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。     

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。     

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.     

基于车牌特征颜色相似度的定位方法

汽车牌照定位是汽车车牌自动识别系统的一个关键环节。本文充分利用对车牌色彩的知识,针对复杂背景的车牌定位问题,提出一种基于车牌特征颜色相似度的定位方法。实验表明该方法不仅优于传统的灰度图算法而且能适用于不同的背景。     

基于彩色二值化的车牌定位方法

提出了一种基于彩色二值化的车牌定位方法。首先将彩色图像从RGB颜色空间转换到HSI颜色空间,同时生成一个与彩色图像大小相同的二值化状态特征矩阵,根据车牌的色彩特征,调整状态特征矩阵;再用数学形态学方法对状态特征矩阵进行填充空洞和滤除噪声的处理,并根据车牌的几何特征除去伪牌照区。该方法将图像的色彩特征与状态特征分离,充分利用车牌的色彩特征调整彩色图像的状态特征,并融合了数学形态学方法;而且将车牌的色彩特征和几何特征进行了有机的结合。实验结果表明该方法是一种有效的车牌定位方法。     

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。     

一种基于垂直字符边界特征的车牌定位方法

提出了一种基于垂直字符边界点特征的车牌定位方法，该方法能有效定位车牌，定位精度高达９８％，定位时间不超过２ｓ，并能有效地克服光线和天气条件等影响。     

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%。     

基于移动窗口定位和复合神经网络的车牌识别算法

针对一般车牌定位算法存在多个车牌识别区域，以及单个人工神经网络识别复杂、运算量大、不容易收敛等问题，提出采用移动窗口定位算法和复合BP神经网络模型，可以较好的解决以上问题．在实际应用中取得了预期效果。     

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。     

基于MRF纹理分割的车辆目标提取技术研究

图像分割是计算机视觉中的关键技术之一。基于马尔科夫随机场（Markov Random Field,MRF）纹理分割的方法是一种基于统计的分割方法,具有能充分利用先验知识、能形成闭合的边界、模型参数少且易于和其他方法相结合等优点。该方法首先利用纹理特征将图像划分为若干不同的纹理区域,然后以此为先验信息,得到分割结果。文中介绍了基于MRF纹理分割的一般理论与图像的关系,评述了其在车辆目标提取中应用的优势,展望了其发展方向。     

复杂背景图像下的快速车牌定位新方法

针对复杂背景图像下的车牌定位问题，章提出了一种新的方法，充分利用字符和车牌背景的灰度特征及其二维分布规律，采用关键点取样、分格操作和两次定位操作，很好地兼顾了定位的正确性和快速性。定位正确率为98．3％，平均定位时间为6．8ms。     

汽车车轮定位参数快速检测的建模研究

本文应用计算机视觉理论并根据汽车车轮在运动中的两幅投影图像，建立了计算车轮运动参数的数学模型；通过试验验证了该数学模型的正确性。     

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。     

基于局部纹理统计模型的纹理图像检索

提出了局部纹理统计模型与改进的Log-likelihood统计相结合的纹理图像检索方法。首先设计了3种不同角度分辨率和空间分辨率的＂Uniform＂模式的局部二值模式,并且用其来提取图像特征,然后建立图像局部二值模式和局部方差的联合统计模型,最后用改进的Log-likelihood统计进行图像检索。提出的基于局部纹理统计模型的纹理图像检索算法具有旋转不变性,克服了LBP算法对旋转比较敏感的缺点。通过对Brodatz图像库中50类600幅纹理图像进行仿真试验,新算法能得到89.71%的平均查准率,与基于Gabor小波＋WMV组合算法相比,新提出算法的查准率提高了19.05%。     

基于弹性模板匹配和并行神经网络的车牌字符识别

研究了现有的字符识别方法．通过算法改进和优化组合．提出了一套分级处理的车牌字符识别方案,将基于弹性穿线的模板匹配和并行BP神经网络识别方法有机的结合起来,在充分发挥神经网络高识别率优势的基础上,极大的提高了识别速度。     

基于多特征的纹理特征提取方法研究与应用

纹理是图像的1种重要视觉特征,常用于识别和区分图像。纹理特征的提取则是其应用需首先解决的问题。通过总结分析目前较为常用的纹理特征提取方法,基于灰度共生矩阵(GLCM )算法、局部二值模式(LBP)算法和小波变换(DWT )算法的特点,提出基于多特征的纹理特征提取算法,即将各算法提取的特征进行融合。融合中使用权重对参数进行配置。论文设计了1种图像检索实验,通过图像检索实验比较了各算法提取的特征对纹理的描述能力。结果表明,对于Co rel图像库,笔者提出的多特征的纹理特征提取算法检索的平均查准率相对于GLCM 算法提高了20%,相对于LBP算法提高了9%,相对于DWT算法提高了10%,相对于徐少平等人提出的特征融合方法提高了15%。证实了文中所提出的算法能够兼顾各算法的优点,并具有较好的旋转不变性和尺度不变性。其不足之处是需要同时提取GLCM 算法,LBP算法,DWT 算法下的纹理特征,计算所需时间是后3种算法时间之和,使算法的实用性受到了一定的限制。     

基于小波变换的车牌图像检测定位算法研究

在讨论二维二进可分离小波及图像小波去噪的基础上，研究一种基于小波变换并结合其他多种图像处理方法的车牌图像检测定位的算法。实验表明，该算法对含噪的车牌图像能较好地完成检测定位。