共查询到10条相似文献，搜索用时 31 毫秒
1.
周泽华 《赤峰学院学报(自然科学版)》2012,(15):68-69
研究车牌识别定位算法问题．传统的车牌设识别定位算法的识别精确度难以满足现实在交通管理和流量监测中的应用,存在车牌图像定位的精度不高等问题．为解决上述问题,在对车辆图像预处理基础上,提出一种基于有色点对搜索的车牌定位算法．基于车牌图像颜色特征,选取适合的颜色模型进行车牌提取．用有色点对算法搜索出符合车牌字符特征的候选区域对车牌进行粗定位,最后对候选区域进一步分析准确定位出车牌．通过研究表明,该算法具有较高的准确率． 相似文献
2.
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
3.
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
4.
5.
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
6.
为了提高车牌识别准确率,以MATLAB为平台,对车牌识别系统部分算子选择及算法进行调整和优化。在具体处理中,通过灰度拉伸、顶帽变换、二值化等实现车牌预处理,用边缘检测、形态学处理等实现车牌定位,通过多种算法对比选择合适的车牌矫正方法,结合车牌垂直投影法、模板匹配法完成车牌识别系统设计。该系统对车牌识别的准确率由96.5%提升至97.5%,识别效果较好。 相似文献
7.
张月红 《襄樊职业技术学院学报》2006,5(6):9-12
车牌定位在车牌识别系（License Plate Recognition,LPR）的实现过程中是一种极为重要的技术。车牌定位不仅是LPR中的重要步骤，而且是识别的基础。竖向边缘生长算法．既充分发挥了样板匹配的边缘检测方法定位边缘高效快速的特点，又结合了区域生长算法分割结果准确的优点。 相似文献
8.
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
9.
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
10.
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