共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
文中提出了一种基于小波分析的车牌定位算法．根据图像中车牌的形态特征和横向纹理属性,提取图像高频（LH）小波系数的均值、能量、熵等作为分类特征,同时通过形态学算法对车牌候选域和非车牌域进行聚类,并运用相关的先验知识对车牌候选域进行优化．实验结果表明,文中提出的车牌定位算法是一种切实可行、准确高效的方法,该算法对复杂背景下拍摄的汽车图像具有很好的鲁棒性． 相似文献
3.
研究设计了在普通的监控条件下,基于几何和颜色综合特征的车牌自动定位及识别方法.该方法综合运用车牌的垂直边缘和车牌照颜色定位出若干候选车牌区域,根据车牌纵横比等条件去掉不符车牌几何特征的选区,然后采用支持向量机(SVM)分类器对候选区做进一步的分类筛选.将车牌选区内的字符自动分割出来后,调用训练好的BP神经网络对单个字符进行识别,最后将识别结果按序排列后即可得到车牌号.该方法不需要给汽车增加射频卡等特殊的设备条件,成本更低、可以更加友好地应用于不同的需求.最后在实际开发的基于车牌识别的车辆智能门禁系统中验证了本文方法的有效性. 相似文献
4.
5.
将医学图像配准中的互信息算法移植到车牌识别系统,首先基于颜色信息快速定位车牌并校准分割出待识别的车牌字符,然后计算分割字符与字库字符的互信息值,互信息值的大小反映了图像之间的相似程度,最后通过比较互信息值的大小确定最终结果.实验证明,互信息算法相对其他车牌识别常规算法能更准确反映出图像之间的相似度,从而得到更精确的识别效果. 相似文献
6.
范蕤 《通化师范学院学报》2013,34(6):1-4
文中针对彩色汽车图像牌照定位率不高和速度慢等问题,提出了基于HSV颜色空间与小渡能量分析相融合的车牌定位方法.利用固定底色牌照的色相、亮度和饱和度值分布区间不同的特点,完成对大多数黄蓝底色牌照的快速定位.对于车牌底色与车身颜色相近无法一次完成定位的操作,进行图像二次定位处理,利用车牌区域小波高频能量分布特点从背景图像中提取车牌区域.实验结果表明该方法比单一使用HSV空间进行定位的算法准确率高,比其它小波定位算法实现速度快,并且具有较好的鲁棒性. 相似文献
7.
车辆牌照识别系统作为一个专用的计算机视觉系统,能够自动摄取车辆图像并识别出车牌。主要应用于高速公路收费口以及住宅小区车库的管理等场合。研究了汽车牌照识别中的车牌定位算法。首先对现有的车牌定位方法进行系统的分析,总结出车牌定位研究存在的主要问题。其次,针对车辆图像背景复杂、垂直纹理散热器噪声干扰严重等问题,提出了一种新的车牌定位算法。该方法能有效降低误检率,且运算复杂度较低,有利于实现复杂背景中车牌的快速定位。 相似文献
8.
针对传统数学形态学算法对图像边缘细节提取不理想的问题,采用3×3或者5×5的结构元素替换单一结构来改进数学形态学算法,克服传统数学形态学算法的缺陷。对车牌图像边缘轮廓实施闭运算、开运算、小对象移除,实现车牌的粗略定位。在此基础上,采用区域标记法进行车牌精准定位。将提出的车牌定位算法应用于实际的车牌定位中,结果表明,改进数学形态学算法对车牌定位的准确率比传统数学形态学算法提高了13.9百分点,具有更为广泛的适用性。该研究对提高车牌的定位精度、车牌识别具有一定的参考价值。 相似文献
9.
10.
车牌定位是智能交通管理中车牌识别的重要环节,文章首先对车辆图片进行预处理,先用自适应阈值的SUSAN算法获取车辆边缘,再根据数学形态学去除边缘图片中的噪音点和无关边缘,突出车牌区域的特征,最后根据水平扫描和投影法确定车牌位置。实验证明,该方法能有效定位含噪声点的车牌图片,定位准确。 相似文献
11.
提出了1种的车牌图像二次定位方法,在第1次定位中初步找出包含车牌边框的车牌图像区域。再根据车牌边框对车牌图像进行倾斜校正．在此基础上,对车牌图像进行第2次定位,最终获得精确的车牌区域．测试结果表明,车牌图像二次定位方法成功率较高,能够为后续的车牌字符识别打下良好的基础． 相似文献
12.
提出了基于改进的边缘检测和数学形态学结合的车牌图像识别新方法.首先将采集到的彩色车牌图像转化为灰度车牌图像,然后利用Sobel算子进行边缘检测,接着对灰度化的车牌图像进行形态学的腐蚀处理,得到平滑图像的轮廓,再进行X方向的定位和Y方向的定位及区域校正得到车牌的区域.通过对车牌图像的二值化和形态滤波把车牌上的字符给有效分割出来,最后采用模版匹配的方法进行车牌字符的识别.从仿真的结果看:可以准确提取车牌位置的字符,字符识别的准确率较高,且识别的速度快. 相似文献
13.
车牌图像预处理作为车牌自动识别系统最基础的一个环节,其处理效果直接影响到车牌自动识别系统的识别效果．对车牌图像的灰度化、灰度图像增强、灰度图像二值化预处理技术进行研究,利用采集的原始车牌图像在MAIZAB环境下进行实验．实验结果表明,所采用的预处理方法具有良好的处理效果,为后续车牌的准确定位与识别奠定基础． 相似文献
14.
为了有效地定位交通监控图像中的车辆区域,提出了一种基于车辆轮廓对称和车牌定位信息融合的车辆检测方法. 该方法首先检测图像中的车辆轮廓竖直对称轴,然后以车辆轮廓对称轴位置为基准检测车牌水平和竖直对称轴,最后根据车牌横纵对称轴和车辆轮廓图像的水平、竖直投影进行车辆区域定位. 以450 张 15 类车型的图片为测试集进行了基于对称特征融合的车辆区域检测,并与基于车辆边缘、车牌、车辆纹理特征和车辆图像 Gabor 特征的 4 种方法进行了对比,实验结果表明基于车辆轮廓对称与车牌对称特征融合的车辆区域检测方法最优,其检测率和检测时间分别为 90. 7%和 125 ms. 相似文献
15.
SHI Yong-tao 《教育技术导刊》2008,(3)
在现有车牌定位的基础上,提出了一种结合图像空间信息方法和颜色空间信息方法进行车牌粗定位的方法。粗定位的结果可以用于车牌的精定位,为后续的车牌定位和识别打下良好的基础。 相似文献
16.
为了对现有小型汽车号牌识别系统进行优化,改善车牌字符识别系统性能,借助 OpenCV 图像处理开源库,在车牌图像预处理阶段采用均值滤波方法提高图像质量,采用 Sobel 边缘检测算子对图像边缘进行提取,利用交替的膨胀、腐蚀操作结合车牌长宽比实现车牌轮廓定位,并根据列像素值对车牌字符进行切割,最后采用改进的 K 近邻算法对分割后的单个车牌字符进行识别。实验结果表明,基于改进 K 近邻算法的车牌识别系统处理时间为 2.08s,识别正确率达 91.3%。与传统的 K 近邻算法相比有着更高的识别率,与神经网络法相比,有着更快的识别速度。 相似文献
17.
《鸡西大学学报》2019,(9)
为了提高机器学习算法对实际场景中车牌识别能力,克服天气、车牌种类对识别的干扰,以实际场景拍摄的车牌为识别对象,设计并开发了一种基于大数据标签与机器学习的车牌识别系统。首先,在不同启用场景、不同天气下采集两万帧车牌,涵盖各省市汽车,作为大数据标签和学习基础,建立车牌图像和车牌文字字段的训练集数据库;然后,利用图像降噪、自动阈值分割、形态学处理以及边缘检测,完成车牌定位与分割;随后,通过建立支持向量机与随机森林分类器,对训练集样本进行模型学习,完成机器学习算子,完成针对车牌的最终识别;最后基于Windows系统、C++语言与OpenCV开源学习框架,编码实现算法和系统。经过与对照组的对标测试,所提算法具有更高的车牌识别能力。 相似文献
18.
车牌定位是指通过计算机视觉、图像处理与模式识别等方法从车辆图像中提取车牌字符信息．从而确定车辆身份的技术．本文通过车牌的纹理和颜色特征,浅述目前国内的几种车牌定位的方法． 相似文献
19.
20.
智能车牌识别系统是结合数字图像处理技术、计算机视觉和模式识别为一体的综合系统,包含对车牌图像进行预处理、车牌区域定位、字符分割以及字符识别等功能。在车牌识别技术中,采用了BP神经网络技术,能快速根据提取的车牌字符特征与已知样本中特征进行比对以获取车牌字符。通过运用OPENCV计算机视觉库,大大降低了系统实现复杂度,实现了快速准确识别车牌号码。 相似文献