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.     

基于图像处理的车牌定位算法研究

文章分析了车牌定位的常用算法,研究了车牌的颜色特征,提出了颜色分割算法来进行车牌区域的粗分割;通过边缘检测和形态学处理进行车牌精确定位和提取。Matlab仿真分析的结果表明,该算法可准确定位并提取车牌区域。     

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。     

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。     

基于边缘检测和投影法的车牌定位算法研究

车牌定位是车牌识别中的关键步骤。为了能在复杂背景和不同光照条件下快速、准确地定位车牌位置,提出了一种基于边缘检测和投影法的车牌定位方法。该方法首先对车牌图像实施边缘检测、二值化等预处理,然后在此基础上,利用基于双向回溯的投影法确定车牌的上下左右边界。实验结果表明,该方法定位速度快、准确率高。     

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。     

基于数学形态学和颜色统计的车牌定位方法

车牌是车辆的重要信息,是确定车主身份的关键。准确定位车牌是车牌识别的关键步骤,本文提出一种数学形态学和颜色特征结合的车牌定位算法。首先,通过数学形态学处理对车牌粗定位,再结合车牌的颜色像素进行行列搜索,达到车牌的精确定位。实验表明,该算法简单实用,可以有效定位出车牌位置。     

车牌识别中的图像分割技术研究

针对当前车牌识别系统中图像分割方法应用单一,适用范围窄的问题,提出了综合应用多种图像分割方法的算法。车牌识别系统分为车牌图像预处理、车牌定位、字符分割、字符识别四个步骤。首先运用投影算法,把输入的原始车牌彩色图像转换成灰度图和二值图,并实现车牌位置的初步定位;其次运用OTSU算法,实现车牌的精确定位,并获取车牌的灰度图数据;然后运用动态自适应算法对车牌灰度图进行二值化;最后根据车牌的几何特征,对车牌字符进行分割及归一化处理。通过对4000张不同环境下车牌图片的测试,表明本处的算法可以成功的实现车牌定位及字符分割,具有较强的适应性,对后续的字符识别起到了重要作用。     

基于纹理分析和梯度特征的车牌定位算法

车牌定位技术是车牌识别技术中最重要的部分,根据车牌区域字符的特点,提出了一种综合纹理分析和梯度特征的车牌定位方法.利用车牌字符的纹理特征提取出可能存在车牌的区域,再利用车牌字符和背景梯度的差异性进一步过滤掉由于背景原因产生的伪车牌区域,进而准确定位出真正的车牌区域.实验结果表明该方法运算量小,对复杂背景车辆图像有很好的定位效果,具有较好的应用性.     

车牌定位研究

本文提出了一种基于RGB颜色模型和小波变换的车牌定位方法。首先把车牌分为蓝色车牌非蓝色车辆、黄色车牌非黄色车辆和其它三类,分别进行车牌定位。通过形态学运算、连通域标记和连通城分析等方法定位出车牌区城。该方法具有良好的适应能力和实时性,也能够对多车牌进行定位。     

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。     

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。     

一种新的基于SVM相关反馈的图像检索算法

提出了一种结合颜色和形状特征的图像检索方法,针对传统基于内容图像检索不能很好满足用户需求的问题,提出了一种基于支持向量机（SVM）的相关反馈算法来捕捉用户的检索意图。实验结果证明,算法能发挥用户在检索过程中的作用,具有较好检索性能。     

非接触式手掌识别

单一掌纹特征难以全面描述手掌信息,导致识别率较低.为了提高识别率,提出了一种基于Gabor滤波的掌形、掌纹、关节融合手掌识别方法.首先对手掌图像进行预处理,然后提取手掌图像的特征,最后进行特征匹配.实验结果表明,融合多特征的方法是有效的.     

基于颜色模型和纹理特征的肤色识别系统的研究

本文是基于颜色模型和纹理特征的肤色识别系统的研究。利用皮肤的纹理特征和颜色模型相结合,优化了一般的基于颜色模型的肤色识别系统的检测效果。仿真实验证明,该系统具有较好的肤色检测效果。     

一种基于指纹人脸的多生物特征身份认证方法

本文分别介绍了一种基于指纹人脸识别的多生物特征身份认证方法,并针对传统的指纹人脸方法提出相应的改进算法。对指纹识别,本文提出采用局部归一化方法结合Gaussian滤波器来计算指纹方向,再对局部脊线补偿法(Loca lRidge Compensation)进行快速运算,能够更加快速准确地进行指纹识别。人脸识别通过定位人脸位置并且进一步提取人脸特征来进行匹配,使用LBP(Local binary patterns)算子对人脸样本进行局部特征提取,对LBP处理后的人脸图像使用主成分分析(PCA)进行降维,并采取了极限学习机(Extreme learning machine,ELM)分类器进行匹配,将指纹、人脸的识别结果在决策层进行融合,最后做出判断,从而得到准确稳定的身份认证系统。     

基于GMDH模型及模糊聚类的特征提取研究

特征提取算法可以去除目标数据中的冗余特征、无关特征甚至噪声特征,从而得到一个无冗余、无噪声的样本集,有助于提高目标对象的识别率以及数据的挖掘速度。现有的特征提取方法在定性数据及噪声数据的处理上存在局限性,而定性数据及带噪声数据在现实建模过程中是不可避免的。本文从特征提取需解决的根本问题出发,就如何确定特征子集并选择适当的隶属函数来表示模糊子空间,使模糊规则归纳模型有最大的识别率及抗干扰性的方法进行讨论、研究。     

基于特征选择和支持向量机的入侵检测方法

为去除网络入侵数据集中的冗余和噪声特征,降低数据处理难度和提高检测性能,提出一种基于特征选择和支持向量机的入侵检测方法。该方法采用提出的特征选择算法选取最优特征组合,并以支持向量机为分类器建立模型,应用于入侵检测系统。仿真结果表明,本文方法不仅可以减少特征维数,降低训练和测试时间,还能提高入侵检测的分类准确率。