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.     

基于角点检测和边缘提取的车牌定位方法

车牌定位技术是实现车牌自动识别的关键技术之一。根据车牌藉征,设计了一种基于角点检测和边缘提取的车牌定位方法。该方法首先对原始图像进行阈值分割,其次采用数学形态学方法增强车牌边缘,接着利用角点检测方法对车牌进行粗定位,最后通过边缘提取来实现车牌图像的精定位。通过实验分析,证明该方法定位效果较好。     

基于颜色特征和改进Canny算子的车牌图像定位

针对目前车牌定位算法准确率较低、 定位速度慢等问题, 提出一种基于颜色特征和改进Canny算子的车牌图像定位方法. 该方法先利用彩色图像的颜色特征对车牌图像进行初步定位, 提取该颜色特征时不包含亮度信息, 有效克服了光照变化的影响; 再对Canny边缘检测算法进行改进, 提出一种新的梯度幅值和梯度方向一阶偏
导数计算方法及高、 低双阈值自适应确定方法; 最后利用多组车牌图像对所提算法的性能进行验证, 验证结果证明了所给方法的正确性和有效性.     

基于颜色特征的汽车车牌定位

主要根据车牌形状、颜色及与其它部位的区别进行车牌定位,并结合车牌位置的隶属度函数进行综合处理,在实际运用中取得了较好的效果。     

基于数学形态学和颜色的车牌定位

针对图像中车牌区域含有的丰富边缘,首先进行边缘检测,接着运用形态学方法进行图像平滑,然后通过二值面积形态学方法确定候选区域,最后结合车牌的颜色特征确定最终的车牌图像区域.仿真实验结果表明,该算法定位精度高,鲁棒性好,具有较大的实用价值.     

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FAST角点检测的局部鲁棒特征

针对目前流行的SIFT、SURF等局部特征存在运算复杂、匹配及后续处理实时性差等问题,在FAST角点检测的基础上,提出了一种新的视觉跟踪特征算法. 该算法能克服实际应用中噪声及室外光照变化的影响,并能快速匹配特征点实现实时处理. 实验结果表明,该视觉跟踪特征算法具备运算量小、实时性高的特点,并且能保证匹配精度及鲁棒性优于原有的视觉跟踪特征.      

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。     

一种基于Adaboost的车牌定位算法

针对成像过程的光照影响以及车辆的污损对车牌定位影响较大的情况,提出了一种基于Adaboost的车牌定位算法.该算法首先将车牌彩色图像进行预处理,然后使用Adaboost算法进行车牌定位,最后使用车牌颜色模型对车牌定位结果进行校验.相对于目前用于车牌定位的方法,该算法具有较快的定位速度和较高的准确率.实验证明,采用该算法能获得较好的车牌定位效果,鲁棒性强,具有较大的实用价值.     

XYZ空间与小波能量特征融合的车牌定位

针对复杂背景情况下的车牌定位问题,给出了一种融合了小波高频能量的方法。首先利用CIE-xy色品图进行颜色分割,找到符合车牌底色的候选区域。然后对候选区域进行数学形态学滤波,消除不必要的干扰。接着利用车牌特有的结构特征剔除明显不符合车牌特征的候选区域,提取符合条件的候选区域进行小波变换,由于车牌区域有着丰富的垂直方向纹理信息,因此比较候选区域的垂直高频能量,能量最高者即为初步选定的车牌区域。最后利用区域选择时的垂直方向小波变换系数对选择区域进行重构,并验证选择结果的正确性,如果为非车牌,则进行二次定位。该方法有效的解决了车身颜色与车牌底色相近时定位困难的问题。对各种条件下拍摄的225幅含有车牌的图像应用该算法,定位准确率达到98.2%。     

lab颜色空间和形态学处理相结合的双行车牌定位方法

车牌定位是车牌识别系统的前提和关键。针对双行车牌均是黄色车牌,且比较脏的特点,首先将图像由RGB颜色空间转换成Lab颜色空间;再利用Lab颜色空间的通道a提取出图像中的红色和绿色区域,通道b提取图像中带干扰的黄色区域,然后将二者相减,提取出图像中的黄色区域,并可同时去除背景及车身的大部分干扰;最后利用形态学处理滤除噪声等影响,粗略定位出车牌候选区域,再结合图像的纹理特征如面积、长宽比和连通域内像素个数最终定位出车牌区域。该方法对复杂环境下的双行车牌能实现快速准确定位,受光线、背景环境影响较少,同时对脏牌、污牌也能达到准确定位的目的。     

车牌检测级联分类器快速训练算法

针对传统AdaBoost算法的不足,分析了训练过程中出现过训练及分类器退化的问题,并提出了解决这一问题的有效新方法.新方法主要对样本及时更新和样本权重的更新规则进行了调整.使用该方法训练级联车牌检测器,实验结果表明,新方法较好地解决了传统AdaBoost算法中所出现的过训练及退化问题,在保证检测率的同时降低了误检率,并且训练时间缩短了50%左右.     

车牌检测级联分类器快速训练算法

针对传统AdaBoost算法的不足,分析了训练过程中出现过训练及分类器退化的问题,并提出了解决这一问题的有效新方法。新方法主要对样本及时更新和样本权重的更新规则进行了调整。使用该方法训练级联车牌检测器,实验结果表明,新方法较好地解决了传统AdaBoost算法中所出现的过训练及退化问题,在保证检测率的同时降低了误检率,并且训练时间缩短了50%左右。     

一种基于粗细定位相结合的车牌定位方法

对车牌区域的准确定位是实现自动车牌识别的一个重要步骤。首先对香港车牌进行粗定位,得到一些可能的车牌区域,然后确定这些区域的精确范围,同时去除部分伪车牌,在字符提取和字符识别时进一步去除伪车牌。迭代反馈处理所有精确范围区域后,得到真正的香港车牌区域。     

一种基于粗细定位相结合的车牌定位方法

对车牌区域的准确定位是实现自动车牌识别的一个重要步骤。首先对香港车牌进行粗定位,得到一些可 能的车牌区域,然后确定这些区域的精确范围,同时去除部分伪车牌,在字符提取和字符识别时进一步去除伪车 牌。迭代反馈处理所有精确范围区域后!得到真正的香港车牌区域。     

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…