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。     

基于小波分解的车牌图像分割

为消除明暗不均等低频干扰的影响，将字符成功地从车牌图像中提取出来，提出了基于小波分解的车牌图像分割方法，根据干扰信号与字符信号属于不同频域的特点，利用小波时频局部化分析的能力，在保留字符信息的同时滤除或抑制低频干扰成分，其方法是先根据统计结果分析出字符和低频干扰信号所处的频率范围，然后对图像进行小波分解，过滤掉或抑制干扰信号所属的频段，再利用传统的聚类分析进行分割，这样就能够很好地消除白斑黑斑、光照不均匀、非车牌区域干扰等问题，即使图像灰度值反差很大也能将车牌字符很好地提取出来。     

基于Canny算子和Radon变换的证件图像倾斜校正

倾斜的证件图像不利于识别,为此提出一种基于Canny算子和Radon变换的校正方法。该方法首先使用Canny算子进行证件图像边缘检测,然后利用Radon变换计算出图像的倾斜角度,最后用双线性插值算法进行图像旋转校正。在Matlab平台对该方法进行了仿真实验。实验结果表明,该方法能够准确、高效地对证件图像进行校正。     

基于Radon变换和坎尼边缘检测的倾斜车牌校正方法研究

为了解决车牌倾斜对字符分割和字符识别带来的不利影响,文章基于Radon变换的思想,先利用Canny边缘检测器检测车牌边缘,再利用Radon变换搜索构成车牌矩形的直线段,并计算其倾斜角来校正倾斜车牌.测试结果表明该方法能准确地检测出图像的倾斜角,并取得良好的效果.     

求逆Radon变换的一种新算法

求逆Ｒａｄｏｎ变换的一种新算法刘名生（华南师范大学数学系，５１０６３１，广东广州）由投影重建图象的问题已经分别出现在各种科学技术领域．图像重建的数学模型是Ｒａｄｏｎ变换及其逆变换［‘’，由此可见Ｒａｄｏｎ变换及其逆变换的数值实现是很重要的．设（ｒ，勿...     

一种基于霍夫变换和BP神经网络的车牌识别方法

汽车牌照自动识别系统在智能停车场管理、高速公路自动收费和违章检测等方面有着广阔的应用前景。由于车牌特征的多样性及车牌背景的复杂性,对于现实世界的车牌图像,车牌磨损、图像倾斜、天气以及背景等干扰因素都会影响定位效果。为此本文提出了基于一阶双向差分和hough变换的改进车牌定位方法,采用改进的BP神经网络模式识别技术作为识别的方法,得到了较好地处理结果。     

基于图像分割的静止图像车牌识别系统研究

介绍一种高识别率的静止图像车牌识别系统的实现方法.并提出一个由图像处理、图像分割、字符识别等组成的静止图像车牌识别系统的工作原理与设计方案.应用MATLAB语言编程实现了该识别系统的仿真,仿真结果表明该方法是行之有效的.     

基于Hough变换的红外图像的目标分割

红外图像是根据目标与背景的温度差异而形成,不受光照等其他条件的影响,可全天工作,被广泛应用在各个领域中.但是由于目标和背景的热辐射所造产生的红外图像的分辨率低,对比度差等特点,使红外图像的分割变得较为困难.Hough变换具有对图像中直线的残缺部分、噪声以及其他共存的非直线结构不敏感的特性,具有较强的抗干扰性和鲁棒性.本文提出一种基于Hough变换的红外图像规则目标的检测方法.通过观察红外图像中目标分布情况,估计出目标边界的曲线方程,对该方程进行Hough变换,从而检测出目标并进行分割.利用该方法避免了由于红外图像的目标与背景对比度差、边缘模糊、视觉效果较差等原因造成的不易检测边缘曲线的问题.经实验证明,基于Hough变换的规则的红外目标的检测方法具有可行性,且检测效果好.     

一种基于脊波变换检测机载高分辨雷达图像直线目标的方法

基于脊波分析思想, 给出一种适合方向性较强的图像中直线特征检测方法, 以检测机载高分辨雷达图像直线目标. 结果表明, 该方法可行有效.      

基于最大间隔符号特征的车牌字符分割算法

车牌识别系统是智能交通中的重要环节之一,字符分割则是车牌识别的重要步骤,其目的是将车牌字符串分割为更易于识别的单个字符。字符分割算法一般分为投影法、连通域分析法和先验知识法3种。投影法和连通域分析法会受噪声、光照变化、污染等情况的影响,先验知识法具有较强的抗噪能力,可以弥补上述2种方法的缺陷,但是其分割效果取决于分割基准点的准确选择。为了提高分割基准点选取的准确性,采用了一种以车牌最大间隔位置的符号作为基准点的字符分割算法。实验表明,此种以最大间隔符号特征为基准点的分割算法抗干扰能力强,解决了对噪声、光照变化、污染等情况的干扰,分割准确率高且速度快,并能够通过分割基准点的特征准确地细分出武警车、警车、军车车牌的类别,分割率达到94%以上,具有较强的鲁棒性和实用性。     

基于明暗度分类和改进二分法的车牌字符分割

车牌字符分割易受到车牌倾斜及边界、杂点的干扰,致使复杂条件下的车牌图像分割准确率不高,针对该缺点提出一种鲁棒性强的分割算法。在车牌预处理阶段进行图像明暗度分类及灰度图增强,以此为基础进行倾斜校正及上下边界定位;在字符切分阶段采用改进二分法进行分割,之后对1,2,6,7四个字符实现了边界精确定位。实验表明,该算法实时性较好,能够有效克服车牌对比度不高、模糊、粘连和倾斜的缺点。     

基于变换域分析的车牌分割研究

考虑车牌本身特征,以模式识别的思想对整幅图像转变至利于识别和排除干扰的特征空间,并对图像基于变换域的纹理进行车牌粗特征提取,再由投影法细定位分割。试验表明该方法准确性、鲁棒性和适应性都达到实用技术指标,尤对车牌背景复杂、干扰较多情况具有良好效果。     

一种新的汽车牌照识别的图像增强算法

汽车牌照区域分割是牌照识别的关键步骤，增强图像中的牌照区域，抑制背景区域，可以有效降低牌照区域分割的难度。将图像分解为一组二值图像的组合，然后在二值图像上计算各连通分量及其特征参数，利用牌照区域和背景区域对应的连通分量的特征差别，可以有效抑制背景而保留牌照。处理后的二值图像可重构出牌照区域被增强的图像。还采用等高线标记代替连通分量标记，以减少计算量，使得算法具有实用性。试验表明，这种算法有效地突出了牌照区域而抑制了背景，提高了牌照定位分割的效果，可以很好地用于实际的汽车牌照识别系统中。     

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.     

基于二值图像的车牌精确定位方法

提出一种基于二值图像灰度变化特征进行车牌精确定位的方法.在车牌粗定位的基础上,对分割出的车牌图像进行二值化,对二值车牌图像进行逐行扫描,利用每一行像素的黑、白跳变规律确定车牌的上下边界;对二值车牌图像进行处理得到特征图像,通过对特征图像进行垂直投影确定车牌左右边界.测试结果表明,该方法精确定位的准确率达到99%.     

改进背景补偿的车牌图像二值化算法

针对车牌自动识别系统中二值化车牌图像时常出现字符光照不均等复杂特征,提出一种新的解决方法.首先使用同态滤波减弱车牌图像光照不均等带来的影响,然后通过改进的背景补偿算法对车牌图像进行二值化.实验表明,该方法能有效克服光照不均等带来的影响,二值化效果良好.     

一种新的车牌快速定位方法

针对车辆图像分割困难，车牌位置定位不准等问题，提出了一种新的车牌快速定位方法，在图像增强与分割的基础上，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、不同车型的汽车图像的仿真试验结果表明，该方法具有较好的定位精度和鲁棒性。