基于固定颜色搭配搜索和形态学的车牌定位

汽车牌照定位是牌照识别系统中的关键技术之一.为了快速准确地对汽车牌照进行定位,提出了一种基于固定颜色搭配搜索的车牌定位新方法.该方法包括图像自适应预处理、固定颜色搭配搜索、形态学处理和车牌候选区域判断,以及最后的车牌底色识别等5个步骤.与传统的车牌定位方法相比,该方法不仅能够有效减少伪车牌区域的检验和能够判断出车牌的底色,而且可以有效地解决背景环境复杂及车牌底色和车身颜色相一致的车牌定位问题.试验结果表明,该方法具有算法简单、实时性强和定位精确高等优点.     

A Multi-license Plate Location Algorithm for Vehicle Sequential Images

针对序列图像的多车牌定位问题,提出了一种综合车牌特征与梯度分析的定位算法.该算法使用灰度均衡化与中值滤波算法对图像预处理来消除噪声,利用测试样本图像提取出若干有效的车牌参教作为定位系统的输入,实现了全自动定位车牌的目的.并引入MGD梯度分析方法辅助边缘提取算法来提取车牌候选区域,利用HSV颜色模型,使用主颜色分析方法分析候选区域,并通过车牌字符纹理分析方法做进一步的判断.使用Hough轮廓检测方法计算非文本区域块的直线斜率.该算法定位效果较好,鲁棒性强,有很好的工程应用推广价值.     

一种改进的车牌区域定位算法

在分析基于灰度图像的车牌区域搜索思路的基础上,提出了一套改进的车牌区域定位算法.在图像预处理过程中,根据高速公路收费站点光照条件不断变化的特点,采用一阶差分算法并结合累积像素点确定二值化阈值的方法,完成图像边缘轮廓的提取工作.实践表明,改进的车牌区域定位算法的定位准确率为98.3%.     

一种基于边缘颜色的彩色车牌定位算法

为解决车牌识别中车牌定位问题,根据车牌局域颜色变化、车牌宽高、车牌中字符数及车牌中字符颜色变化等特征,提出了基于边缘颜色的车牌定位算法;通过实验,证明了该算法能够有效地克服光线和天气变化的影响,具有很强的抗干扰性能、定位精度高达98.4%.     

复杂背景下基于形态学的车牌识别系统

车牌识别(LPR)是智能交通系统中的一个重要研究课题。本文提出了一个在高速公路复杂背景下,基于形态学的车牌定位和识别系统,它包括图像垂直边缘检测,边缘密度图生成,图像二值化和膨胀,连通域分析,车牌定位,基于先验知识的车牌字符分割和车牌字符识别。在实验中,使用高速公路上采集的9825幅图像数据库来做测试,车牌定位率为98 1%,车牌识别率为89 2%。所以说,本系统具有很好的应用前景。     

复杂背景下的多车牌定位技术研究

针对竖直边缘检测的车牌定位方法在多车牌定位中的梯度分割阈值的问题,提出一种改进的阈值选取方法。即先将图像进行区域划分,然后采用区间梯度均值和Otsu阈值的平均值作为新的阈值来分割区域图像。该方法对车牌污染、车牌远近不一致等情况具有良好的适应性。同时,针对从车牌候选区域中去除伪车牌的问题,提出了利用新的主连通域分析的方法和颜色、宽高比等特征来从候选区域中正确提取多个车牌的方法。该方法能够较好地去除复杂背景下的类似于车牌背景的颜色伪车牌,以及和车牌字符有着相似纹理特征的伪车牌。测试结果表明,该方法车牌定位率超过97.3%,去除伪车牌后的车牌定准率超过88.5%,同时在时间上能够较好地满足实时路况中准确定位出车牌的需求。     

基于彩色和黑白纹理的车牌快速定位方法

针对复杂背景下的车牌定位问题,提出了一种彩色和黑白纹理分析相结合的车牌定位算法。该算法依据RGB彩色空间中的车牌背景色,将彩色图像转换为能突出车牌颜色的灰度图,并进行颜色分割获得能突出车牌部分的黑白二值图;该算法对那些与车牌颜色接近的较大区域通过纹理特征的分析来滤除。测试表明,该定位方法不受光照等多种因素的影响,运算速度快,定位效果好,应用范围广。     

一种基于纹理分析和投影法的车牌定位方法

针对现有车牌定位算法在复杂背景和不同光照条件下很难快速、准确地定位汽车牌照位置问题,提出了一种基于纹理分析和投影法的车牌定位方法。该方法利用车牌区域字符丰富的纹理特征和投影统计规律对车牌位置进行粗、精两次定位。实验表明在不同光照、不同车型和不同背景条件下,该方法定位速度快、准确率高,具有较高的实用性。     

车牌定位及车辆特征识别研究

车牌定位及车辆识别是智能交通管理的主要研究问题.车牌定位识别,通过对图像进行预处理并结合形态学能粗略获取候选车牌位置,对符合特征的候选车牌进行筛选,精确获取车牌位置,最后采用神经网络完成字符识别过程.车辆识别采用迁移学习,采用AlexNet卷积神经网络构造出深度特征向量.形态学能够应对灰度底质量差的情形,为字符识别提供保障.车辆识别时对比直接分类图片特征,迁移学习构造的深度特征分类精度为85.13%,提高了38%,验证了迁移学习的有效性,通过KNN算法表明深度特征能够表征图片属性.针对新数据集重新提取特征、训练样本将消耗大量时间,对比迁移学习和AlexNet框架发现分类精度持平,表明了迁移学习的鲁棒性.      

基于视频图像的车牌定位与分割技术研究

对交通控制系统中的视频图像进行了研究,利用数字图像处理技术,在对车牌图像预处理的基础上,分别利用车牌的水平投影和垂直投影找出车牌的切割位置,实现了车牌的准确定位;对定位后的车牌去除白色边框,再求得其垂直投影,避免字符粘连在一起,从垂直投影图上确定每个字符的分割位置,取得了较好的字符分割效果。