车牌图像二次定位方法研究

提出了1种的车牌图像二次定位方法,在第1次定位中初步找出包含车牌边框的车牌图像区域。再根据车牌边框对车牌图像进行倾斜校正．在此基础上,对车牌图像进行第2次定位,最终获得精确的车牌区域．测试结果表明,车牌图像二次定位方法成功率较高,能够为后续的车牌字符识别打下良好的基础．     

监控图像中车牌定位技术的研究与仿真

现代社会中汽车牌照识别系统已经广泛运用到了交通管理领域。其中最重要的是将车辆的车牌信息从所采集的图像中分离出来。因此车牌定位技术是否准确直接影响到车牌的识别率。对车牌定位系统的现状和已有的技术方法进行比较和分析。运用MATLAB仿真和图像处理技术对车牌进行定位,在定位过程中二值化、边缘化等处理方法。在简单环境下车牌定位的应用。     

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。     

融合otsu算法和数学形态学在canny边缘检测中的运用

canny算子的参数选取决定着图像边缘检测的效果,利用类间方差最大化阈值分割算法(Otsu)容易计算出比较理想的阈值,使canny算子的门限选择具有自适应性,实验最后用数学形态学对结果进行后处理,结果表明,算法具有自适应性,抑制噪声能力较强,有效地提高了canny算子边缘检测的效果,取得了预期效果.     

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VC++的车牌图像预处理设计与实现

天气、背景或拍摄等因素会造成车牌图像模糊、光照不均等,严重影响了智能交通车牌识别。运用灰度化、二值化、边缘增强等方法对采集到的图像进行预处理,可提高识别率,满足智能交通需求。     

一种基于HSV颜色空间与小波能量特征融合的车牌定位算法

文中针对彩色汽车图像牌照定位率不高和速度慢等问题,提出了基于HSV颜色空间与小渡能量分析相融合的车牌定位方法.利用固定底色牌照的色相、亮度和饱和度值分布区间不同的特点,完成对大多数黄蓝底色牌照的快速定位.对于车牌底色与车身颜色相近无法一次完成定位的操作,进行图像二次定位处理,利用车牌区域小波高频能量分布特点从背景图像中提取车牌区域.实验结果表明该方法比单一使用HSV空间进行定位的算法准确率高,比其它小波定位算法实现速度快,并且具有较好的鲁棒性.     

改进二值化算法在QR码识别中的应用

针对模糊、光照不均情况下获得的低质量QR码难以识别的问题,设计一种低质量QR码识别算法,包括加权平均值法灰度化、中值滤波算法降噪、二值化、基于位置探测图形定位、基于透视变换法的旋转矫正,以及基于Zbar开源库的译码算法等。重点研究针对模糊、光照不均QR码图像的二值化算法,提出一种基于Bernsen算法思想的改进算法,将全局阈值引入该算法中,实现对图像的二值化处理。在VS2010环境下基于Opencv2.4.9图像处理库对识别算法进行验证,结果表明,通过该算法得到的QR码图像完整且噪声少,有效克服了低质量QR码的影响,提高了图像识别率,具有一定的实用性。     

图像二值化方法在CCD图像信息处理中的研究

介绍了线阵CCD的内部结构及工作过程,绘出了线阵CCD输出信号的波形图,介绍了CCD输出信号的特征,针对CCD的图像二值化问题,列举了固定阈值法、浮动阈值法、微分法等常见的几种处理方法,并对几种方法进行了分析比较,给出了选择浮动阈值法的原因,设计出了由二阶滤波电路构成的浮动阈值法处理电路,进行实验验证了这种方法的可行性。     

车牌粗定位

在现有车牌定位的基础上,提出了一种结合图像空间信息方法和颜色空间信息方法进行车牌粗定位的方法。粗定位的结果可以用于车牌的精定位,为后续的车牌定位和识别打下良好的基础。     

汽车牌照定位研究综述

车牌定位是牌照自动识别系统中最关键的环节，也是检验牌照自动识别系统优劣的重要指标．长期以来，许多学者从事这方面的探讨和研究，相继出现了一些新方法、新思路．尽管如此，目前国内尚无一个完善、通用的牌照定位系统．本文结合国内汽车牌照的特点，对近几年来国内外车辆牌照识别系统研究中出现的车牌定位方法，进行了全面的综述．     

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．     

浅析车牌识别技术

车牌识别技术作为智能交通的重要组成部分,在人们的生活中发挥着越来越重要的作用。车牌定位、字符分割、字符识别是车牌识别的三个重要组成部分,是车牌识别技术研究的重点,从这三个方面对车牌识别技术的发展和现状及车牌识别技术的应用进行了简要介绍。     

基于四方向邻域差分的直方图检测车牌定位算法

车辆牌照定位是智能交通系统中的关键技术。提出了一种以四方向邻域差分算法为基础的车牌牌照定位算法。经实验验证,本算法具有较高的定位效果。     

基于Matlab的车牌识别技术的仿真

车牌识别系统包括五个核心部分,分别是图像采集、图像预处理、车牌定位、字符分割、字符识别。此系统的工作过程为:首先对车牌进行预处理,确定车牌水平位置和垂直位置,即车牌的具体位置;接下来经字符分割工作提取车牌字符;最后采用模板匹配的方法完成车牌字符的识别。Matlab仿真实验结果表明,本系统的车牌识别率可达96%。     

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。