基于边缘颜色对的车牌定位新方法

车牌定位是车牌自动识别系统中的一个关键问题 .该文提出了一种新的基于边缘颜色对的车牌定位方法 .首先进行彩色边缘检测 ,然后以每一边缘点为中心 ,垂直于边缘方向取一线形窗口 ,在窗口内检测边缘点两侧像素的颜色是否分别匹配车牌的底色与字符颜色 ,若是 ,则保留为候选车牌边缘点 ;然后进行形态滤波 ,剥离不符合车牌结构特征的区域 ,最后对候选车牌区域进行纹理特征的分析以确定真实车牌区域 .该方法抓住了车牌背景与字符具有固定颜色搭配的重要特点 ,综合利用了车牌的结构特征和纹理特征 ,提高了车牌定位的可靠性 .对各种条件下拍摄的 16 3幅含有车牌的图像应用该算法 ,定位准确率达到 98.2 % .

基于字符边缘颜色多分量信息的车牌定位方法

针对复杂环境下的车牌定位,提出利用车牌字符边缘颜色多分量信息特征的定位算法,分别提取车牌底色像素点和字符色像素点,排除没有字符色像素点相邻的底色纹理像素点。由于字符色与底色的相互影响,字符边缘处色度、饱和度分量都有较窄的范围,可缩小车牌的搜索区域。结果证明该特征有助于车牌的准确定位,可确定车牌颜色,同时运算多在二值图上进行,速度快。

基于边缘颜色分布的车牌定位新方法

根据车牌的综合特征,提出了一种新的基于边缘颜色分布的车牌定位算法。该算法抓住了车牌背景与字符具有固定颜色搭配的重要特点,利用车牌区域内特有的边缘颜色分布信息并结合车牌的纹理特征,有效地滤除了大量的背景和噪声边缘,然后利用车牌的结构特征和边缘信息,并结合形态滤波的方法,以进一步确定车牌区域。实验结果表明,该算法定位准确率高、鲁棒性好,而且适用于对复杂背景下的多车牌图像进行分割。

基于边缘颜色信息的车牌定位算法

车辆牌照的自动识别是智能交通系统中的一项重要技术,而车辆牌照的定位又是车牌识别的关键点之一。提出了一种基于边缘颜色点对与扫描线相结合的车牌定位方法。首先进行彩色边缘检测,然后以每一边缘点为中心,垂直于边缘方向取一条线段,在线段内检测边缘点两侧像素的颜色是否分别匹配车牌的底色与字符颜色,若是,则保留为候选车牌边缘点;通过扫描线搜索定位并分割出车牌区域。方法抓住了车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验结果表明,算法能够实现车牌的快速精确定位。

基于边缘颜色分布的图像检索方法

提出了一种新的基于边缘颜色分布的图像检索算法。该算法将不同类型边缘附近的颜色分布作为刻画图像内容的主要特征,设计了一种紧凑的2D边缘颜色直方图来对图像的边缘颜色分布特征进行描述,既利用了局部颜色特征,又考虑了不同类型边缘的空间分布信息,克服了传统颜色直方图不能反映空间信息的缺陷。实验结果表明,该算法与其他同类方法相比,有效地提高了检索性能。

字符边缘颜色与逻辑在车牌定位中的应用研究

针对复杂背景下的车牌定位问题,提出了一种基于字符边缘颜色与逻辑的快速车牌定位方法。该定位方法将RGB彩色空间中的车牌图像,转换到HSV彩色空间中。根据像素点颜色进行二值化,得字符边缘颜色像素区,同时通过逻辑与,确定图像字符颜色边缘点,最后经纹理分析来定位车牌,解决了目前常用流行算法所不能处理的定位问题。

基于内外边缘颜色特征的图像检索算法

算法的基本思路是提取边缘部分的颜色特征进行图像检索,将边缘分为内外边缘区别对待,加大内边缘(对应目标部分)的比重,通过多尺度多结构元的数学形态学方法实现。通过设置内外边缘的权重充分考虑了目标的重要性,克服了全局颜色直方图不能反映空间信息的缺陷。实验结果表明,该算法有效地提高了检索系统的效率。

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段:首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段:针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。

一种基于边缘颜色的彩色车牌定位算法

为解决车牌识别中车牌定位问题,根据车牌局域颜色变化、车牌宽高、车牌中字符数及车牌中字符颜色变化等特征,提出了基于边缘颜色的车牌定位算法;通过实验,证明了该算法能够有效地克服光线和天气变化的影响,具有很强的抗干扰性能、定位精度高达98.4%。

VGA的边缘颜色控制技巧

在EGA显示系统下,一般来说边界较小,如果选择非黑色边界,将导致边界不清;但在VGA显示系统下,边界效果得到了明显的改善,在VGA上开发的应用软件,无论是在图形状态下或文本状态下,如果设置一个漂亮的边框,将使画面更加美观,得到一个具有特殊效果的屏幕.一、边缘颜色的控制原理不论是EGA还是VGA显示系统,一般对于屏幕边界的控制,都是通过对ATC属性寄存器的11号被索引口的操作来完成的,使用中也可以直接采用BIOS调用的办法,其效果是一样的;BIOS中置边缘寄存器的控制方法如下:

基于边缘颜色点对分布特征的车牌定位算法

提出了一种基于边缘颜色点对及其分布特征的车牌定位新方法。首先利用车牌区域背景与字符具有固定颜色搭配的特征以及边缘颜色点对的距离约束条件,对汽车图像进行多次滤波,完成对车牌字符边缘颜色点对的充分突出;然后根据边缘颜色点对分布的统计特征实现车牌的快速定位。实验结果表明,该算法是一种快速、有效的定位方法。

基于特征颜色边缘检测的车牌定位方法

本文提出了一种基于特征颜色边缘检测的车牌定位算法。通过分析局部区域内指定颜色的分布特征,使车牌颜色和纹理特征的提取同时进行,而且只检测出车牌内两种颜色之间的边缘,而大量无用的边缘被忽略,极大地减轻了后续处理工作的难度,缩短了定位时间,同时成功定位率也有所提高。

基于颜色和边缘直方图的多目标跟踪

为了解决基于颜色直方图的多目标跟踪方法对复杂场景适应能力差,容易丢失目标的问题,文中提出一种将颜色直方图与边缘方向直方图相结合的多目标跟踪方法。该方法首先采用一种分块连通域标记方法进行多目标提取,并获得目标的颜色、边缘特征;然后融合目标颜色与边缘两种特征来描述目标的外观模型;最后对跟踪过程中的目标模板进行更新。实验结果表明,该方法对于目标在尺度、光照、姿态发生变化以及目标发生旋转情况下能够实现目标的稳定跟踪,具有很强的鲁棒性。实验中对3组挑战性的视频序列进行了测试,目标数目选定为2个,目标窗口大小为64pixels×64pixels的情况下,本文方法跟踪速度最高可达20fps,基本上可以满足实时性的跟踪需求。

基于四元数特定颜色对边缘检测的车牌定位

车牌定位是车牌识别系统中的一个关键问题。提出了一种基于四元数特定颜色对边缘检测的车牌定位算法。首先将输入彩色图像用同色调全饱和度四元数形式表示;然后借助四对模板检测特定颜色对边缘,结合形态学膨胀运算提取潜在车牌区域;最后根据车牌形状约束条件定位车牌区域。该方法综合利用了车牌的颜色、边缘和形状特征,具有较好的鲁棒性。对各种情况拍摄的485幅车牌图像应用该算法,查全率达到96.8%,查准率超过93.2%。

基于颜色边缘与SVM的图像文本定位

提出了一种将颜色边缘与SVM相结合的文本定位与提取的方法。首先根据文本的颜色边缘特征进行粗筛选,获得文本候选区;然后使用SVM分类器进行文本与非文本分类,实现文本区域定位与提取。实验表明,该方法取得了良好的效果。

利用图像颜色及其边缘直方图特征的SVM人脸检测

研究了利用颜色直方图、颜色边缘幅值和边缘方向直方图特征,基于支撑向量分类器的检测人脸技术.提出了一种新的边缘方向编码,在与颜色直方图结合中比传统方向编码有更好的分类性能.采用多重交叉检验的ROC评估,实验表明结合颜色直方图和颜色边缘直方图能明显提高分类精度;支撑向量机能有效地挖掘基于颜色的综合直方图的分类潜力,分辨出不同光照条件下、不同表情甚至部分遮挡的非深度旋转的彩色人脸,体现出结合颜色及其边缘统计特征在人脸检测中的有效性和鲁棒性.

基于纹理特征和颜色匹配的车牌定位方法

在分析车牌定位现有算法的基础上,根据车牌的特点,提出一种新的综合利用车牌纹理特征和边缘颜色对的车牌定位方法.首先根据车牌的纹理特征和结构特点进行粗定位,确定车牌的候选区域,然后对候选车牌区域进行边缘颜色对的检测,根据车牌背景与字符有固定颜色搭配的特点,确定车牌区域.实验结果表明,该算法能有效地对车牌进行定位,提高了车牌定位的可靠性.

基于Laplacian与多尺度数学形态学的漏磁图像边缘增强方法

为增强管道焊缝漏磁图像的边缘特征,提出一种基于Laplacian与多尺度数学形态学的焊缝漏磁图像边缘增强方法。首先采集管道漏磁内检测器中的漏磁数据进行成像,然后利用数学形态学算法,通过构建多尺度结构元素对图像进行边缘检测,利用边缘颜色约束对删除非边缘点,最后利用拉普拉斯算子对边缘进行增强。结果表明,该方法可较准确地提取漏磁信号图像的焊缝和缺陷边界,实现焊缝和缺陷的边缘增强,具有一定的可行性和实用性。

基于特征颜色的车道线检测算法

研究自动车驾驶车道优化识别特征颜色边缘,针对不同颜色车道线检测,精度算法不完善。为了提高准确性,提出一种基于特征颜色边缘检测算法。根据道路图像不同物体颜色特征,按特征颜色设计转移函数来标记原图像中的特征颜色区域,再对选取的特征颜色区域进行边缘检测并输出二值化,进行识别过程,对结果进行边缘细化操作得到最终的检测结果。和其它特征颜色的边缘检测算法对比表明,改进的算法在边缘识别上,提高了定位的准确度和精细度,实时性地满足自动驾驶系统的要求,对自动车辆车道线检测有实际参考意义。

彩色图像边缘特征及其人脸检测性能评价

介绍了一种有效的彩色图像边缘特征提取算法,提出了一种新的边缘方向编码——双轴对称方向编码,利用多重交叉验证的ROC(receiver operating characteristic)曲线对基于颜色及其边缘直方图的SVM(supportvector machine)人脸检测进行平均性能评价.实验结果表明,图像颜色边缘特征比灰度边缘特征具有明显优势.通过分别与RGB三色直方图线性拼接,新的双轴对称边缘方向编码表现出比传统方向编码更好的SVM分类性能.利用颜色及其边缘直方图特征能够明显提高人脸检测性能,分辨出不同光照条件下、不同表情甚至部分遮挡的非深度旋转的彩色人脸.