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%.     

基于特征颜色的车牌边缘检测方法

章重点介绍了基于汽车车牌图像边缘检测的定位算法和基于车牌特征颜色的分析方法。大量的实验结果表明，该方法充分利用了车牌的色彩特征，具有思路简明、实用的特点。     

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。     

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%.     

基于图像处理的车牌识别系统设计

本论文提出了一种基于图像处理的车牌识别系统设计,系统分为三个部分,第一部分,对采集的图像进行灰度化,图像平滑,边缘检测等操作以进行预处理。第二部分,对预处理后的图片进行车牌定位,并作倾斜矫正。最后使用卷积神经网络,对车牌字符分割后提取出来单个字符的结果进行识别。     

基于场景分类及灰度跳变的车牌定位方法

车牌定位是自动车牌识别系统实现的关键。提出一种基于场景分类及灰度跳变的车牌定位算法。该算法对彩色图像进行场景分析,将图像分类为白天场景类或夜晚场景类。这两类场景的字符与背景的灰度跳变值不同,一般白天场景类的灰度跳变值较大,夜晚场景类的灰度跳变值较小。利用不同的灰度跳变值快速提取出几块车牌候选区域,对不同的场景用不同的方法最终选取一块区域。实验结果显示本文提出的方法对图像场景分类准确率达到98.2%,车牌定位的准确率达到98.5%。     

探测雷达在车牌识别中的应用

在文章中,我们提出一个高效的基于车牌清晰度改进算法对图像进行融合识别,并使用相同的多个图像车辆在道路的不同位置使用信息冗余。该算法用于雷达车牌探测,可以估算车辆的速度,提取车牌并改善其对比度融合。与传统闪光雷达不同,该系统使用视频流处理并可处理更多数据。这里使用了不同的图像处理技术,canny边缘检测器并形成检测本地化和提取车牌块,形态操作并过滤以帮助过程和所有几何转化为有效的融合。     

车牌自动识别系统基本原理及其在高速公路中的应用

车牌自动识别系统是一种基于自动检测、图像处理、计算机视觉以及模式识别等技术于一体的智能交通管理系统,在智能交通领域中起着举足轻重的地位。文章在阐述了车牌自动识别系统基本原理的基础上,根据目前我国高速公路实际情况详细介绍车牌自动识别系统在高速公路中的具体应用和在建设中应注意的事项。     

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.     

基于边缘生长的车牌定位新方法

采用一种新的边缘生长算法提高车牌字符边缘检测的准确率。通过采用灰度局部方差极大的原则以边缘生长的方式检测边缘,实验结果显示该算法检测边缘的速度快,轮廓非常清晰。边缘生长结束后,通过分析边缘的几何特征确定其是否是车牌字符的边缘,最后利用字符与车牌之间的位置关系,准确地定位车牌。采用该算法的车牌定位程序在IntelPIV计算机上的平均运行时间只有100ms。