基于数学形态学与HSV颜色空间特征的车牌定位

车牌定位是车牌自动识别系统的关键,算法首先将彩色图像进行灰度化、中值滤波去噪、边缘二值化一系列的预处理;然后,运用数学形态学基本运算选定若干个候选区域;最后基于HSV颜色空间特征,结合数学形态学所选的候选区域,扫描出车牌区域并进行裁剪。     

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。     

一种CIELab颜色空间中的车牌定位方法

提出了在CIELab颜色空间中进行车牌定位的方法.首先将图像从RGB颜色空间转换到CIELab颜色空间;然后通过数学形态学增强和图像连通体分析提取出候选区域;最后通过分析候选区域的面积、宽高比及灰度阶跃次数提取出真实的车牌区域.大量的车牌定位实验表明:所提算法适用于不同尺寸的车牌图像,定位准确率较高.     

一种改进的快速车牌定位算法

文章提出了一种基于纹理特征和颜色特征的车牌定位算法.算法首先利用车牌的纹理特征对车牌进行了初步定位,其中主要有图像预处理、边缘检测、数学形态学处理等步骤.最后利用车牌区域的颜色特征对车牌区域进行精确定位,主要包括空间转换、边界确定等步骤.对80张相片进行测试的结果表明,该方法准确率高、速度快.     

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%     

车牌定位技术研究

车牌识别是智能交通系统的重点研究方向之一,车牌定位是车牌识别的重要技术环节。笔者研究了基于canny算子的边缘检测和数学形态学运算的车牌定位算法,并对算法进行分析验证。结果表明该车牌定位方法准确率较高,有利于车牌识别。     

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。     

基于数学形态学的车牌定位算法

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,为了能对汽车牌照精确定位,提出了一种基于数学形态学的车牌定位方法。首先利用中值滤波方法对汽车图像进行消噪处理,然后用迭代阈值选择法将图像进行二值化,并运用数学形态学的膨胀、腐蚀对二值图像进行处理,得到几个车牌候选区,然后利用面积、长宽比以及垂直投影特征值等进行综合分析,准确定位车牌区域。实验结果表明,该方法简单易行、准确率高、并且具有一定实效性,可用于对实际车牌图像的准确定位。     

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。     

基于小波分析的汽车牌照分割

复杂背景下汽车牌照定位是车牌识别的难点之一,文章通过图像的减运算获得车辆主体信息,经过区域划分,再由小波分析在某个尺度的高频信息重构获得车牌轮廓信息,最后经过水平投影确定牌照准确位置。另外,利用多幅图像提供的相关信息,在区域划分中利用牌照位置的先验知识,加快了计算速度,取得了良好的效果。     

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。     

基于图像处理的车牌定位方法的研究

对智能交通系统的核心技术——汽车牌照识别技术进行了研究,在图像处理技术的基础上,着重研究了车牌区域定位技术,分析了目前有代表性的车牌定位方法,介绍了利用粒子图像测速关联PIV（Particle Image Velocimeter）算法原理,提出了一种采用车牌字符笔画2个边缘互相关值最大的方法进行车牌定位的算法,准确而快速地检出了车牌区域,为后续车牌字符识别打下了很好的基础。     

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。     

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.     

一种基于神经网络的车牌定位方法

针对过去车牌定位难的问题,提出了一种基于神经网络的车牌定位方法,算法通过神经网络训练、图像预处理以及用训练好的网络进行车牌的定位,依照上述算法对编制的软件检验,从测试的 600 幅 320×240(像素×像素)汽车图像,正确率达到了 95.1%,每幅图像的运行时间小于 2s,基本上达到了实时处理的要求。     

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．     

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.