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.     

基于汽车底部阴影特征的快速车牌定位算法研究与仿真

提出了一种结合车底部阴影的梯度特征寻找并确定可能存在车牌区域,然后利用车牌先验知识排除不含车牌的错误区域,再根据我国车牌类型特征与比例特征初步分割出小范围车牌区域,并利用Soble算子进行边缘检测,最后结合数学形态学进行快速精确定位。实验结果表明,该方法能够快速,实时有效的检测出车牌所在位置。     

基于Matlab数字图像处理的车牌定位方法

通过彩色图像灰度化、最佳阈值法对图像进行二值化,改进的中值滤波策略对图像去噪,小波融合技术等对图像进行预处理。从而提高图像质量。利用改进的边缘检测的方法对预处理后的图像进行定位,并运用数学形态学的知识筛选车牌区域。结果证明,该定位方法取得了较好的效果,可为车牌图像的准确识别奠定基础。     

基于灰度形态学的车牌定位算法

根据车牌图像的统计特征,计算形态学滤波器的结构元素,进行图像背景估计;利用闭-开运算,处理残差图像;采用自动搜索种子区域填充算法,得到各个区域;根据区域的几何特征,判断是否为车牌区域;通过对二值化的车牌采用K-means聚类拟合直线方法进行倾斜校正,得到最终的车牌.实验结果表明:该算法简单、迅速,定位准确率高,为后继字符分割和识别奠定了基础.通过对120幅图像定位实验,总有效定位率为96.7%.用Matlab7.0实验时,每张车牌平均定位时间为2.438s,而用VC++实现时,平均定位时间仅为0.139s.     

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.     

智能车牌识别系统中消除图像干扰的方法

在智能车牌识别系统中,经过汽车图像的初分割,可从复杂的汽车及背景图像中分割出汽车图像,但复杂灰度图像经二值化处理后存在许多干扰白点.提出一种＂高斯滤波＂的方法去除这些白点,使二值化图像变得平滑、少毛刺,并具有较好的连通性.     

基于Canny算子边缘检测的车牌图像增强方法

提出一种基于Canny算子的车牌边缘检测技术,该技术优点是适用于不同场合并且它的参数允许调整以便于识别不同的边缘特性,尤其适合车牌数字这样具有封闭特性的图像;其缺点是在实时图像处理时速度比较慢.     

基于粒子群的车牌定位识别的神经网络方法

在对车牌定位识别中采用传统算法进行特征提取的时候, 当目标图像质量较差或者有较大的退化时, 不是很有效.遗传算法作为一种新兴的智能算法,近年来被应用于许多社会生活领域中,并比较好地解决了相关领域的优化问题,近年来,有些学者应用遗传定位算法来解决车牌定位问题.     

基于车牌识别数据的出行特征研究

随着大数据技术的推陈出新,越来越多的数据源可以用来研究居民的出行特征。本研究通过首次采用建筑停车场的车牌识别数据研究不同建筑业态吸引客流的出行时间特征、来源地空间分布情况、出行平均时耗等内容,从而为城市空间功能布局规划、停车场规划、停车场周边道路交通改善等提供参考。     

基于多层前馈神经网络的车牌提取方法

文中提出一种采用三层前馈神经网络提取车牌的方法。该方法是一种基于纹理分析的图像分割算法,适合于彩色及灰度图像。实验表明,该方法能准确地提取图像中的车牌。     

����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。     

车辆牌照自动识别系统中的字符分割技术

车辆牌照定位以后,需要进行字符分割,以便系统自动识别。介绍了一种基于阈值化与投影法的分割技术,详细阐述了车牌图像归一化、域值化和字符分割的具体过程,算法简单实用,经过实验验证,可以满足实时自动识别系统的要求。     

基于灰度投影和宏块线性搜索的电子稳像

为减轻因摄像机震动造成的视频序列失稳,提出了一种基于灰度投影和宏块线性搜索的电子稳像方法.该方法首先利用灰度投影进行粗匹配,估计当前图像相对于参考图像的偏移量;再利用块匹配结合正方形线性搜索进行精确匹配,得到较精确的位置偏移量,进而进行运动补偿实现视频稳定.实验结果表明,该方法能使稳像精度得到提高,同时与全搜索法和菱形搜索法相比,计算复杂度有所减小.     

改进的EM算法在分块灰度图像二值化中的应用

识别扫描得到的文本图像首先要进行二值化处理,以去掉冗余的信息.针对二值化过程中采取固定阈值会导致图像的背景和文本不能得到有效区分的问题,提出改进的分块EM算法,并应用在文本图像的二值化过程中,有效地分离了图像中的文本和背景信息,使识别的后续阶段提取的特征能够更好地代表要识别的模式.     

车牌自动识别系统设计与实现

车牌自动识别分为图像预处理、车牌定位、字符分割、字符识别四步。利用形态学变换对图像进行滤波聚类,HOUGH变换对车牌图像进行水平校正,BP神经网络的方法进行字符识别,最后基于DELPHI7．0环境下设计开发了车牌自动识别系统。     

车辆牌照相似字符识别研究

车牌识别（License Plate Recognition,简称LPR）作为智能交通系统中的核心技术,受到国内外科研学者的广泛关注。其中相似字符的识别是车牌识别的关键技术之一,也是提高车牌识别率的重要途径。     

畸变汽车牌照图像的空间校正

首先针对我国汽车版照的常规模式，提出了用Hough变换提取牌照边框参数的方法，进而求得汽车牌照四边形区域4个顶点的坐标，并且给出了利用对极坐标参数表示的直线进行Hough变换的具体途径。然后，根据畸变牌照的4个顶点和归一化汽车牌照图像的4个顶点之间的一一对应关系，求解双线性空间变换方程，进而对畸变图像进行校正。最后给出了一种图像毛刺的剔除方法。实验表明，本文介绍了的方法对畸变牌照图像的归一化可以取得良好的效果。