共查询到17条相似文献,搜索用时 390 毫秒
1.
一种新型的基于数学形态学和颜色特征车牌定位算法 总被引:4,自引:0,他引:4
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. 相似文献
2.
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。 相似文献
3.
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。 相似文献
4.
5.
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。 相似文献
6.
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。 相似文献
7.
8.
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。 相似文献
9.
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。 相似文献
10.
11.
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。 相似文献
12.
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。 相似文献
13.
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。 相似文献
14.
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。 相似文献
15.
16.
17.
基于梯度场整体变分模型的无缝图像处理方法 总被引:3,自引:0,他引:3
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。 相似文献