基于最大稳定极值区域与主要旋转不变局部二值模式的复杂场景车牌检测方法

为了解决在复杂场景中进行车牌定位的问题,提出了一种基于MSER与DRLBP特征的车牌定位方法。首先对输入图像进行预处理,然后在多个通道上进行MSER候选区域提取;接着利用所设计的基于车牌字符合并的车牌定位方法进行车牌字符合并;最后利用DRLBP纹理特征对合并后的区域进行验证从而得到最终的车牌区域。实验结果表明该方法具有较好的定位能力。由于方法是通过寻找车牌字符进而定位车牌位置,因此其受车牌颜色、车牌格式的影响较小,在复杂环境中对国内外不同车牌均有较好定位效果。

基于Float-LBP算法的纹理图像检索

局部二值模式(LBP)仅依赖中心点和其邻域点在灰度上的差异,忽略了邻域点之间的浮动关系,导致表征能力较差,因此提出了一种改进的LBP算法。在对图像LBP二值化前,首先将邻域点按顺时针方向和其相邻的点进行比较得到一串类似于LBP算子的二进制序列;然后对这一序列进行十进制编码,并将这一部分的特征记作FloatLBP(F-LBP);最后再和原始的LBP算子提取的特征结合作为整幅图像的纹理特征。实验表明,通过F-LBP和LBP算子的结合,在保留局部微观纹理的前提下增加了更多的图像纹理分布信息,提高了算法的检索精度。

应用MSER与DLBP的证件文本定位方法

针对复杂背景文本定位问题,提出了一种应用MSER算法与DLBP纹理特征的文本定位方法.该方法由候选区域提取、文本行合并以及文本区域检测所组成.首先,使用MSER算法在预处理后的证件图像中进行多通道候选区域提取;接着,采用一种新设计的文本行合并算法对候选区域进行文本行合并;最后,利用DLBP纹理特征结合SVM分类检测从而确定最终的文本区域.实验结果表明,本文所设计的文本行合并算法结合DLBP纹理特征进行分类检测,能够得到较高的召回率和准确率.同时,对不同类型的证件都具有较好的兼容能力.