基于2D Gabor滤波器和LBP的车牌识别研究

本文提出一种基于2DGabor滤波器和LBP的车牌识别方法,与基于2DGabor滤波器的方法相比,该方法降低了图像维数,识别时间短,识别精度高。首先利用2DGabor滤波器对归一化后的图像进行低通滤波,然后使用LBP提取车牌纹理特征,最后用支持向量机作为分类器。在课题组自建的车牌库上进行实验,取得了94.3%的识别率和每张图像0.291s的识别时间,说明该方法基本满足实际需要。     

基于灰度阈值和梯度差的车牌定位技术

本文详述了用灰度阈值分割和梯度差对车牌进行分割处理的过程,介绍了灰度阈值分割理论以及梯度算法,并用于车牌的识别检测中,有效地分割目标和背景,实现了车牌的准确定位。     

车牌识别系统中图像分割与识别技术研究

分析了汽车牌照的几何特征和成像特点,提出基于自适应性阈值的搜索策略,对图像中的车牌进行定位;利用Hough变换对图像进行倾斜矫正;然后设计一个三级分类器,对单个字符进行模式匹配,得到识别结果,最终实现对原始车牌图像的识别。     

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。     

基于MALTAB的车牌定位技术研究

针对车辆图像的特征,提出了一种车辆图像预处理和车牌定位的方法.在对图像处理的过程中,使用的方法将图像逐步转换为灰度图像,背景图像,黑白图像,二值图像,边缘提取图像,闭运算图像,开运算图像,最终转化为车牌图像.实验证明,本文方法图像预处理效果好、准确度高、定位迅速且实用价值高.     

牌照图像歧变分析及校正

首先分析得出实际牌照图像的岐变是由水平、垂直距离差和旋转差三部分组合构成。然后依据此三部分变形性质及作用大小,提出一种斜 线平移四顶点岐变校正的方法。实验证明,算法对还原畸变牌照图像有良好效果。     

基于梯度场整体变分模型的无缝图像处理方法

提出了一种在梯度域中进行无缝图像处理的方法。在一般的整体变分模型中引入待处理区域的梯度场，得到一个扩展的整体变分模型，称为梯度场整体变分（gradient field total variation, GFTV）模型。无缝处理通过最小化模型函数来实现。基于GFTV模型的方法可应用于以下无缝图像处理：在图像中无缝地插入新的目标；无缝地修改图像中的某个区域的纹理、光照等外观；图像的无缝拼接等。