基于最大稳定极限区域的车牌定位

车牌定位是车牌识别系统的重要组成部分,目前常用的车牌定位方法主要受环境尤其是光照影响较大。针对这一情况,提出基于最大稳定极值区域特征的车牌定位算法,利用最大稳定极值区域特征特有的仿射不变性和对光照的适应性,提取图像中最大稳定极值区域;尤其是车牌字符区域。在排除部分噪声区域后,根据车牌字符区域稳定的几何特征和排列规则,将满足条件的相邻字符区域组成最近邻对,进一步剔除噪声区域。然后将所提取的最近邻对进行合并即可以得到所有可能的车牌区域。实验结果表明,相比较目前常用车牌字符切分算法,在切分的准确性和稳定性上都有较大提高。     

基于MSER的车牌定位

车牌定位是车牌识别系统的重要组成部分,目前常用的车牌定位方法主要受环境尤其是光照影响较大。针对这一情况,本文提出基于最大稳定极值区域特征的车牌定位算法,利用最大稳定极值区域特征特有的仿射不变性和对光照的适应性,提取图像中最大稳定极值区域,尤其是车牌字符区域。在排除部分噪声区域后,根据车牌字符区域稳定的几何特征和排列规则,将满足条件的相邻字符区域组成最近邻对,进一步剔除噪声区域。然后将所提取的最近邻对进行合并即可以得到所有可能的车牌区域。实验结果表明,相比较目前常用车牌字符切分算法,在切分的准确性和稳定性上都有较大提高。     

基于多种特征的彩色车牌定位方法研究

本文提出了利用车牌颜色特征和纹理特征多种特征结合来进行车牌定位的方法,克服了以往车牌定位技术只利用单一特征进行定位的缺点。文中提出的方法首先利用HSV颜色空间去除非车牌颜色区域,然后利用颜色伴生、字符密度、区域几何等特征结合进行最终精确定位。该方法可以摆脱单一特征在车牌大小、位置以及背景和光照等方面的限制。实验证明本方法具有较好的检测效果。     

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段:首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段:针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。     

基于灰度累积投影与边缘图像跳变统计的车牌定位方法的研究

针对交通检测系统中数码相机所拍摄到的图片,提出一种车牌定位方法:首先对图像进行二值化和边缘检测等预处理,然后根据边缘二值图中车牌区域的边缘特征,利用行扫描方法对图像进行灰度累积投影与边缘图像跳变统计,再根据车牌区域的字符纹理特征及灰度值特征确定车牌的水平位置.利用列扫描方法对图像进行灰度累积投影,用形态学的方法对细长线条的过滤,从而达到对车牌进行准确的垂直定位.实验表明,这种方法取得了较好的效果,具有较高的实用性.     

基于阈值分割和区域生长的车牌识别方法

【目的】改善车牌定位的质量,提高车牌识别的正确率和效率。【方法】联合使用阈值分割和区域生长算法进行车牌定位,使用垂直投影法进行字符分割,并使用字符模板匹配方法实现车牌字符的识别。【结果】基于阈值分割与区域生长的车牌识别方法能准确地识别出车牌号,识别率高,运行速度快。【结论】该方法实时性较好,具有一定的实用价值。     

基于纹理及小波分析的车牌定位方法

提出了一种基于纹理和小波分析的车牌定位方法。针对图像背景复杂，且车牌所占比例较小的特点，提出了一种确定基元分类阈值的二值化方法；根据车牌字符分布规律，提出了二值纹理基元分析方法，提取车牌候选区域；基于小波分析提取车牌区域竖笔画特征，采用隶属度定量表征车牌竖笔画特征、位置特征及形状特征，给出综合这些特征、从候选区域提取车牌区域的方法。测试结果表明，该方法正确定位率超过96%     

基于数学形态学和垂直投影的车牌定位

车牌定位是车牌识别系统中的关键环节。根据车牌固有特征,利用数学形态学和垂直投影技术相结合进行车牌定位。该方法可以有效地去除车牌附近噪声的干扰,进而准确定位出真正的车牌区域,对有部分字符遮挡的车牌也能较好地定位,具有实际应用价值。     

一种有效的车牌定位方法——数学形态学和字符边缘特征相结合的车牌定位方法

汽车车牌的定位是车牌自动识别系统中的关键环节。采用数学形态学和字符边缘特征相结合的方法对车牌进行定位,首先对车牌图像进行图像的预处理,然后利用数学形态学进行粗定位,最后利用字符边缘特征进行车牌的精确定位。从而实现了车牌图像的准确定位。     

基于字符边缘检测和颜色特征的车牌定位方法

针对复杂背景下车牌定位精度低的问题,提出一种基于字符边缘检测和颜色特征的定位方法. 针对图像中车牌区域含有的丰富边缘,首先进行垂直边缘检测,然后去除大量背景和噪声边缘,接着通过对垂直边缘的统计分析确定2个候选区,最后结合车牌的颜色特征确定最终的车牌图像区域. 实验结果表明,该方法准确率高,鲁棒性好,具有较大的实用价值.     

一种车牌字符位置侦测的新方法

提出一种快速可行的鲁棒性车牌图像二值化算法,实现了对不同质量车牌图像有普遍适用性的车牌图像二值化方法;结合设计的快速连通体标记方法、二值图像简化算法及动态车牌模板搜索算法,实现了从车牌图像中快速定位车牌字符及车牌本身并同时获得车牌字符轮廓信息的新方法.实验证明,该方法对车牌及其字符定位准确率高,且对不同条件下获得的不同质量的车牌图像有较好的适应性.     

一种基于SIFT特征提取的车牌定位方法

针对传统车牌定位算法对车牌图像质量要求较高、鲁棒性较差、准确率较低等不足,提出了一种基于尺度不变特征（SIFT）特征提取的车牌定位新方法．它利用车牌中汉字字符的局部特征属性,以SIFT特征提取方法进行抽取,并用之构建特征模板库,然后把待识别车牌图像的SIFT特征与之相匹配,用RANSAC算法剔除误匹配点后,便得到仿射变换矩阵,从而实现对车牌较准确的初定位和初倾斜校正．进一步对提取的车牌区域图像二值化,用Radon变换求得倾斜角度后,可生成精确的仿射变换矩阵,并实现对车牌的精确定位和倾斜校正．实验表明：与传统算法相比,本方法不仅能够实现准确的车牌定位及倾斜校正,而且对图像亮度、污损、倾斜、尺寸变化等具有良好的适应性和鲁棒性．     

Wavelet packet based feature extraction and recognition of license plate characters

~~Wavelet packet based feature extraction and recognition of license plate characters1. Poon, J. C. H, Ghadia, M., Mao, G. M. T. et al., A robust vision system for vehicle license plate recognition using gray-scale morphology, in Proc. of the IEEE Interna…     

基于区域最大有效信息量的牌照定位新方法

汽车牌照定位的效果直接影响车牌识别系统的工作性能。为了提高定位的准确性,在对现有牌照定位算法的研究和分析的基础上,结合实际工程实例,提出了一种基于区域最大有效信息量的车牌定位新方法,该算法提取图像的垂直信息,通过阈值判断准确定位车牌区域。并使用在不同光照情况下,不同种类车牌图像对该算法进行实验。实验结果表明,该新方法不仅具有良好的定位能力,而且定位速度快,定位准确率高。     

基于字符块提取的车牌字符分割算法

为了解决车牌图像倾斜、背景复杂、分割过程中出现的字符间粘连、断裂等问题,提出简便有效抗干扰强的基于字符块提取的车牌字符分割算法,以此提升车牌字符的识别效果.通过车牌图像二值化处理、倾斜矫正、去除干扰以及字符块提取一系列步骤,实现车牌识别前对车牌字符的准确有效分割.实验结果表明,该车牌字符分割方法可靠、准确度高,为后续车牌字符的正确识别奠定基础.     

边缘点颜色分布结合车牌自身结构的车牌检测

提出了一种基于边缘点颜色分布结合车牌自身结构的二次车牌定位方法。首先,根据牌照区域的纵向纹理特性,提取灰度图像的竖直边缘突出车牌特征,然后计算边缘点的颜色分布,滤除不满足车牌特定颜色搭配的背景边缘点,最后通过形态学运算、滤波、矩形区域覆盖等得到候选目标。在验证模块中,依据车牌的结构特征对候选区域进行验证分类,最终确定车牌位置。本文对实际收集的样本车牌图像进行试验,结果表明,算法对车牌目标定位具有较高的准确率。     

基于颜色与结构特征的车牌定位算法

针对车牌具有稳定的颜色特征和形状特征,提出基于颜色与结构特征的车牌定位算法.利用OTSU自动阈值化技术将灰度车牌图像转化为二值化图像,通过对每一个连通区域提取形状参数,粗划分出候选车牌区域,最后利用颜色特征确定车牌.实验表明,这种车牌定位方法具有一定的优越性.     

基于改进LeNet-5的车牌识别算法

传统的车牌识别算法包括模板匹配、特征统计等方法,但是这些算法依赖于人工提取图像特征,识别准确率低。卷积神经网络LeNet-5算法能够自动提取车牌图像的特征,提高车牌识别准确率。但是目前基于LeNet-5网络结构的车牌识别算法存在识别不完整,运算时间长等缺点。提出基于改进的LeNet-5网络的车牌识别算法,该算法将输入车牌字符图像归一化为32×16大小,并通过删除传统LeNet-5网络中的C5层、修改输出层中神经元个数等,将车牌字符按照汉字和数字/字母的形式识别输出。通过采集大量车牌数据进行训练验证,结果表明:与前人改进的LeNet-5网络结构相比,本文算法在识别率和时间效率上均得到了提高。     

基于差分投影与优割字符的车牌字符分割

针对车牌字符分割提出一种基于差分投影与优割字符的车牌字符分割算法.该方法利用水平差分投影图进行倾斜校正和水平切割,使得倾斜校正和水平切割同时进行,在降低算法的复杂度的同时提高了水平定位精确度.然后,结合垂直投影和连通域算法寻找车牌的优割字符,生成滑动的分割模板进行字符的垂直分割,有效地解决了字符粘连、断裂情况下字符识别问题.实验证明该方法分割速度快,分割质量好,对于模糊车牌识别具有自学习品质和很强的抗干扰性能.