一种快速车牌定位算法

一种复杂环境中的车牌定位算法

一种复杂环境中的车牌定位算法车牌定位是智能交通系统中重要的一环，它是车辆识别系统的关键步骤。

然而，在复杂环境中，如光线不均匀、天气恶劣或者车辆位置和角度变化较大时，车牌定位变得尤为困难。

因此，为了提高车牌定位的准确性和鲁棒性，在这种复杂环境下，可以采用以下算法。

首先，可以通过颜色特征进行车牌定位。

车牌通常具有特定的颜色，例如蓝色、黄色或者绿色等。

因此，可以使用颜色分割算法来提取图像中的车牌区域。

该算法首先根据颜色阈值将图像分割为不同的颜色区域，然后通过形态学操作来滤除小的非车牌区域。

最后，根据车牌的特定形状和比例进行筛选和检测。

其次，可以利用边缘检测算法来进行车牌定位。

边缘检测可以识别图像中的边缘信息，而车牌通常具有较为明显的边缘。

可以采用经典的边缘检测方法，如Canny算子，对图像进行边缘提取。

然后，根据车牌的特定形状和比例进行车牌候选区域的筛选。

此外，可以采用模板匹配的方法进行车牌定位。

模板匹配是一种基于相似度的匹配算法，可以在复杂背景下识别车牌。

首先，需要采集车牌图像的样本，然后使用特定的特征提取算法，如卷积神经网络（CNN），将车牌样本转换为特征向量。

接下来，对于待检测图像，也使用同样的特征提取算法，将图像转换为特征向量。

最后，通过计算图像特征向量与车牌样本特征向量之间的相似度来判断是否为车牌区域。

最后，可以结合多种算法进行车牌定位。

由于复杂环境下的车牌定位问题具有较高的难度，单一算法往往无法满足要求。

因此，可以采用多种算法的组合，例如，先通过颜色分割算法提取初始车牌区域，然后再使用边缘检测和模板匹配算法进行进一步的筛选和确认。

综上所述，复杂环境中的车牌定位算法可以结合颜色分割、边缘检测、模板匹配等多种方法。

同时，对于车牌定位的准确性和鲁棒性，还需要考虑光照变化、天气条件等因素，并采用适当的预处理和参数调整方法来提高算法的性能。

基于特征的车牌定位算法

2010年8月第8期电子测试ELECTRONIC TESTAug.2010No.8基于特征的车牌定位算法张华1 ,孙运强2 ,姚爱琴1（1 中北大学信息与通信工程学院山西太原 030051；2 中北大学仪器科学与动态测试教育部重点实验室山西太原 030051）摘要：车辆牌照的识别技术是智能交通系统重要研究课题之一,而车辆牌照的定位又是车牌识别的关键点。

本文采用了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，把图像分割为若干个子区域，利用纹理条件和颜色条件判断，对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位置，然后利用Hough变换矫正倾斜的车牌图像并去除边框和铆钉，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，本文的研究成果能有效定位车牌且效果显著。

关键词：车牌定位；数学形态学；Hough变换中图分类号：TN919.82 文献标识码: BMethod of car license plate location based on FeatureZhang Hua1 ,Sun Yunqiang2 ,Yao Aiqin1（1 School of Information and Communication Engineering，North University of China,Taiyuan,shanxi 030051，China; 2 Key Laboratory of Instrumentation Science & Dynamic Measurement, North Universityof China, Taiyuan, 030051, China)Abstract: Vehicle license identification technology is an important research topic of Intelligent Transportation Systems, vehicle license Plate location is the key.A new fast algorithm on multi一features including texture，edge and color features of the vehicle license Plate was proposed.The algorithm choosed the mathematical morphology as the tools of mining the texture and eliminating the noise Pollution，used Particular texture condition and color condition judgment to classify and cluster the sub-region segmented from the image，and finally accurately located the Position of vehicle license Plate. Experimental results show that the results of this study can effectively locate plate and the results are obvious.Keywords: vehicle license Plate locatio; Morphological; Hought transform0 引言一般来说，完整的车牌识别系统由车辆图像获取、车牌定位、字符分割和字符识别4个部分组成，其中车牌定位技术是整个车牌识别系统的基础。

一种复杂环境下快速车牌定位的新方法_孙露

烄４２００（σｗｉ，ｊ３－２０）２＋２，０≤σｗｉ，ｊ＜２０；
ｆ（σｗｉ，ｊ）＝烅１６２００（σｗｉ，３ｊ－２０）２＋１，２０≤σｗｉ，ｊ＜６０；
（２）
烆１，σｗｉ，ｊ ≥６０．图２展示了增强系数ｆ（σｗｉ，ｊ）的图形，显然只有亮度方差在０～６０之间的区域才会得到加强．图３（ａ）为文献［８］方法的图像增强结果，图３（ｂ）为局部图像增强效果．
１局部图像增强
由于天气和光照条件的不同，拍摄的车辆图像中的车牌区域经常会存在较弱的边缘梯度（如图１所
示），此时如果直接进行垂直边缘检测，将会损失大量的车牌边缘信息，对车牌定位产生不利的影响．因
此，有必要预先对车辆图像进行增强，尤其是车牌区域．
０引言
随着我国城市化进程的加快，智能交通系统将会发挥越来越重要的作用．作为智能交通系统的核心技术之一，车牌识别在交通监控、高速及桥梁收费、停车场管理、重要场所的安全控制等领域有着广泛的实际应用价值．车牌识别系统由车牌定位、字符分割和字符识别三部分组成．由于实际环境的复杂性和多变性，其中以车牌定位最为关键，它直接影响着车牌识别准确率和处理时间，因此近年来吸引着大批的学者专注于它的高效实现．
第４５卷第２期２０１３年６月

一种基于SIFT特征提取的车牌定位方法

当背景色与车牌底色相近，且存在文字信息时，会造
成车牌区域的误提取；当车牌底色为黑色或白色时，
性能也会大大降低．
文献［６提出了对灰度图像基于纹理特征的定５］
应
用
科
技
第３９卷
位方法；文献【—］７８提出了基于车牌边缘或角点的车牌定位方法，但都以整个车牌的形状为切人点展开研究；
ｐａｅｉｅｓｍｐｅｔｍｐａｅｄｔｂｓ，ｔｈｓｔｅＳＦｅｔｒｓｆｅｌｅｓｌｔｇｅｉｅｔｅｔｅａｄｔｅｌｎｅｅｌｔｔａｌｎｈｅｌｔａａａｅｍａｃｅＩＴｆａｕｅｔｃｎｅｐａｅｉｈｏｈｉｍａｅｔｂｎｆｄｗｉｔｍ，ｎｎｅｉａｓｏｄｉｉｈｈｈｍｉｔｔｈ
ａｃｒｔｃｎｅｐａｅｌｃｔｎａｄｔｔｏｅｔｎｂｔｌｏｈｓｇｏｄｐａｉｔｅｉｇｒｇｔｅｓｄｆｌｍｅｔｔｔｓａｅｃａｇｄＳｃｕａｅｌｅｓｌｔａｉｌｃｒｃｉ，ｕｓａｏｄａｔｂｌｔｔｉｏｏｎｉｏａａｉｏｈｍａｅｂｈｎｓ，ｅｅｎ，ｌｃｌｈｎｅａＯｙｉｉｉ，ｎ
Ａｂｔａｔｎｏｄｒｏｏｅｃｍｅｔｅｒｗａｋｕｈａｉｅｎｓｆｒｍａｅｑａｔ，ｏｒｏｕｔｅｓｎｗｃｒｃａｉｏａｓｒｃ：Ｉｒｅｖｒｏａｂｃｓｓｃｓｇｄｍａｄｏｇｕｌｐｏｂｓｓｄｌａｕａｙｉｔｄｉｎｌｔｈｄｈｈｉｉｙｒｎａｏｃｎｒｔ

常用的车牌识别算法

常用的车牌识别算法包括以下几种：
1. 车牌定位算法：用于确定车辆图像中车牌的位置。

这种算法通常会使用图像处理技术，如梯度信息投影统计、小波变换、车牌区域扫描连线算法等，以识别图像中的车牌区域。

2. 字符分割算法：在车牌定位后，需要将车牌中的字符进行分割。

这种算法通常会使用图像处理技术和机器学习算法，如基于深度学习的字符分割算法，以准确地将各个字符分割开来。

3. 字符识别算法：用于识别分割后的字符。

这种算法通常会使用机器学习算法，如卷积神经网络（CNN）或循环神经网络（RNN），以对字符进行分类和识别。

4. 神经网络识别算法：大规模神经网络识别算法是一种深度学习算法，它能够同时处理车牌定位和字符识别两个任务，具有更高的准确性和鲁棒性。

5. 启发式车牌定位算法：综合利用了图像处理技术和机器学习算法，以提高车牌定位的准确性。

这种算法通常会使用一些特征选择方法，如SVM、HOG等，以将车牌区域和非车牌区域进行区分。

6. 角度偏差和光照波动控制算法：在车牌定位和字符识别过程中，车辆的角度偏差和光照波动会影响算法的准确性。

这种算法通常会使用一些图像处理技术，如滤波、归一化等，以减小这些因素的影响。

这些算法在车牌识别过程中相互配合，以实现准确的车牌识别。

一种基于Adaboost的车牌定位算法_盛曦

收稿日期 : 2006 -07-10 作者简介 : 盛曦( 1981 ) , 男 , 2004 级硕士研究生 , 主要研究方向为图像处理和模式识别 . E - mail : f irescapple @ 163 . com
536
四川大学学报( 自然科学版)
第 44 卷
准确地完成车牌定位 . 如果没有高效率的搜索方法 , 就需要耗费很多计算时间和存储空间 . 所以车牌定位技术一直以来是一个难点 , 是车牌识别系统的一个关键技术环节 . 目前车牌定位已有许多方法 , 如 : 基于线模板的二值化图像中的角检测算法[ 1] ; 利用遗传算法定位车牌 ; 利用 BP 神经网络提取车牌的方 [ 3] 法 . 由于汽车牌照的拍摄过程受很多主客观因素的干扰 , 使汽车牌照呈现出多样化 . 例如有不同的背景颜色、不同的倾斜度、不同的光照条件等 , 这些都给车牌的自动定位增加了难度 . 国内车牌的颜色较多 , 有白底黑字、黑底白字、蓝底白字、黄底黑字等多种类别 . 车牌有单层的、有双层的 , 所有这些都给统一处理造成了更大的困难 . 我们收集到的汽车牌照是由摄像头在各路口拍摄下来的各类彩色汽车牌照 . 由于拍摄时选择了不同的时间和角度 , 汽车牌照具有不同的光照条件和不同的倾斜度 , 这些都给研究增加了难度 .
图 6 车牌模板训练流程 Fig . 6 T he training flow of car pla te template
4 车牌的定位和校验处理
4. 1 车牌校验实验过程中 , 我们发现预处理后定位出的结果中一些不是车牌的区域被判断为车牌 . 出现这种错误的原因与算法的原理有关 : 我们使用的 Adaboost 算法是基于灰度特性的 , 使用矩形特征值 ( 即相同形状大小的图像块内像素灰度和之差) 作为分类的依据 , 这就造成某些符合条件的特定图像块可能被误判为车牌 , 如图 7 所示 .

一种实用的车牌定位方法

（ｐｒｍｅｔｈｓｓａｄＥｎｉｅｒｇＴｃｎｌｇ，ｉｕｎＵｎｖｒｉｔｎｃｅｃＳｃｕｎＤａｈｕ６５０）ＤｅａｔｎＰｙｊｎｇｎｅｉｅｈｏｏｙＳｃａｉｅｓｔｏＡｒａｄＳｉｎｅｉｈａｆｏｃｎｈｙｆｓｚｏ３００
ｃｍｍｎｌｅｓｌｔ．ａｅｎｔｅｒｓｌｆｉａｅｐｏｅｓｎｎｈｅｕｅｏｅｌｅｓｌｔ，ｅｍｋｈｏｚｎａｒｊｃｉｎａｄｖｒｃｌｏｏｉｎｅｐａｅＢｓｄｏｈｅｕｔｏｇｒｃｓｉｇａｄｔｅｆａｒｆｔｉｎｅｐａｅｗａｅｔｅｈｒｏｔｐｏｅｔｎｅｔａｃｓｍｔｈｃｉｌｏｉｐｏｃｉｆｈｃｎｅｐａａｎｔｅａｅｆｈｃｎｅｐａｆｒｈｒｔａｍｎｆｈｏｌｔｇｅｏｅｃｒｒｊｔｎｏｅｌｅｓｌｔｔｇｉｒａｏｅｌｅｓｌｔａｔｅｐｅｒｔｅｔｅｃｌｃｅｉｅｏｔｉｅｏｈｔｉｅｅｔｅｏｔｅｄｍａｔａ．ｆｈ
二值化后图像的分析．除车牌定位中的干扰，而更为准确地定位出车牌的位置。排从
【关键词】车牌定位：灰度化；增强罔像二值化；滤波图像图像
ＡｉｄｆｐａｔｃｌｍｅｈｄｓｏｉｅｓｌｔｏａｏｋｎｏｒｃｉａｔｏｆｌｎｅｐａｅｌｃｔｎｃｉＬＩＵＮｉ
ｌｅｓｌｔｔｇ，ａｓｒｅｆｉｇｏｅｓｎｅｈｏｏｙｈｓｂｅｏｅｉｈｅｉｌｍａｅｈｔｅｒｃｉｅａａｙｉｆｔｅｃａａｔｒｏｈｉｅｅｐａｅｓａｅｅｉｓｏｍａｅｐｒｃｓｉｇｔｃｎｌｇａｅｎｄｎｎｔｅｖｈｃｅｉｇｓｔａｗｅｅｖｄ，ｎｓｓｏｈｈｒｃｅｔｅｅｌｆ

一种快速的车牌自动定位方法

一种快速的车牌自动定位方法李万相;田莹【期刊名称】《现代计算机（普及版）》【年(卷),期】2015(000)009【摘要】车牌定位是车牌识别系统中最重要的步骤，针对车牌区域的特点，提出一种简单快速的车牌粗定位方法。

首先对拍摄的包含车牌的彩色车身图像进行灰度化，并采用自动阈值方法进行二值化，对于不同颜色车身图像都能得到理想的二值图像，然后对二值图像利用梯度进行边缘检测，再根据车牌区域水平方向具有黑白灰度跳变较为频繁的特征，采用行扫描图像的灰度跳变频率来定位车牌区域。

在拍摄的车牌图像上进行定位实验表明，方法具有简单实用，速度快的特点。

%Automatic license plate location is the most important step in license plate recognition system. According to the characteristics of the li-cense plate area, proposes a simple and fast method for the coarse location of the license plate. First of all, the color image of the license plate is gray, and the automatic threshold method is used to carry on binarization. The method can be used for different color images. Then gradient operator is used to detect the edge of the binary image. And then the gray-hopping frequency is used to locate the license plate area. Experiments on license plate images show that the proposed method is simple, practical, and fast.【总页数】4页(P69-72)【作者】李万相;田莹【作者单位】鞍山市第八中学，鞍山 114000;辽宁科技大学软件学院，鞍山114051【正文语种】中文【相关文献】1.一种基于灰度差阈值的快速车牌定位方法 [J], 高振勇;曹陆军2.一种快速的车牌定位及字符分割方法 [J], 闫怀平;张涵;张骁艳3.一种快速准确车牌图像定位方法的仿真研究 [J], 郭黎明;吴锡生4.一种有效的车牌定位方法——数学形态学和字符边缘特征相结合的车牌定位方法[J], 严萍;曾金明5.一种复杂环境下快速车牌定位的新方法 [J], 孙露;乔双因版权原因，仅展示原文概要，查看原文内容请购买。

一种复杂环境下快速车牌定位的新方法

一种复杂环境下快速车牌定位的新方法
孙露;乔双
【期刊名称】《东北师大学报：自然科学版》
【年(卷),期】2013()2
【摘要】针对低对比度和环境复杂情况下,车牌定位时间长和准确率低的问题,提出了一种快速车牌定位的新方法.该方法首先根据边缘密度以及亮度方差进行局部图像增强,然后采用一种高效的算法去除冗余边缘,最后使用水平投影及自适应搜索窗来精确定位并分割车牌.实验验证了该方法完全满足复杂环境下实时车牌定位的要求.
【总页数】5页(P90-94)
【关键词】车牌定位;局部图像增强;冗余边缘去除;自适应搜索窗
【作者】孙露;乔双
【作者单位】东北师范大学物理学院
【正文语种】中文
【中图分类】O571
【相关文献】
1.复杂背景下的快速车牌定位技术研究 [J], 李羊;曹玉东;刘艳洋
2.复杂背景图像下的快速车牌定位新方法 [J], 管庶安
3.一种复杂环境中的车牌定位算法 [J], 李耀;程勇;曹雪虹
4.一种复杂背景下的汽车牌照快速定位算法 [J], 陈智慧;董增寿
5.一种新的复杂背景下快速车牌定位方法 [J], 张振强;杜树新
因版权原因，仅展示原文概要，查看原文内容请购买。

车牌定位流程图_车牌定位

亮度和车牌字符的边缘形成的纹理。所以，充分利用这些信息就成了定位车牌的关键。
2.1 粗定位牌照区域区分于其他区域的地方就在于牌照上有字符，这一特征表达在图象的灰度上就是其水平投影具有较好的连续性，不会有大的起伏，表达在纹理信息上就是其垂直边缘的间距较有规律。本文的车牌定位方法就是基于这两个特征的结合进行的，从而更有效地排除干扰区域，更快速地进行车牌的定位。 1) 水平定位首先，我们要找出车牌所在的水平位置。虽然车牌区域内水平方向有
车牌定位流程图
到图 2 的对比度增添了，牌照字符的边缘更加清楚，有利于后面的定位处理。
2. 车牌定位当我们从远处观看车辆时，判别牌照区域的主要根据是车牌的颜色、
车牌定位方法 1. 预处理由于光线缺乏或者反光等诸多因素，有可能造成车牌对比度较差，对接下来的纹理分析产生影响，所以有必要进行图象增添。图象拉伸是增加图象对比度的一个好方法，但简洁的图象拉伸有可能造成拉伸过度，损失了车牌区域的详情。本文提出的方法是依据原图象对比度采纳自适应拉伸的方法，经试验证明能有效增添图象对比度，提高了车牌定位精确率。灰度拉伸公式如下： p1 和 p2 依据动态范围 p 做自适应调整。我们使用的参数是：p0.8 时，
能力，我们采纳动态阈值的 Cnny 算子，上阈值用式(7)计算，下阈值为上灰度改变频度 th_edge，这一行为有效行，并将最终一个有效点临时作为
阈值的 0.7 倍。由于 Cnny 边缘是在水平定位子图像上进行，所以速度很行结束点。
快，不影响整个系统的实时性。从图 4 可以看到用此方法提取的边缘什分
域由于车身或背景的关系投影值则明显不同。
虑改变频度是否满足要求。实际由于各种缘由，有时不是车牌范围内的每