基于主动学习AdaBoost算法与颜色特征的车牌定位

人工选取少量的车牌区域和非车牌区域,采用积分图法快速提取Haar-like扩展特征,构成初始训练样本.使用AdaBoost算法训练样本产生一个初始分类器,经过主动学习过程,产生一个用于车牌检测的强分类器.利用Cascade结构检测法进行车牌的粗定位,通过提取边缘颜色对,对候选区域进行验证,实现车牌区域的精确定位.对不同光照条件及车牌污损等复杂情况下的车牌图像进行了定位测试.测试结果表明:车牌的粗定位率和精确定位率分别为98.3％、97.1％,平均定位时间小于0.1s,因此,该方法有较好的车牌定位效果和定位准确率.     

基于边缘检测及数学形态学的快速汽车车牌定位

车牌定位是汽车牌照识别系统的重要环节,定位的准确性直接影响车牌识别的准确率.文章研究了利用图像边缘及数学形态学的快速汽车车牌定位方法,首先将彩色图像灰度化,并利用Sobel算子进行图像边缘提取,然后运用数学形态学算法对二值图像进行处理,得到几个车牌候选区域,最后利用连通区域的长宽比,面积比及车牌字符水平分布特征等来准确定位车牌.实验表明,这一方法能快速准确地实现车牌定位.     

基于改进二维离散小波变换的多车牌定位

针对复杂背景提取多个车牌的问题,提出一种改进的二维离散小波变换的多车牌定位方法。根据小波多尺度分解的特性,对图像进行二维离散小波变换,获得一系列小波低频信息图,与原图像做线性差值,获得车牌字符的细节特征;然后根据二值化图像中车牌字符与背景的差异产生灰度跳变,粗定位车牌在图像中的行位置,缩小车牌定位的查找范围;最后,在粗定位的小范围图像中,利用颜色特征和形状特征精确定位所有车牌。研究结果表明:改进的二维离散小波变换图像相比传统的二维离散小波变换图像,灰度均值、标准差和平均梯度提高近一倍,有效获取原图像的边缘信息缩小多车牌位置;多车牌定位方法可以达到98.96%的准确定位率,平均用时328 ms,能够准确、快速定位多车牌。     

一种改进的SIFT图像立体匹配算法

针对SIFT算法复杂度高、计算时间长、影响立体匹配的实时性等问题,提出了一种改进的立体视觉特征点匹配算法该算法从两个方面对SIFT算法进行改进:首先利用24维特征描述符代替128维特征描述符,以降低计算复杂度;其次在图像对匹配过程中采用改进的BBF搜索算法,通过引入最小优先级队列的限制条件和匹配精度更高的马氏距离判断两幅图像特征点的匹配性.采用经典图像和未知的室外环境下拍摄的图像对本文算法进行实验验证,结果表明,本文提出的算法每100个特征点检测时间为0.01 s,正确匹配率平均为89.65%,相对于原算法,提高了匹配的准确度,并降低了匹配时间.      

复杂背景下的汽车牌照自动识别系统

本分析了目前存在的车牌自动识别系统及其相应的问题，同时提出了一种在多分辨率下串行运算的金字塔结构的车牌自动识别系统。该系统由两个重要步骤组成：(1)结合数学形态学的字符笔画分析的车牌定位算法，(2)分析类字符连通域的字符切分算法。通过大量的实验证明该方法准确率高，鲁棒性好，速度快。用1013幅图像对该系统进行测试，正确率为95．27％，平均处理一幅图像只用0．49秒。     

基于均值聚类的车牌定位技术研究

采用强制综合聚类中心的均值聚类思想对车牌图像进行区域分类,在HLS颜色空间下,利用数理统计的方法得到聚类颜色中心,并对目标图像进行强制聚类,以最终获得只包括车牌四种颜色的待处理的图像,然后利用形态学、人工神经元网络等技术对车牌进行车牌识别.该方法在实践中进行了验证,比基于二值化和灰度化处理思路的定位效果更好,能对多种不同环境下的拍摄的车牌进行有效的识别.     

基于视频列车车号识别系统的研究

提出了基于视频的铁路列车车号的识别系统,为铁路列车设计了一种全新的列车车号识别方法.系统通过对铁路现有设备的利用优化了列车图像的采集方法,同时提出用图像的色彩信息准确进行列车车牌图像定位分割和以像素面积原理为基础的搜索寻优进行列车车牌倾斜校正.在字符分割与识别部分使用了改善后的快速准确算法对列车车号进行处理.各个部分均采用改进了的针对性强、实用、快捷的算法和技术,完成了对列车车号识别的功能.     

基于色彩分割与体态纹理分析的车牌定位方法

本文提出了一种基于色彩分割、体态分析及数学形态学纹理分析的车牌定位方法．该方法利用车牌与背景的色彩特征，在HSV(Hue，saturation，value)空间内根据车牌颜色的三分量取值范围和色彩距离阀值进行色彩分割以初步过滤背景．对分割后得到的与车牌底色相符合的连通区域再根据车牌体态特征和车牌字符纹理特征，应用数学形态学处理及连通域体态分析等手段，逐步过滤干扰区域，最终定位正确的车牌位置．该方法充分考虑了车牌与背景的色彩、体态及纹理特征的差别．实验证明在复杂背景下具有很强的适应性与鲁棒性．     

����ͼ��ֱ��ͼ�ij���ͼ���ֵ�������о�

在基于数字图像处理的车牌识别技术的研究过程中,因为车牌定位和字符分割一般都是基于车牌区域的二值化结果进行的,因此对图像的二值化是非常关键的一步,二值化的效果直接影响到后面的车牌定位以及字符分割。二值化最主要的是阈值的确定,文章对比了几种常规的车牌图像全局阈值二值化处理算法,并重点分析了最大类间方差法和KSW 最大熵法的基本原理和微机仿真结果,发现用于车辆图片是这些方法不够理想,然后提出一种新的方法—基于图像直方图波形分析的车牌图像二值化处理算法,经过大量试验证明该算法在进行车牌图像二值化处理时效果非常理想。     

夜间复杂交通场景中的车辆检测和跟踪

为提高夜间车辆视频检测和跟踪的准确率,提出一种夜间车辆检测和跟踪算 法.本算法通过亮斑分割和连通组件匹配来检测和定位车辆前灯,并利用区域跟踪算法对 前灯进行跟踪以提高检测准确率.考虑到夜间行车时车辆前灯的显著特征,通过改进Otsu 方法以自适应地分割明亮区域,并根据前灯的几何形状、尺寸及位置信息滤除非车灯部 分的车辆信息.然后利用前灯的对称性进行前灯的配对和归类;最后采用区域跟踪算法对 前灯进行定位和跟踪.实验结果表明,本算法车辆检测平均准确率大于97%,处理速度比 已有方法提高15.8%以上.