基于小波变换和亮度矩的车牌图像分割算法

车辆牌照图像的分割是车牌识别的前提和基础，针对牌照与车身背景的分割问题，该文提出了基于小波变换和这度矩方法的车辆牌照阈值分割算法，首先，对车牌图像进行小波去噪，然后利用亮度矩对去噪后的车牌图像进行阈值分割，实验结果表明：此方法能够从含有较强噪声的车辆图像中获得车牌图像，且具有相对于图像的平移、尺度变化和旋转的低敏感性。     

基于小波分解和亮度矩的车牌定位方法

文章提出了一种基于小波分解和亮度矩的复杂背景下,图像中车牌定位和分割的方法。针对小波分解能较好地保留图像中的细节信息,选用小波作为车牌分割工具;为了突出车牌字符与图像中其它信号特征的差异,定义了一个亮度矩函数,用以搜寻牌照的上下、左右边界。仿真结果表明,该方法定位准确率高、速度快。     

基于形态学原理的车牌定位方法

在智能交通系统中,车牌自动识别是一个重要的组成部分.本文展示了一个实时、有效的车牌识别方法.首先增强图像并利用车牌中字符的特点,用形态学的原理构成一系列算法,将汽车图像中车牌区域于其它部份分离,随后依据车牌的比例作一个掩模,利用形态学重构算法,在汽车图像中最终定位车牌并返回原图像分割出汽车牌照.实验证明这是一个非常有效的方法.     

汽车牌照的检测与文字分割

为了从车辆图像中检测汽车牌照的位置,并分割出牌照中的文字,实现对车辆身份的认定,利用牌照的边缘、文字及字符间距特征,构造了两个模板矩阵,并在此基础上设计了模板响应算法.结果表明:通过计算模板的响应,可以检测到车牌的位置及像素高度,并按车牌实际高度和像素高度的比例关系分割出牌照中的文字;该算法效率高,稳定性好,抗噪声能力强.     

基于图像处理技术的车牌识别研究

随着我国公路交通事业的迅速发展,智能交通管理系统已成为了人们关注的焦点问题。车辆牌照识别系统作为智能交通管理系统的一部分,在现实生活中有着广泛的应用。本文对车辆牌照识别系统中的主要部分进行了研究,其中车牌图像预处理部分包括空间平滑滤波、图像锐化等过程;车牌图像定位采用了基于车牌色彩特征的车牌定位法,并使用Radon变换进行车牌图像的矫正;车牌字符分割采用灰度投影和阈值分割的方法;车牌图像识别采用模板匹配的方法。使用MATLAB软件构建识别系统,经过实验测试,该系统实现了对机动车牌照的准确识别。     

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。     

车牌识别系统中若干问题的探讨

研究机动车牌照自动识别系统设计中,车牌区域的检测和牌照字符的分割,以达到对字符的区别。实验证明,利用车牌的纹理特征和形状特征检测车牌区域具有较高的准确性,算法的实现以边缘检测技术和数学形态学为基础。字符分割受车牌倾斜角度的影响较大,在运用Hough变换检测出车牌水平和垂直倾斜度后,再对字符进行分割,具有较好的效果。     

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。     

车牌定位和分割的一种综合方法

提出了一种基于颜色空间和字频统计结合的车牌分割方法.该方法是在HSV彩色空间中,充分利用车牌图像提供的彩色信息,构造出5级灰度图,然后采用数学形态学、字频统计方法进行分析和判断,确定并分割出汽车牌照.该方法不受车牌大小、位置以及车牌的背景和光照条件等方面的限制,适用范围广.实验表明,该方法符合人类的视觉特征,效果好,精度高,对含噪声图像也能有效分割.     

基于区域统计特征的车牌定位与分割算法研究

通过分析车牌区域与背景区域的不同特征,采用车牌的统计特征与图像滤波相结合的方法,针对图像背景区域中不同特征的背景信息,采取相应的措施,逐步滤除车牌背景,实现了对车牌区域的准确分割.实验结果表明,本文所提出的算法能够快速、完整地提取车牌区域的字符信息.     

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．     

基于灰度跳变与形态学的车牌定位法

车牌定位是车牌识别系统的关键步骤,定位的准确与否直接影响车牌识别的结果.提出了一种基于灰度跳变与形态学的定位方法.对于车牌候选区的二值图像,根据车牌的水平分布特点,从长宽之比、面积之比等多个方面进行综合分析,从而可以更加精确地对车牌进行识别.实验验证表明,基于该算法的车牌识别系统能够达到较高的车牌识别率.     

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。     

基于最大稳定极值区域与主要旋转不变局部二值模式的复杂场景车牌检测方法

为了解决在复杂场景中进行车牌定位的问题,提出了一种基于MSER与DRLBP特征的车牌定位方法。首先对输入图像进行预处理,然后在多个通道上进行MSER候选区域提取;接着利用所设计的基于车牌字符合并的车牌定位方法进行车牌字符合并;最后利用DRLBP纹理特征对合并后的区域进行验证从而得到最终的车牌区域。实验结果表明该方法具有较好的定位能力。由于方法是通过寻找车牌字符进而定位车牌位置,因此其受车牌颜色、车牌格式的影响较小,在复杂环境中对国内外不同车牌均有较好定位效果。     

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。     

基于最大梯度差和边缘搜索的车牌定位方法

车牌定位是车牌识别系统的关键技术,定位的准确与否直接影响车牌识别的结果.为了实现车牌的准确定位及车牌识别,依据车牌区域具有丰富的边缘信息,提出了一种改进的车牌定位算法.利用最大梯度差缩小车牌图像范围和矩形匹配法粗定位车牌,根据搜索车牌的边缘信息来精确定位车牌.实验结果证明了该方法的可行性及定位的准确性,并且比单一使用最大梯度差法的定位准确率有较大的提高.     

基于差分与对称性检测相结合的车标定位方法

提出了基于边缘颜色均值对的车牌定位算法,此方法充分利用车牌的底色与车牌字符颜色的固定搭配,在RGB颜色空间中求取相邻像素的RGB各分量的均值,然后转换到HSV颜色空间,如果出现符合颜色搭配的则认为是车牌可能在的区域．该方法既能保证尽可能多地提取出车牌区域像素,又极大地清除非车牌区域像素,使后续处理得到一定程度的简化．在此基础上利用车牌与车标的位置关系进行车头定位,并结合差分及对称性检测进行车标的精定位．     

基于改进差分边缘检测法的车牌字符二值化算法

针对车牌字符光照和污损的复杂特征,对车牌图象的二值化算法进行了深入的分析和研究,提出了一种基于差分边缘检测算法的改进图象二值化算法.实验结果表明,改进算法能够有效地将字符清晰地从背景中分割出来,分割速度快并且有助于提高字符识别的正确率.     

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。