基于色彩饱和度和字符特征的汽车牌照定位

在分析汽车牌照底色与字符颜色关系的基础上提出了一种利用色彩饱和度信息和牌照字符特征的汽车牌照定位分割方法。该方法不同于以往的基于色彩的分析方法,避免了在由RGB向HSV转换过程中大量的浮点运算,提高了运算效率,并且能够有效地克服光线和天气条件的影响,具有很好的抗噪性能,定位精度高。

基于边缘特征和神经网络的汽车牌照定位算法

汽车牌照定位是一个较难解决的图像分割问题,神经网络为此问题的解决提供了一个有力工具。文中提出了一种新的基于字符边缘特征的定位算法,它通过滑动窗口抽取样本并输入神经网络,对比其输出的特征向量来描述图像中以滑窗左上角顶点为标记的不同位置的边缘特性,结合统计优选的方法提取车牌。实验结果表明:该车牌定位算法识别精度高,速度快。

彩色汽车图象牌照定位新方法

汽车牌照定位是一个公认的较难解决的图象分割问题 .目前已经实现的分割主要局限于灰度图象 ,且定位效果仍易受阴影和光照等条件的影响 .为解决彩色汽车图象牌照定位问题 ,提出了彩色图象边缘检测算子 Col-or Prewitt和彩色边缘检测与区域生长相结合的牌照定位算法 Color L P,其充分利用了颜色信息和牌照特点 .Color-Prewitt算法简单 ,全面作用在颜色空间的 3个分量上 ,在彩色牌照定位的边缘检测中具有传统算子无法比拟的优势 .实验表明 ,检测出的牌照区域完整 ,且与背景易于进一步剥离 ,由此可见 ,Color L P定位牌照区域准确率高 ,适用于任意背景、位置和光照下的牌照定位 ,且通用性较好 .

汽车牌照图像定位技术进展

汽车牌照自动识别技术是智能交通系统的关键技术之一。车牌定位作为车牌识别流程的第一步,定位的结果直接影响到整个系统的性能。近年来许多学者对车牌定位进行了较为深入的研究和探讨,相继提出一些基于纹理特征、颜色信息和运用数学工具的新方法、新思路。尽管如此,目前国内尚无一个完善和通用的汽车牌照定位方法。本文通过分析国内汽车牌照的特征,对近些年来出现的各种汽车牌照定位方法进行综述。

基于神经网络的视频序列车牌定位算法

在研究静态汽车牌照定位算法的基础上,利用时间序列多帧图像信息量大的优势弥补以往单幅图像牌照定位的不足,研究了视频序列下的汽车牌照定位方法。针对静态图像的牌照定位问题,提出了一种新的基于字符边缘特征和神经网络的汽车牌照定位算法。将上述定位算法应用到视频单帧图像中的牌照定位,并依此为基础,在动态视频序列中,对连续抽取的帧图像进行定位检测,各得到若干候选牌照区,比较相邻帧之间对应候选区的匹配程度,以得到真正的牌照位置。实验结果表明,该方法的定位精度高,实用性强。