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.     

基于扫描线的新型车牌定位方法研究

针对车牌定位易受光照、场景等因素的影响,无法准确定位的问题,研究并提出了一种基于扫描线的车牌定位方法。首先增强图像并去噪,改善图像质量;接着通过水平边缘检测和行扫描粗定位车牌区域,通过扫描线聚类增长固定候选车牌区域;最后通过水平投影和倾斜校正精确定位车牌。通过多组不同条件下车牌的对比实验,验证了该方法能够适应各种条件下拍摄的车牌图像定位,具有较高的鲁棒性。     

基于灰度累积投影与边缘图像跳变统计的车牌定位方法的研究

针对交通检测系统中数码相机所拍摄到的图片,提出一种车牌定位方法:首先对图像进行二值化和边缘检测等预处理,然后根据边缘二值图中车牌区域的边缘特征,利用行扫描方法对图像进行灰度累积投影与边缘图像跳变统计,再根据车牌区域的字符纹理特征及灰度值特征确定车牌的水平位置.利用列扫描方法对图像进行灰度累积投影,用形态学的方法对细长线条的过滤,从而达到对车牌进行准确的垂直定位.实验表明,这种方法取得了较好的效果,具有较高的实用性.     

基于Unit-Linking PCNN的灰度图像边缘检测

利用Unit-Linking PCNN模型,结合最小交叉熵准则,边缘检测预处理,均匀分块处理,将灰度图像分割成二值刚像,在二值分割图基础上实施unit-Linking PCNN边缘检测.边缘检测预处理以块状增强方式增强了图像对比度,强化r图像边缘;均匀分块处理实现了灰度图像的近似多阈值分割.分析了边缘检测预处理中各步骤的作用,比较了不同均匀分块数目对边缘检测结果的影响.与Canny算子和相关文献结果相比,该研究检测的边缘体现了更丰富的图像细节,且神经元模型参数对图像边缘检测结果的影响较不敏感.仿真结果表明,该方法具有较理想的灰度图像边缘检测结果,具有较好适用性.     

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MALAB的车牌定位算法研究

利用Matlab工具实现车牌定位算法研究。利用灰度修正，滤波和图像增强等预处理方法。较好地消除了图像的噪音，提高了图像质量。通过对车牌特征的研究，利用边缘检测和扫描方法实现车牌定位。     

基于Unit-Linking PCNN的灰度图像边缘检测

 利用Unit-Linking PCNN模型,结合最小交叉熵准则,边缘检测预处理,均匀分块处理,将灰度图像分割成二值图像,在二值分割图基础上实施Unit-Linking PCNN边缘检测.边缘检测预处理以块状增强方式增强了图像对比度,强化了图像边缘;均匀分块处理实现了灰度图像的近似多阈值分割.分析了边缘检测预处理中各步骤的作用,比较了不同均匀分块数目对边缘检测结果的影响.与Canny算子和相关文献结果相比,该研究检测的边缘体现了更丰富的图像细节,且神经元模型参数对图像边缘检测结果的影响较不敏感.仿真结果表明,该方法具有较理想的灰度图像边缘检测结果,具有较好适用性.     

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．     

基于灰度不均匀图像边缘检测算法改进

边缘检测算法是图像处理中的一个重要的研究内容。该算法的好坏直接影响着图像处理的结果,常用的检测算法常常不能满足特定情况下的要求(例如实时跟踪下的图像处理)。本文在分析了灰度图像各种边缘检测算法的特性的基础上,根据具体需求,对灰度不均匀的图像边缘检测算法进行了改进。实验表明,在图像对比度较差的情况下,应用灰度变换增强后,配合相应的边缘检测算法,可以大大减少运算量,与原来的算法相比,能够取得较好的效果。     

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HSI空间和边缘检测的一种高性能的车牌定位方法

首先把图像的RGB空间转换成HSI空间,根据车牌区域在HSI空间的特征并结合模糊集合理论可分别得到H特征图、S特征图和I特征图.如果根据这三幅特征图定位车牌失败,则根据车牌的彩色边缘得到边缘特征图.如果边缘特征图也无法定位车牌,则把HSI特征图和边缘特征图结合起来再对车牌重新定位.进行的实验中共有200辆车辆图像,只有9辆定位失败,准确率达到95%.     

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。     

车牌自动识别系统中的牌照区域图像分割技术

以车牌自动识别技术中的牌照区域图像分割技术为重点,介绍运用车牌图像进行牌照边缘检测,从而实现图像区域分割,克服整体识别技术中的关键问题的相关内容．     

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。     

基于行扫描的车牌定位算法

车牌定位是车牌识别中的关键步骤。针对车牌区域内字符串具有丰富的纹理特征,本文提出了一种基于行扫描的车牌定位算法。该方法根据车牌纹理特征采用行扫描的方法确定出水平区域,再利用车牌的长宽比在水平区域内确定出左右边界。实验结果表明,此方法能比较准确的定位车牌,便于进一步的车牌分割识别。     

像素连接车牌定位技术的研究

车牌定位作为车牌识别的先导部分,其准确性决定了车牌识别系统的可靠性.现有车牌定位技术对融合后的图像进行形态学操作时,存在结构元素大小不易控制,并且若车身有着与车牌同样的颜色,形态学膨胀容易造成两者相连接的问题.针对该问题,提出了像素连接的车牌定位方法,达到较好的车牌识别边缘检测效果.     

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。