基于灰度方差和边缘密度的车牌定位算法
在车牌定位的过程中, 由于光照变化、视点和距离变化、车辆运动、复杂背景等原因, 摄像机很难获取到高质量的图像。 为了克服这些问题对以后的车牌定位算法的影响,提出了利用车牌区域的性质来进行车牌定位的新算法。车牌区域具有在一 定范围内灰度方差近似相等和边缘密度近似相等的性质,利用这些性质来增强车牌区域。
在车牌定位的过程中, 由于光照变化、视点和距离变化、车辆运动、复杂背景等原因, 摄像机很难获取到高质量的图像。 为了克服这些问题对以后的车牌定位算法的影响,提出了利用车牌区域的性质来进行车牌定位的新算法。车牌区域具有在一 定范围内灰度方差近似相等和边缘密度近似相等的性质,利用这些性质来增强车牌区域。
字符分割是车牌识别中关键的一步。但在实际处理中, 预处理的不足常常给字符分割带来很大难度,甚至导致分割的失败,在对车牌字符分割前的预处理方法进行了研究之后,提出了新的预处理方法,该方法包括反色判断、局部二值化、倾斜校正、车牌精确定位以及顶帽算法滤波等步骤。
汽车牌照识别是图像识别领域的重要研究课题,提出一种基于 Matlab 的车牌识别系统有效解决了在自然背景下,车辆牌照的定位和字符识别的问题。
介 绍 了 中 国 车 牌 识 别 的 研 究 背 景 和 现 状 ,提 出 了 一 种 基 于 神 经 网 络 的 新 方 法 ,并 设 计 了 一 种 没 有 直 接 预 处 理 的 车 牌 像 素 图 像 的 卷 积 神 经 网 络 结构。 该 图 像 变 换 适 用 于 利 用 原 始 车 牌 来 增 加 训 练 数 据 库 。实 验 结 果 验 证 了 本 车 牌 识 别 方 法 的 鲁 棒 性 和 有 无 车 牌 的 识 别 效 率 。
本文重点讨论了图像定位及图像分割的原理,并结合当下研究热点的车辆牌照识别课题为例,利用本学期数字图像课程所学习到的知识实现了摄像机下普通车辆的牌照定位及图像分割。
针对汽车牌照识别,在特征提取方面,采用兼有统计特征和结构特征优势的粗网格特征,并且针对易混淆字符提出一种具有针对性、区分性较强的小波细网格特征加以补充,最后采用集成分类器进行识别.
在车牌自动识别过程中,图像的倾斜会给后续字符分割和识别带来困扰。利用传统 H ough 变换进行矫正的运算量很大,文中提出采用 C anny 算子提取图像边缘,去除牌照图像中和矫正无关的所有冗余信息,减少矫正过程的运算量.
本文提出了一套简洁高效的车牌识别方法,首先在字符分割上改进了传统的投影算法采用了在二值中对白色像素进行垂直投影的方法。