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%.     

基于纹理特征的低照度环境下车牌定位与识别算法

在深入分析低照度环境下车牌图像特征的基础上,提出一种低照度环境下的车牌识别算法。该算法利用车牌区域水平灰度投影具有的显著纹理特征寻找车牌可能存在的区域作为车牌候选区。然后根据候选区域中的灰度分布特征确定最终的车牌位置。针对汉字与字母数字的结构上的差异,分别采用2种模板对汉字和数字字母进行了识别。对157张低照度条件下的车牌抓拍图像进行了算法测试。结果表明:提出算法的车牌定位准确率为97.46%,字符分割准确率为97.10%,字符识别准确率为94.71%,基本满足了实际工程需求。     

一种车牌定位算法的实现

车辆牌照的自动识别是智能交通系统中的一项重要技术,而车辆牌照的定位又是车牌识别的关键点之一。文章依据二值化图像中车牌区域跳变频率高的事实,提出一种算法来确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照。实验结果表明本算法处理速度较快、便于实现。     

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.     

车牌识别中反色判断的新方法

根据车牌的基本特征，提出一种将车牌候选区域的灰度图颜色统一转换成白底黑字(或黑底白字)的新方法。该方法通过计算车牌灰度图像灰度平均值和大于灰度平均值的像素数，来判断车牌是否需要进行反色处理。实验表明，该方法简单易行，且准确率较高。     

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。     

小波变换在车牌定位算法中的应用

将小波变换引入车牌定位算法,对车辆图像进行滤波降噪.在满足实时性处理要求的前提下,定位效果十分理想:完全消除了光照不均造成的影响,使车牌区域更加突出,增强了定位的鲁棒性,提高了定位查找的准确率,系统的车牌定位准确率高达95%.     

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。     

变化光照条件下的交通标志快速鲁棒检测

变化光照条件下交通标志检测算法的准确率往往会显著降低。针对此问题,提出了1种新颖的概率图建立方法,并结合最大稳定极值区域特征进行交通标志检测。该方法包括3个处理步骤:①根据不同光照条件对真实场景交通标志样本图像进行明确分类以构建多类颜色直方图,将交通标志输入图像由原始色彩表达转变为概率图(直方图反投影);②通过在概率图上进行 MSER特征提取,获取候选的交通标志区域;③根据候选区域的面积、宽高比等特征快速有效去除非交通标志区域。实验结果表明在弱光照和强光照条件下基于归一化RGB的交通标志检测算法检测准确率分别下降到84.4%和83.0%,基于红蓝图的交通标志检测算法检测准确率分别下降到87.4%和86.3%,提出的算法在变化光照条件下依然可以保持90%以上的检测准确率,对光照变化有较好的鲁棒性。      

基于彩色图像车牌分割研究

智能运输系统中车牌识别技术得到了广泛应用,车牌分割是车牌识别的重要部分。基于彩色图像车牌分割与采用灰度图像车牌分割相比,可以有效消除阴影影响,同时车牌颜色也是车牌识别的一个参数。颜色分类处理使用特征函数,可以减少颜色坐标转换运算,提高颜色分类速度。文中详细讨论中国车牌特征,给出车牌分割详细步骤。车牌区域判别采用信息融合技术。车牌倾斜矫正结合车牌倾斜特点,提出快速算法。     

License plate extraction method for identification of vehicle violations at a railway level crossing

The primary cause of most railroad accidents is vehicle entry into railway level crossings despite warning messages. To identify drivers who violate railway level crossing regulations, vehicle license plate recognition can be applied at railway level crossings. The purpose of this paper is to present an effective method for extracting the license plate region from vehicle images taken at railway level crossings. The method proposed in this paper uses the variation in the gray-level values across the image of a license plate. For license plate region extraction, the character region is first recognized by identifying the character width and the difference between the background region and the character region. The license plate region is then extracted by finding the inter-character distance in the plate region. In addition, the license plate type is identified by the difference in the gray-level value between the background region and the character region. The proposed method is effective in solving the current challenges in extracting the license plate region from the damaged frames of license plates issued for domestic use, including new types of license plates. According to the experimental results, the proposed method yields a high extraction rate of 99.5% for vehicle license plates.     

车牌识别算法的研究与实现

介绍一种基于KL变换的车牌识别算法。算法主要由车牌分割和车牌字符识别组成。车牌分割算法利用车牌的纹理特征和形状特征来定位车牌，并采用投影的方法和先验知识实现车牌的倾斜校正和字符切分；车牌字符识别算法采用一种最优变换，KL变换来提取字符图像的特征值和特征向量，并通过计算待识别字符与各样本字符特征值的欧氏距离来实现对该字符的分类。试验结果表明此方法是正确的。     

License plate location method unaffected by variation in size and aspect ratio

License plate location is a challenging task that is necessary for automatic vehicle identification. This paper presents a new method for locating a license plate when its size and aspect ratio are highly variable. The proposed method begins with an assumption that a license plate exists in a region where dense edges are located. We define an edge region as an area containing rich edges. The edge regions are created by dilating vertical edges, and they are classified into one of four types: left fragment type, right fragment type, whole type, and undefined type. The candidates for a license plate region are constructed by merging edge regions. Knowing what type of edge region is being examined is useful in the merging process. Finally, we verify whether each candidate contains a license plate or not by using the character arrangement information. The arrangement pattern is determined by the size of connected components and by the vertical overlap or horizontal distance between two neighboring components. Experimental results show that the proposed method gives robust results regardless of any variation in the size and aspect ratio of license plates.     

基于纹理特征和彩色特征的车牌定位算法

车牌定位是车牌自动识别系统的关键。提出了一种以纹理特征为主要手段，以彩色特征为辅助手段的多特征定位算法，对不同背景和光照条件下的各类车牌图像进行了实验，结果表明该算法是一种可行的方法。     

漳州战备大桥夜景景观设计

结合漳州战备大桥所处地域环境特点，考虑斜拉桥桥型，对大桥夜景景观进行设计。介绍该大桥夜景总体方案，夜景照明设计及道路照明系统。     

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.      

基于多分类器--并行计算的车牌识别算法

针对已有车牌识别中技术存在的不足，提出了一种多分类器——模板匹配和神经网络并行计算的识别算法，这一方法对于汉字、英文和数字混杂、数字的识别，分别采用粗分类和面向汉字的双进程计算方法、面向字母的双进程计算方法、简单的数字神经网络方法。这些方法的采用可以缩小检索范围，充分利用模板匹配和神经网络算法各自的识别优点，提高车牌字符识别准确率，并进一步提高运算速度。