一种改进的RGB Hough车牌校正定位算法

车牌的定位对车牌识别的成功率起到决定性作用。为了通过校正倾斜的车牌提高车牌在倾斜情况下字符识别的准确率,针对小型车蓝底白字的车牌提出了一种基于RGB色彩空间与Hough变换的车牌校正定位算法。对无倾斜情况的车牌可以直接定位,对于存在明显倾斜的车牌可以实现倾斜校正并定位。对车牌无倾斜情况的定位准确率为93%,倾斜车牌的定位准确率为88%。     

基于OpenCV的车牌图像定位

现有的车牌定位方法几乎都需要先对白天夜晚的场景进行分类,在图像中存在其他灰度剧烈变化区域时,这种场景分类容易影响到车牌定位的准确率;为了对获取到的车辆图像进行准确地定位,提出了一种改进的灰度跳变车牌定位算法,首先加入了光照补偿,使得不需要对白天和晚上的场景进行分类;然后进行了长竖线的噪声去除,可以在背景比较复杂的情况下准确定位车牌;并对精确定位出的车牌进行边框的去除,有利于下一步的字符分割;另外,对OpenCV计算机视觉库的库函数的利用,算法的复杂度得到了简化,从而更好地满足了车牌识别系统的实时性;通过对出入口处采集到的分辨率为704×576的300张图片进行测试,定位率高于95%,对白天和夜晚获取的图像有很好的适应性,满足设计要求。     

一种复杂车辆图像中的多车牌定位方法

针对复杂背景中多个车牌的定位问题,提出一种新的定位方法.该方法综合利用边缘检测、连通域分析、倾斜矫正等多种方法,解决了复杂背景中定位难的问题.能够准确定位杂乱背景中的车牌,对天气、光照变化、车牌在图像中的移动和旋转等,具有良好的适应能力.该方法为后续的字符分割和字符识别提供旋转角度、字符区域定位信息.     

实时车牌定位模块IP Core的研究与设计

车牌定位是车牌识别系统需要解决的首要问题。基于FPGA的硬件特点,提出了一种简单、有效的车牌定位算法。在车牌区域图像的预处理阶段,提出了一种新的基于色彩分量的灰度化方法,该方法不仅可以消除小型民用车车牌图片的背景和车身信息,还可以较好的保留车牌区域信息,从而降低定位难度,简化定位步骤,提高小型民用车车牌定位的效率。并设计了一种实时车牌定位模块的软核IP,该IP Core通过了代码覆盖率和功能覆盖率的测试。实际工程项目测试表明,该IP Core定位准确、反应速度快。     

快速定位车牌的方法研究

提出了基于数学形态学和纹理特征的快速定位车牌的方法.该方法包含4个步骤:预处理,利用Sobel算子进行垂直边缘检测,通过形态学操作得到连通域,利用车牌的纹理特征和字符特征最终定位车牌.使用该方法对1 144幅图片进行实测,1 102幅图片定位成功,正确识别率为96.3%,处理时间为160～200ms.     

融合ViBe与帧差法的交叉路口多车辆检测方法

前景检测的精确程度是交叉路口车辆检测的重要因素,传统的基于背景建模的前景检测方法存在拖影现象,并且通常难以分辨出无牌车辆,针对上述问题,提出一种融合ViBe与帧差法的前景检测算法,并在此基础上结合车牌检测算法来检测场景当中的车辆。首先,结合帧差法和ViBe算法对背景像素点的判定结果,采用不同更新因子更新背景模型,其次,使用一种多条件过滤车牌检测算法定位运动区域当中车牌,最后,以检测到的车牌中心为锚点,定位出最终车牌区域。实验结果表明,该前景检测算法可有效应对交叉路口场景下的前景检测的拖影现象,同时车辆检测算法可以准确检测出进入场景时的车辆,并分辨出无牌车辆。     

基于LabVIEW图像法车牌智能识别系统

车辆牌照自动识别是实现交通管理智能化的重要环节,设计中利用图像采集卡对经过的车辆车牌进行图像采集并传送至计算机,采用美国NI公司LabVIEW软件,实现图像预处理、图像去噪以及图像增强等功能;然后根据车牌颜色特征对其准确定位,采用阈值法分割车牌字符;最后由OCR函数来识别字符,识别结果保存至相应数据中,可以进行相应的违章、违规智能交通管理,经实验该系统成功实现车牌识别识别率达99%。     

一种快速倾斜镜系统的设计与应用

激光在大气中传输时,由于大气湍流的存在,会导致光束漂移和能量集中度下降。校正倾斜像差,可以提高激光在大气中传输的质量,而快速倾斜镜正是倾斜像差校正的关键部件。设计了一个基于柔性轴结构的二维压电陶瓷型快速倾斜镜,采用高压运算放大器PA96制作其驱动电源,并选用TMS320F2812型DSP芯片作为倾斜镜控制系统的核心处理器,经实验测试表明,该快速倾斜镜的偏转范围达到1.8mrad,谐振频率为432Hz,角分辨力约为0.5μrad。最后将此系统应用于激光大气传输倾斜像差校正实验中,实验结果表明,该系统能够有效提高光斑能量集中度并降低光斑漂移,可以应用于激光大气传输中对倾斜像差的校正。     

可见近红外高光谱成像对灵武长枣定量损伤等级判别

利用可见近红外（Vis-NIR）高光谱成像技术对完好和损伤等级灵武长枣进行快速识别检测。采用定量损伤装置得到损伤Ⅰ,Ⅱ,Ⅲ,Ⅳ和Ⅴ级的灵武长枣,借助高光谱成像系统采集完好长枣和损伤长枣样本高光谱图像。提取感兴趣区域（region of interest,ROI）并计算样本平均光谱值。利用光谱-理化值共生距离算法（SPXY）将420个长枣样本按3∶1的比例划分校正集315个和预测集105个。灵武长枣原始光谱建立偏最小二乘判别分析（PLS-DA）分类模型,得到校正集和预测集准确率分别为72.70%和86.67%;灵武长枣原始光谱数据采用移动平均（MA）、卷积平滑（SG）、多元散射校正（MSC）、正交信号修正（OSC）、基线校准（baseline）和去趋势（de-trending）等方法进行光谱预处理并建立PLS-DA分类判别模型。通过分析比较,得到MSC-PLS-DA为最优分类判别模型,校正集准确率为76.19%,预测集准确率为86.67%,其中校正集比原始光谱建模准确率提高了3.49%,预测集准确率较原始光谱建模结果未提高;为了提高建模效果,对灵武长枣原始光谱和预处理后的光谱分别采用连续投影算法（SPA）、无信息变量消除（UVE）、竞争性自适应加权抽样（CARS）和区间变量迭代空间收缩法（iVISSA）等算法提取特征波长,建立PLS-DA分类判别模型,结果表明,MSC-CARS-PLS-DA为最优模型组合,校正集准确率为77.14%,预测集准确率为89.52%,建模准确率较原始光谱建模准确率分别提高了4.44%和2.85%。结果表明,Vis-NIR高光谱成像技术结合MSC-CARS-PLS-DA模型可实现灵武长枣损伤等级的快速识别。     

机械式冲床停上死点位置的控制策略设计与实现

车牌定位是车牌自动识别的第一步,而如何考虑当照影响是车牌定位是否成功的关键。本文提出了一种考虑不同光照条件的车牌定位方法,首先,针对不同光照条件下采集到的车牌图像明暗度的不同,利用多阈值处理方法得到车牌信息不丢失的、最佳的二值图像,然后,在其二值图像中首先利用灰度跳变定位车牌的上下边界,接着对字符垂直投影后的宽度进行统一的调整并以固定的字符间隔特征定位车牌的左右边界,从而完成车牌定位。最后,通过实验验证了该方法的有效性。