基于Sobel与中位扫描线的车牌定位算法的研究

针对车辆图像分割比较困难、车牌位置定位非常不准等问题,提出了一种新的车牌快速定位方法。在对图像作灰度化、灰度拉伸、边缘检测和二值化等预处理的基础上,根据车牌区域纹理丰富的特点,对得到的二值图像作行、列扫描,并利用车牌位置信息、尺寸信息来缩小搜索范围,提高了定位精度和实时性。对不同光照、不同场景、不同大小的汽车图像的仿真实验结果表明,该方法具有较好的定位精度和鲁棒性,实时性强,适用于不同的应用场合。     

关于高速公路收费系统车牌识别技术的研究

车牌识别是指通过计算机视觉、图像处理与模式识别等方法从车辆图像中提取车牌字符信息。从而确定车辆身份的技术。车牌识别分为车牌定位、字符分割、字符识别三大部分。车牌定位是一个难题：车牌区域在整幅图像中所占比例很小，车牌的颜色、大小、位置也不确定，并且定位算法要能够克服不同光照和复杂背景的影响，还要兼顾准确性和实时性，因此快速准确的定位车牌是比较困难的。本文通过车牌的纹理和颜色特征采用粗定位和细定位相结合的方法进行识别。     

复杂背景下结合Graph Cut分割的车牌定位算法

复杂背景下的车牌定位算法是车牌识别技术的一个难点。提出了一种结合graph cut图像分割及边缘检测技术的车牌定位算法,通过图像分割算法去除图像背景边缘信息对车牌定位算法的干扰,测试表明该方法有效提高了复杂背景下车牌定位算法的准确率。     

基于边缘检测和多特征扫描的车牌快速定位方法

针对复杂背景下车牌图像定位不准,定位时间长等问题,提出了一种快速实用的车牌定位方法．在对图像边缘检测的基础上,实施图像二值化,并利用车牌的位置尺寸信息和纹理信息缩小搜索范围,实现车牌快速准确的定位．试验结果表明,对不同背景、不同车型的汽车图像,该方法具有较好的定位速度和精度．     

一种基于车牌特征信息的车牌识别方法

提出一种基于车牌特征信息分析的车牌识别方法，它充分利用车牌定位和字符分割过程中得到的信息对车牌识别过程进行反馈，将二值化、车牌定位和字符分割紧密结合，注重车牌与车辆背景图像分离特征，以连通域分析为字符分割特点，结合局部二值化算法，提高正确率。实际应用结果表明，本方法具有很强的环境适应性和鲁棒性。     

基于Top-Hat预处理和小波能量分析的车牌定位算法

针对车牌定位不准的问题,提出一种新的数学形态学变换结合小波分析的车牌快速定位方法。该方法对Top-Hat变换图像二值化,然后分别在水平与垂直方向投影,在对投影信号进行一维小波分析的基础上,利用小波多分辨率特性结合车牌位置信息来缩小搜索范围,从而提高了定位精度和实时性。对多幅图像利用该算法进行车牌定位,平均定位时间0.125 s,与其他几种常见算法进行仿真试验比较表明,该算法具有较好的实时性和鲁棒性。     

基于车牌颜色特征的定位方法研究

针对车牌自动识别中车牌定位问题，提出了一种基于颜色信息的车牌定位算法。该算法基于HSV颜色模型，对车牌图像进行颜色分割找出候选车牌区域，然后利用车牌自身的两种颜色特征剔除伪车牌，最终正确定位出车牌，实验证明该算法的正确性和可行性。     

基于数学二值形态学的车牌定位与字符分割

本方法是基于数学二值形态学的车牌定位和字符分割的方法.在车牌定位中,首先提取图像的边界,腐蚀非车牌边界,用矩形结构元素连通剩下的区域,去除最大面积以外的其它区域.最大的连通区域即为车牌所在的位置.在字符分割中,首先用双线性插值将车牌图像调整到固定大小,确定字符的上下边界,然后逐个判断字符的具体宽度,用于分割字符.通过matlab 7.0的验证,该方法解决了车牌褪色,车牌开裂,非连通字符和连续的数字1等对自动识别系统的影响问题.     

车牌字符分割前的颜色预处理

介绍了车牌字符分割前的颜色处理过程．车牌字符分割是车牌识别系统的第二步，是在车牌定位之后进行的，因为定位出的牌照一般来说是彩色的，这些彩色信息对字符分割及最后的识别均没有帮助，所以首先将图像转换成灰度图，然后进行一定范围的灰度拉伸，最后进行二值化，为字符分割做好准备工作．     

一种复杂背景下的多车牌图像分割与识别方法

提出一种复杂背景下的多车牌图像分割和知识方法，采用统计和特征匹配相结合的方法去除待识别图像中的背景，提取可能存在车辆的区域；分别对可能的车辆区域进行局部边缘检测，并使用车牌的先验知识确定车牌的位置和单个字符分割，包括车牌倾斜时的字符分割，使用PCA和BP神经网络相结合的方法精确识别车牌，实验结果表明，该方法对复杂背景下多车牌的分割和识别是有效的。     

基于边缘检测及灰度跳变的车牌定位算法研究

为了能在复杂背景及不同光照条件下准确地定位出车牌,提出了一种基于边缘检测和灰度跳变的车牌定位算法．该算法首先对获取的图像进行灰度化、图像二值化等预处理操作,提高图像质量,突出车牌信息,接着对车牌图像进行边缘检测,在此基础上采用水平方向和垂直方向上的灰度跳变统计来确定车牌区域的上下边界和左右边界,从而实现车牌定位。实验结果表明,该方法可以比较准确、快速地实现车牌区域的定位．     

基于机器视觉汽车扶手箱卡簧装配质量检测系统的研究

给出了一种基于机器视觉的全自动汽车扶手箱卡簧装配质量检测系统。利用由工业摄像机和光源组成的视觉系统采集汽车扶手箱装配部位的结构图像并对其进行分析处理。通过对图像进行去除噪声、模板匹配定位、目标区域图像分割等过程得到待检测部件的相对位置信息。运用软件来测量各个区域特征间的位置关系和面积大小并与标准值进行比较来判断装配质量的好坏,从而实现汽车扶手箱卡簧装配质量检测过程的完全自动化操作。     

基于CMOS摄像头的智能车控制系统设计及实现

针对智能车因单条引导线信息量少而引起的误识别问题, 设计一种能自动识别和跟踪双边引导线的智能车系统。智能车以Freescale公司MC9S12XSl28作为核心控制器, 利用COMS(Complementary Metal Oxide Semiconductor)摄像头OV7620作为路径信息采集装置, 对采集图像进行二值化处理、 去噪操作和边缘检测后提取路径信息、 进而准确地判别跑道的形状, 为舵机和电机提供控制依据, 以使小车平稳快速地行驶。同时, 提出将行驶状态与赛道信息综合考虑的措施, 并通过PID(Proportional Integral Differential)控制策略以及实验测试, 实现了对各种典型跑道的优化处理, 使高速行进中的智能车具有良好的转向调节能力和加减速响应能力。智能车可以在以白色为底面颜色, 两边有黑色引导线的跑道上运行, 克服了因单条引导线信息量少而引起的误识别问题。     

自动检测违章车辆的方法

为了自动检测违章车辆，提出一种利用统计模型和目标灰度场结构信息的算法。该算法是从视频图像中自动检测和动态跟踪违章车辆，它包括3个处理步骤：第一，利用车辆违章时的统计特征，发现视频图像中包含违章车辆的第一帧；第二，利用第一帧图像对违章车辆进行定位，即动态跟踪的起点；第三，对违章车辆进行动态跟踪。给出和研究了3种检测跟踪方案。仿真试验结果表明，用统计模型检测违章车辆具有一定的柔性，并具有较强的抗噪性和稳定性。     

一种汽车牌照图像分割的新方法

采用距离变换方法对由目标像素和背景像素所组成图像中的所有像素，找出目标像素到其最近的背景像素的距离，经过变换映射得到汽车牌照的几何信息。最大限度地利用了图像的几何位置信息，可使信息损失率最低。该方法对噪声、光照变化、牌照缺损、倾斜及变形等情况不敏感。本方法中采用的灰度变化与传统的二值化方法不同，它克服了传统二值化方法中由于域值选取不当而带来的后续处理时的种种弊端。     

多尺度积角点检测和视觉颜色特征的鲁棒车牌定位算法

车牌图像包含的尺度、仿射变化及其复杂的背景是影响车牌定位准确度的重要因素。在高斯差（DOG）尺度空间框架下,笔者提出了一种基于多尺度乘积的角点特征和视觉颜色特征提取及其相融合的车牌定位算法。基于高斯差尺度空间的图像边缘信息,应用多尺度乘积分别提取具有尺度和仿射不变特性的角点和颜色特征,并在两特征融合结果基础上确定车牌位置候选区域;最后通过车牌区域特征点之间的距离及密集关系实现车牌的准确定位。对大量实拍的复杂环境下的车辆图像进行测试表明,该算法对车牌定位具有快速、高效的定位效果,且在噪声、仿射变换等方面的鲁棒性表现较好。     

基于加权稀疏非负矩阵分解的车脸识别算法

为提高多种光照条件下交通卡口视频中车脸识别的准确性,提出了一种基于改进非负矩阵分解的车脸识别算法.对采集图像进行预处理,获得车脸图像与车牌信息.基于特定光照条件,自适应提取车脸图像的初始特征.针对车脸图像中像素位置的重要性差异,建立了加权稀疏约束非负矩阵分解的特征降维方法.通过判断特征相似性与车牌信息一致性,确定车辆是否合法.实验结果表明所提算法具有较好的识别性能,真实接受率与错误拒绝率分别可达到0.9875与0.04,并满足实时性要求.     

基于WMMP协议的危险品运输车定位系统开发

采用WMMP协议,设计了一套危险品运输车实时定位系统.该定位系统由车载定位终端和车辆监控中心服务器组成,车载定位终端对车辆实时信息进行采集和发送,监控中心服务器接收车辆定位信息并进行处理.通过监控中心GIS监控系统,可实时了解所监控车辆的运行情况.提高危险品运输的安全性.