分享到:

灰色理论的改良种子算法在车牌定位中的应用

现代交通的发展迫切要求实现交通管理的自动化。车辆牌照识别系统作为车辆自动识别的一种重要形式 ,可用于电子收费、出入控制、车流监控等众多场合。在车牌识别系统中 ,核心问题在于识别牌照中的字符 ,而其关键又在于文字目标所在区域的定位。目前已经研究并应用的有很多算法 ,比如基于局部阈值二值化与自适应形态滤波算法 ,它对于文字区域水平且其周围干扰区域较少的情况下定位比较准确 ,但在其它情况下很难准确定位 ,并且此算法二值化所得结果中各种尺寸的干扰区域都被保留下来 ,这对于倾斜度的正确估计十分不利。还有 Barroso J提出的基于水平线搜寻的定位方法、Charl Coetzee提出的基于 Niblack二值化算法及自适应边界搜索算法的定位方法等 ,以上这些方法或者对复杂背景及光照条件比较敏感 ,或者定位速度较慢 [1]。为了克服这些缺陷 ,提出了一种基于灰色理论的改良种子算法 ,并将其用于车牌定位系统中 ,实验结果表明 ,即使在复杂背景...  (本文共3页) 阅读全文>>

《南京理工大学学报(自然科学版)》2002年S1期
南京理工大学学报(自然科学版)

用神经网络进行车牌定位的研究

汽车牌照识别 (LicensePlateRecognition ,LPR)是智能运输系统的重要组成部分 ,其任务是处理、分析摄取的汽车图像 ,自动识别汽车牌号。LPR方法基本流程可粗略划分如下 :车牌定位、字符分割与识别。其中车牌定位模块功能的完善与否直接影响LPR的成功与否 ,所以人们对于如何正确快速地进行车牌定位表现出了极大的热情。目前车牌定位一般采用以下几种方法[1] :(1)基于图像彩色信息的方法 ;(2 )基于扫描行起伏规律的方法 ;(3)基于边缘检测 (Hough变换 )的方法 ;(4)基于字符几何特征的方法 ;(5 )基于灰度聚类的方法。上述方法或者是回避了实时性的要求 ,或者是对图像质量要求较高 ,容错性不好。本文着重研究用神经网络进行车牌定位的方法 ,和上述方法相比 ,此方法对图像质量要求较低 ,且定位速度快 ,实时性能好。1 神经网络的设计和训练1 1 神经网络直接感知灰度图像近年来 ,人工神经网络 (Neu...  (本文共5页) 阅读全文>>

《通信技术》2017年06期
通信技术

复杂环境的车牌定位方法设计与实现

随着智慧城市的不断发展,城市预警与视频监控全面铺开,也被广泛应用于车牌定位识别和车流量的智能分析。车牌识别系统作为车辆自动识别的Foundation Item:Scientific and Technological Research Program of Chongqing Municipal Education Commission(No.KJ1600937);Youth Scientific Research Program and Spark Support Plan of Chongqing University of Technology(No.2014XH12);National Natural Science Foundation of China(No.61202348)一种重要形式,常用于电子收费、出入控制、车流监控等重要场合。车牌定位作为车牌自动识别系统中重要环节的核心步骤,对系统识别的精度具有重要影响。然...  (本文共7页) 阅读全文>>

《科技视界》2016年03期
科技视界

基于边缘检测和色彩空间的混合车牌定位算法

0概述由摄像头捕捉的汽车图像是彩色图像,其中包含有大量的色彩信息以及丰富的几何信息。而车牌识别算法的主要工作就是利用图像中已有的颜色信息、车辆的几何信息和车牌的几何信息,使用数字图像处理的方法来提取车牌的位置。颜色是人的视觉系统对光谱中可见区域的感知效果,为了准确地描述颜色,必须引入色彩空间的概念。正如几何上用坐标空间来描述坐标集合,色彩空间用数学方式来描述颜色集合。而在车牌识别过程用到的主要图像处理算法是边缘检测算法。1色彩空间1.1 RGB色彩空间RGB色彩模型一种加性色彩模型(additive color model),通过将红(Red)、绿(Green)和蓝色(Blue)以不同的方式混合在一起,来获得多种颜色[1]。RGB色彩模型的名称即来源于最主要的三种混合色:红色、绿色以及蓝色。而基于RGB色彩模型的颜色空间即为RGB色彩空间。通过将R、G和B添加在一起(即所有光线反射回眼睛)可产生白色[2]。加性色彩空间主要应用在...  (本文共2页) 阅读全文>>

《信息通信》2016年02期
信息通信

基于数学形态学的车牌定位研究

0引言2数学形态学车牌识别LPR(License Plate Recognition)是指对交通数学形态学(Mathematical Morphology)的基本思想是设备采集到的视频或者图像信息进行处理[1],进而准确地定用具有一定形态的结构元素去量度和提取图像中的对应形位车牌的位置、分割并识别出车牌上的字符。车牌定位所状以达到对图像分析和识别的目的[2]。数学形态学是由一组用时间的长短以及定位精度的高低将直接影响车牌识别系形态学的代数运算算子组成的,它有四类基本运算:膨胀、腐统的性能。从处理图像的类型的角度来说,车牌定位的算蚀、开运算和闭运算。这一系列运算可以对图像进行形状和法分基于彩色图像的色彩信息定位的方法和基于车牌灰度结构的分析处理,包括特征抽取、边界检测、图像滤波、图像特征分析的定位方法。第一类是利用车牌字符和车牌底色增强等。腐蚀是消除物体的边界点,使边界点向区域内部收具有明显的反差特征来进行车牌的定位。此定位方法的...  (本文共3页) 阅读全文>>

《南方农机》2015年03期
南方农机

汽车车牌定位技术方法的探讨

在现代智能交通系统中,交通信息服务体系的重要性较大,它可以保证前者的稳定运行。交通信息服务系统的信息主要有车辆间的距离大小、交通事故、驾驶需要的时间长短、停车位置以及车辆行驶速度的测定等。而车辆自动识别指的是:当车子经过某一段特定路面时,该车的相关信息会被识别出来。对于一辆车子来说,能够识别它的唯一符号就是车辆牌照,它就好比车辆的“身份证”,一旦知道了车辆的牌照号,则车辆的车种、车主等所有信息便一清二楚。这样交通网上所有正在运行车辆的牌照就可以被实时的识别并汇总,最终将最详尽的信息提供给交通控制和管理系统。但是在实际应用中,车牌会受到各种环境或人为因素的影响,致使车牌污损严重,以至于车牌图像的质量难以保证,增加了识别的难度,不同程度上制约着我国车牌识别系统的识别率,使得中国车牌识别难度远远高于国外的车牌识别。同时,由于车牌自动识别潜在的巨大商业价值,所以国外车牌自动识别技术成熟的国家并不公开该技术。使得我国国内成熟的车牌自动识别...  (本文共3页) 阅读全文>>