基于边缘检测和数学形态学的车牌定位

针对车牌边框和铆钉对车牌定位准确率的影响,提出了一种水平垂直结构元素的方法.该方法利用边缘检测和数学形态学中的开运算、图像膨胀、腐蚀以及区域填充等对车牌图像进行了处理,有效地消弱了车牌边框和铆钉的不利影响.试验结果表明:该方法是有效的、可行的,便于下一步的字符分割.     

基于字符角点信息的车牌定位方法

车牌定位是车牌识别的基础．文中提出了一种准确快速的车牌定位方法．该方法利用三级阈值,由粗到细,首先剔除大量非角点像素,提高角点的定位速度,用大阈值突出显示车牌区域的角点,再根据车牌纹理的角点特性,利用滑动窗粗选车牌区域,然后对粗选车牌区域用小阈值,对车牌区域进行精确定位．试验证实该方法的车牌定位准确率达到98％,平均耗时约20ms．     

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。     

基于边缘检测与分层的车牌定位

车牌识别是智能基础设施的一个主要组成部分,本文针对车牌本身特征,在分析了目前车牌定位方法的一些特点及不足,提出一种基于Canny边缘检测和分层相结合的车牌定位方法。实验表明,该方法是有效的、可行的,便于下一步的字符分割。     

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.     

基于颜色和纹理综合特征的车牌定位方法

提出了一种基于颜色和纹理综合特征的车牌定位新方法。首先进行色彩分割,然后进行区域生成,最后从中分割出车牌。实验结果表明算法效果好、速度高,而且适用于对有噪声及复杂背景的车牌图像进行分割。     

单色织物疵点区域快速识别与边缘提取方法研究

结合自适应阈值分割,并基于数学形态学和边缘提取方法,给出一种单色织物疵点区域的快速检测方法。在Visual C++6.0开发环境下,利用OpenCV开发源库,设计开发了疵点区域自动识别与边缘检测程序,对常见的色污、脏污、飞花、掉扣、油纱、锈斑、织破洞、刮线和杂纤维等九种疵点进行检测。结果表明,该算法能够准确定位疵点区域,漏检率低,检测效率高,对实际检测系统的设计开发有实用价值。     

基于边缘检测与垂直投影相结合的车牌定位方法

车牌定位是车牌智能自动识别的关键步骤,而在整个车牌定位过程中,边缘检测是其中的一项重要环节和关键技术.文中在分析了目前常用的边缘检测方法的一些特点及不足,提出了一种基于边缘检测与垂直投影相结合的车牌定位方法.实验结果表明,该方法定位准确度较单一边缘检测定位法要高,能较大程度地提高车牌定位率.     

一种改进的角点提取方法

提出了一种改进的角点提取算法,该算法是基于角点的性质,即在角点的某个领域内,图像灰度的变化在任意一条通过该点的直线上都很大。为了便于对最后的灰度变化值求取极值,同时兼顾灰度变化值计算的准确性,采用了在方形窗边界上的线性插值。在插值的基础上,可计算出边缘角,通过它来对角点候选点作进一步的筛选,测试表明该方法比较进前取得了更好的效果。     

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.     

基于CAGH检测和投影法的车牌定位算法

提出了一种基于CAGH算法和投影法进行车牌定位的方法。CAGH基于梯度幅度直方图和类内方差进行边缘提取,先分析经“非最大梯度抑制”后的梯度幅度直方图的特征,确定边缘集中区域,再通过类内方差确定梯度阈值,并利用该阈值确定边缘。然后利用投影算法在其所得边缘图像中寻找车牌的左右边界和上下边界,结合图像灰度序列与单位矩形的互相关函数定出车牌的位置,为进一步精确车牌定位以及字符识别打下基础。     

基于车牌检测的前方车辆识别方法

为解决前方车辆识别过程中的实时性问题,提出了一种基于车牌检测的前方车辆识别方法。首先,利用图像中的路面或车道线等细节提取感兴趣区域。其次,利用HSV( Hue-Saturation-Value) 色彩空间转换与矩形图像检测从感兴趣区域中过滤光照变化,阴影和杂乱背景,从而检测出车辆的车牌信息。同时,在初次检测失败的情况下进行二次定位和验证。最后,利用检测出的车牌信息识别前方车辆。该方法在自建与公共数据库视频上进行评估。实验结果表明,识别率超过90% ,并且具有较高的实时性,证明了该方法的有效性。     

基于Adaboost cascade的车牌检测技术

研究基于Adaboost cascade算法的车牌检测技术,针对收费站车辆照片,选用局部矩形特征,利用cascade算法得到了98 %的识别率,误识对象一般都集中在真实目标附近,从而验证了方法的可行性.     

基于纹理特征与颜色对信息的车牌定位方法

介绍了利用纹理特征和颜色对信息建立了对车牌进行定位的算法,阐述了其算法流程,并探讨了该方法的优势与不足之处。