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.

基于颜色特征和改进Canny算子的车牌图像定位

针对目前车牌定位算法准确率较低、定位速度慢等问题,提出一种基于颜色特征和改进Canny算子的车牌图像定位方法.该方法先利用彩色图像的颜色特征对车牌图像进行初步定位,提取该颜色特征时不包含亮度信息,有效克服了光照变化的影响;再对Canny边缘检测算法进行改进,提出一种新的梯度幅值和梯度方向一阶偏导数计算方法及高、低双阈值自适应确定方法;最后利用多组车牌图像对所提算法的性能进行验证,验证结果证明了所给方法的正确性和有效性.

边缘特性筛选与多判定机制下的车牌定位方法

针对复杂背景下的车牌定位,利用目标区域的边缘梯度特性筛选出车牌边缘;选取合适的结构元素做数学形态学填充,得到车牌候选区域;融合车牌灰度纹理特征与颜色特征通过多判定机制剔除伪车牌区域,实现车牌的准确定位;通过实验对大量实拍的复杂背景下的车辆图像进行测试。结果表明,该方法准确率高、速度快,克服了传统算法对拍摄环境、光照条件、颜色、角度等较为敏感的问题,具有良好的定位效果。

基于颜色和纹理分析的车牌定位方法

针对复杂背景的车牌定位问题 ,提出了一种颜色和纹理分析相结合的车牌定位算法 .该算法采用基于适合彩色图象相似性比较的 HSV颜色模型 ,首先在颜色空间进行距离和相似度计算 ;然后对输入图象进行颜色分割 ,只有满足车牌颜色特性的区域 ,才进入下一步的处理 ;最后再利用纹理及结构特征对分割出的颜色区域进行分析和进一步判断 ,并确定车牌区域 .该方法不同于大多数的车牌定位方法 ,它不仅对车牌的大小、汽车在图象中的位置以及图象背景的限制较少 ,而且 ,综合特征定位要比单一特征定位更符合人的视觉要求 ,因而定位效果更好 ,应用范围更广 .

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OpenCV的车牌定位和校正方法

提出了一种基于OpenCV的车牌识别和校正方法。该方法采用纹理特征和颜色信息相结合的算法对车牌进行定位,采用空间域分析的方法对倾斜车牌进行校正。在Visual Studio 2010和OpenCV2.4.1平台下验证,该方法能够对不同场景下不同种类的车牌进行定位和校正。该方法有较高的定位和校正准确率,并且能够应用于多种场合。

复杂环境下的车牌定位及目标真实性验证

通过融合颜色和边缘特征并进行目标真实性验证研究车牌的定位,提出了融合颜色特征与灰度边缘特征的车牌定位算法,解决了复杂环境下车牌定位困难的问题。车牌具有固定的颜色搭配和丰富的字符边缘,融合二者的定位算法可提取出所有侯选目标。利用车牌伴生与互补特性进行目标真实性验证,实现带反馈的定位,提高了定位准确度,适用于复杂环境下目标数量、类型不确定的车牌目标检测。对复杂环境下获取的981幅彩色图像进行实验,实验结果表明,车牌目标定位准确率超过了99%,验证了算法的有效性。

利用综合特征的车牌定位方法

车牌定位是车牌识别系统的关键技术之一.提出利用结构特征、纹理特征和颜色特征的车牌定位新方法.首先,利用顶帽变换抑制背景;其次,进行垂直边缘检测和形态滤波,通过结构特征进行车牌粗定位;再次,对候选区域的垂直投影应用一维小波分解滤噪,然后重构垂直投影,计算纹理统计量并构造纹理特征向量,应用BP神经网络识别车牌的字符纹理进行车牌的再定位;最后,对候选区域进行基于边缘颜色对的彩色边缘检测,根据其水平投影值进行车牌的精定位.对各种条件下拍摄的314幅含有车牌的车辆图像应用本算法,定位准确率达到98.7%.

融合边缘检测与HSV颜色特征的车牌定位技术

车牌定位是车牌识别系统的关键技术,定位的准确与否直接影响车牌识别的结果。车牌区域具有空间特征——边缘信息丰富,颜色空间信息——伴生与互补特性。若利用边缘特征丰富进行定位,受对比度及噪声影响较大;利用颜色信息受车身颜色及光照影响较大,误识率较高。针对这一特点,提出了一套融合灰度边缘检测与车牌区域特有的颜色特征,准确进行车牌定位的算法。对200幅各种情况下从交通卡口获取的实测彩色图像进行试验,准确定位率为99.5%。

基于边缘统计和颜色特征的车牌综合自动定位方法

车牌识别在智能交通系统中起着重要作用.车牌定位是车牌识别中的关键步骤.本文提出一种基于车牌字符边缘统计和颜色特征的综合定位方法,可以有效地解决背景复杂的彩色图像中车牌定位的问题.该方法分为竖直边缘检测、边缘统计分析、车牌候选区定位、候选区筛选、车牌倾斜矫正.通过对垂直边缘的统计分析将邻近的边缘点进行连接,结合车牌的位置、颜色等特征对连接形成的块状区域进行筛选,而后对得到的车牌区域加以校正,最终输出易于分割的车牌字符图像.该系统包括从图像采集,到车牌分类、车牌文字区别等完整过程,适应性强.通过一系列实际采样图像的试验结果证明,该方法准确率高、鲁棒性好,能够满足实际车辆车牌自动识别系统应用的需要.

基于边缘检测和颜色纹理直方图的车牌定位方法

针对已有车牌定位算法在分辨率高、背景复杂图像上存在准确率下降的问题,提出了一种基于边缘检测和颜色纹理直方图的车牌定位算法。该定位算法分为两个阶段:首先利用结合了Canny和Sobel算法的改进边缘检测算法提取图像的垂直边缘,并结合滤波、投影等方法进行车牌粗定位;然后提取候选区域的颜色纹理直方图,与训练好的分类器进行匹配,实现车牌的精确定位。实验表明,该方法对于背景复杂、光照不均等情况均有良好的鲁棒性,在白天和晚上都能取得较好的定位效果。

融合字符纹理特征与RGB颜色特征的车牌定位

由于光照、距离变化以及背景复杂等原因,传统基于单一特征的车牌定位算法很难获得满意的效果。为完成复杂背景下车牌定位,提出融合字符纹理特征与RGB颜色特征的定位算法。利用车牌区域背景底色与字符颜色互补特性,通过寻找图像车牌区域颜色点对,结合字符纹理特征反馈校验,能快速准确定位车牌。对复杂背景下获取的12 581幅彩色图片进行实验,结果表明,定位准确率能够达到99.4%,验证了该算法的有效性。

一种基于灰度图像的车牌快速定位算法

在图像增强的基础上,对得到的二值图像进行处理从而得到特征图像,对特征图像进行水平扫描与垂直投影并结合车牌的先验信息来确定正确的车牌区域,实验结果表明该方法能够正确快速地定位车牌区域。

一种基于纹理特征抽取的车牌定位预处理方法

研究了车牌区域的字符和边线纹理特征,改进了传统的Sobel算子,以求更好地提取车牌区域的45°,135°方向的边缘纹理;同时设计了两种模式滤波器,以滤除不具备车牌纹理特征的噪声纹理。实验结果表明,该预处理方法很好地突出了车牌区域的纹理特征,有利于快速、准确地定位出车牌所在的区域。

一种新型的基于数学形态学和颜色特征车牌定位算法

在分析了车牌定位现有算法优缺点的基础上,本文提出一种新型的综合利用车牌纹理特征、颜色特征和几何特征的快速定位算法。该算法利用数学形态学充分挖掘车牌纹理特征以及消除噪声干扰。把图像分割为若干子区域,利用纹理条件和颜色条件判断,对各子区域进行独特的分类和聚类融合,最终由粗至细精确地定位出车牌所在位置,为后续车牌字符的分割识别步骤打下良好基础。实验结果表明,对于各种情况下的车牌图像,该算法都能有效地对车牌进行定位,具有定位准确率高,运行速度快,抗干扰性强的特点。

车牌字符识别技术的研究与实现

设计了一种机动车牌照的自动识别解决方案.对车牌图像的预处理中,提出了一种新的基于非线性均值边缘检测算法,通过大量实验,该检测算法处理后的图像能更好实现车牌的定位与字符分割.在识别系统中,为了更准确地识别字符,使用两种特征提取法提取字符特征,设计了两级分类器对字符进行逐个识别.实验结果表明,这种识别方法具有良好的识别效果,具有较大的实用价值.

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。

基于多重特征和SURF算法的车牌定位研究

针对利用SIFT算法进行车牌精确定位时执行时间较长的问题,提出一种基于多重特征和SURF算法的车牌定位算法。在HSL颜色空间得到车牌候选区域,结合车牌几何特征与纹理特征筛选候选区域并按设定的规则标号;按序提取车牌标号候选区域,并用SURF算法对候选区域精确定位。实验结果表明,SURF算法与SIFT算法相比,在定位准确率相同情况下减少了运行时间,能满足实时性需要。