基于颜色与纹理特征的车牌定位方法

合集下载

复杂背景中基于纹理和颜色的车牌定位研究

复杂背景中基于纹理和颜色的车牌定位研究万燕;徐勤燕;黄蒙蒙【摘要】提出一种将车牌纹理和颜色相结合的车牌定位方法，即基于纹理粗定位得到车牌候选区域后，运用改进的自主确定聚类数和聚类中心的RGB空间k-means聚类算法，而不是定义颜色范围来分割车牌。

该方法的优越性在于首先利用纹理排除了颜色干扰区域，其次利用颜色聚类去除了纹理干扰区域，又克服了量化定义颜色适应性不强、稳定性差的缺点。

实验表明，该方法可以准确定位复杂背景中任意方向和不同光照下的车牌，具有很强的稳定性和鲁棒性。

%In this paper we present a vehicle license plate location method which combines the texture and colour of the license plate,that is,after roughly locating based on texture the candidate region of license plate,the modified k-means clustering algorithm in RGB colour space,which allows the number of cluster and the clustering centres to be determined autonomously,is used to segment the license plate instead of defining the colour range.The advantages of this method are that first it rules out the colour interference area with texture,then it rules out the texture interference area using colour clustering,and also overcomes the instability and weak adaptability of quantified definition of colour.Experiment demonstrates that this method can accurately detect the license plates in complex background with arbitrary orientations and different illumination.It has strong stability and robustness.【期刊名称】《计算机应用与软件》【年(卷),期】2013(000)010【总页数】5页(P259-262,316)【关键词】车牌定位;复杂背景;纹理特性;颜色k-means聚类;句法特征【作者】万燕;徐勤燕;黄蒙蒙【作者单位】东华大学计算机科学与技术学院上海201620;东华大学计算机科学与技术学院上海201620;东华大学计算机科学与技术学院上海201620【正文语种】中文【中图分类】TP391.4车牌识别系统是现代智能交通系统中的一项重要研究与应用，一般主要有三个步骤：车牌定位、字符分割和字符识别［1－3］。

#基于车牌特征颜色相似度的定位方法

( ( (
) ) )
在画家配色模型中也有将 $ 分量乘上 >"，使 $ 的取值均在 " 5 )>" 之间变化，这恰好与一个圆周 " 5 )>"A相吻合，因此可将 $ 分量做为角度形成一个颜色轮。图 9 所示为 #$% 颜色模型中颜色轮（色调为角度，饱和度为半径，亮度为 !44）。从颜色轮上可见随着 $ （色调）分量的取值变化从 " 5 )>"，在颜色轮上依次出现紫、红、黄、绿、青、蓝、紫与人眼感知相吻合的颜色变化，因此 $ 分量可独立地反映人眼对颜色的判断。饱和度（ % 分量在颜色轮中为半径）表示颜色的深浅在颜色轮中也能表现出来，越靠近圆心色彩饱和度越小，则颜色越浅也越接近白色（圆心为纯白色）。
-9,9. !C###E， N0.)*）
!9/1#%&1：>90.:+9 +.:9)59 6+*79 +&:*7.)/ .5 *) .=6&(7*)7 6*(7 &, 709 52579= &, <90.:+9 +.:9)59 *’79=*7.: .39)7.,.:*7.&)? O) 70.5 6*69( 19 .)P 7(&3’:9 *) *+/&(.70= ,&( >90.:+9 Q.:9)59 I+*79 Q&:*7.)/ R*593 &) 709 5.=.+*(.72 .) :&+&( 56*:9， 10.:0 ,’++2 9M6+&.7 :&+&( .),&(=*7.&) *)3 &709( ,9*7’(95 &, <90.:+9 +.:9)59 6+*79 ? SM69(.=9)7 50&15 70*7 709 *+/&(.70= )&7 &)+2 0*5 5’69(.&(.72 &<9( 7(*3.7.&)*+ *+/&(.70= &) /(*2 .=P */9， R’7 *+5& .5 *66+.:*R+9 7& +&:*79 +.:9)59 6+*79 .) :*595 &, <*(.&’5 R*:T/(&’)35 ? :*7 ;$#4/：U9*7’(9 :&+&(； V.=.+*(.72；>90.:+9 +.:9)59 6+*79；Q.:9)59 6+*79 +&:*7.)/； V9/=9)7

基于纹理特征和彩色特征的车牌定位算法

像亮度、比度较低，在车牌检测前进行预处对应
理。降低光照条件影响，善图像质量的预处理方改法主要有直方图均衡和对比度拉伸；为消除图像
者，摄的车牌其大小、向和位置具有任意性。拍方
如果再考虑复杂的背景，测车牌区域可能就变检
车牌的自动识别是计算机视觉、图像处理与
ｄ ≤ ｄｓｎｅｄｌｉａｃ ≤ ２ｔ
（）１
模式识别技术在智能交通领域应用的重要研究课题之一，是实现交通管理智能化的重要环节，主要
包括车牌定位、符分割和字符识别环节。其中，字车牌定位是关键问题之一，系整个系统的识别关
维普资讯
８０
交通与计算机
２００６年第４期第２４誊总１１期３
基于纹理特征和彩色特征的车牌定位算法
李佩斌石景波
北京１０８）００３
（京航空航天大学北
摘
要
车牌定位是车牌自动识别系统的关键。提出了一种以纹理特征率可以表示为
ＰＥ＝（１一ＰＤＰ（ｄｅ）ｅｇ）＋ＰＦ（ｏｅｅＰｎ —ｄｇ）（）４
示，反映了该彩色最接近的光谱波长。色调在０左。右为红色，０左右为黄色，４。６。２０左右为蓝色。色调从０变到２０覆盖了所有可见光谱的彩色。饱和。４。

融合字符纹理特征与RGB颜色特征的车牌定位

融合字符纹理特征与RGB颜色特征的车牌定位孙红;郭凯【期刊名称】《光电工程》【年(卷),期】2015(42)6【摘要】由于光照、距离变化以及背景复杂等原因，传统基于单一特征的车牌定位算法很难获得满意的效果。

为完成复杂背景下车牌定位，提出融合字符纹理特征与 RGB 颜色特征的定位算法。

利用车牌区域背景底色与字符颜色互补特性，通过寻找图像车牌区域颜色点对，结合字符纹理特征反馈校验，能快速准确定位车牌。

对复杂背景下获取的12581幅彩色图片进行实验，结果表明，定位准确率能够达到99.4%，验证了该算法的有效性。

%Due to the change of illumination, distance and complicated background, etc. the desired effect can be hardly achieved by traditional license plate location based on single feature. In order to accomplish license plate location under complicated background, license plate localization algorithm which combines characters texture features with RGB color features has been proposed. The license plate can be located quickly and accurately by using the complementary features of bottom color and character color and then looking for color pairs on the license plate as well as combine the textural features which are used for feedback checking. The results show that the accuracy rate of license plate location can reach 99.4% by experiment on 12 581 color images under complicated background which has proved the validity of this algorithm.【总页数】7页(P14-19,44)【作者】孙红;郭凯【作者单位】上海理工大学光电信息与计算机工程学院，上海 200093; 上海理工大学管理学院，上海 200093; 上海现代光学系统重点实验室，上海 200093;上海理工大学光电信息与计算机工程学院，上海 200093【正文语种】中文【中图分类】TP391【相关文献】1.基于相位一致性和字符纹理特征的车牌定位算法 [J], 史东承;丁圆圆;梁超2.融合边缘检测与HSV颜色特征的车牌定位技术 [J], 王枚;王国宏;潘国华3.结合RGB颜色特征和纹理特征的消影算法 [J], 魏岩;涂铮铮;郑爱华;罗斌4.基于车牌背景和字符颜色特征的车牌定位算法 [J], 杨鼎鼎;陈世强;刘静漪5.基于字符边缘检测和颜色特征的车牌定位方法 [J], 陈亮;杜宇人因版权原因，仅展示原文概要，查看原文内容请购买。

基于颜色和纹理分析的车牌定位识别方法

Color and Textur e Analysis Based Vehicle License Plate Location
GU O Jie, SHI Peng-fei
( I nst . of I mage P rocessing & P atter n r ecog nit ion, Shanghai J iaotong Univ. , Shang hai 200030)
基金项目 : 国家重点基础研究发展规划项目 ( G1998030408) 收稿日期 : 2000-12-25; 改回日期 : 2001-09-17
现对车辆的自动监控和管理, 既节省了资金, 又为交通系统的自动化管理创造了条件, 由此可见, 车牌识
别系统的实现是推进交通管理智能化的关键技术
ห้องสมุดไป่ตู้
之一 . 在车牌自动识别过程中, 车牌定位、字符切割、字符识别是其关键技术 , 而又以车牌定位为核心技术,
图 1 为 3 个车牌的颜色分割示意图. 图 1( a) 、 ( b) 、 ( c) 为第 1 例, 由于从原图中看到只有车牌区域为蓝色 , 因此颜色分割后只有车牌区域为前景白色, 其余区域都为背景黑色 , 其可以通过直方图投影 , 从原图中直接分割出车牌图象 ; 图 1( d) 、 ( e) 、 ( f) 为第 2 例 , 汽车、车牌及路边商店招牌都为蓝色 , 颜色分割后可看到蓝色区域都为前景白色 , 其余区域为背
摘要针对复杂背景的车牌定位问题 , 提出了一种颜色和纹理分析相结合的车牌定位算法 . 该算法采用基于适合彩色图象相似性比较的 HSV 颜色模型 , 首先在颜色空间进行距离和相似度计算 ; 然后对输入图象进行颜色分割 , 只有满足车牌颜色特性的区域 , 才进入下一步的处理 ; 最后再利用纹理及结构特征对分割出的颜色区域进行分析和进一步判断 , 并确定车牌区域 . 该方法不同于大多数的车牌定位方法 , 它不仅对车牌的大小、汽车在图象中的位置以及图象背景的限制较少 , 而且 , 综合特征定位要比单一特征定位更符合人的视觉要求 , 因而定位效果更好 , 应用范围更广 . 关键词颜色特征纹理分析车牌定位中图法分类号 : T P 391. 4 文献标识码 : A 文章编号 : 1006-8961( 2002) 05-0472-05

基于颜色和纹理特征相结合的车牌定位方法_万燕

（，Ｄ，）ＳｃｈｏｏｌｏｆＣｏｍｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｏｎｈｕａＵｎｉｖｅｒｓｉｔＳｈａｎｈａｉ２０１６２０，Ｃｈｉｎａｐｇｙｇｙｇ
车牌识别技术是现代智能交通系统中的一项重
要研究课题．车牌定位是车牌识别的关键环节，针对
２０１１－０９－１８收稿日期：）基金项目：中央高校基本科研业务费专项资金资助项目（Ｂ０７－３，：ｗ作者简介：万燕（女，湖北黄冈人，副教授，博士，研究方向为数字图像处理．１９７０—）Ｅ－ｍａｉｌｉｎｎｉｅｗａｎｈｕ．ｅｄｕ．ｃｎ＠ｄ
：ＡｂｓｔｒａｃｔＬｉｃｅｎｓｅｌｏｃａｔｉｏｎｉｓｔｈｅｋｅｔｅｃｈｎｏｌｏｏｆｌｉｃｅｎｓｅｒｅｃｏｎｉｔｉｏｎ．Ａｔｌｉｃｅｎｓｅｌａｔｅｌａｔｅｒｅｓｅｎｔｌａｔｅｙｇｙｇｐｐｐｐ，，ｌａｔｅｃｏｌｏｒａｎｄｔｅｘｔｕｒｅｆｅａｔｕｒｅｗｅｒｅｃｏｎｓｉｄｅｒｅｄｉｎｔｈｅｍｏｓｔｌｉｃｅｎｓｅｌｏｃａｔｉｏｎｍｅｔｈｏｄｓｈｏｗｅｖｅｒｔｈｅｓｅｐ，ｍｅｔｈｏｄｓｈａｄｗｅａｋａｄａｔａｂｉｌｉｔｉｎｄｉｆｆｅｒｅｎｔｅｎｖｉｒｏｎｍｅｎｔ．Ｓｏａｎｅｗａｌｏｒｉｔｈｍｆｏｒｌｉｃｅｎｓｅｌａｔｅｌｏｃａｔｉｏｎｉｎｐｙｇｐ，ｃｏｍｌｅｘｂａｃｋｒｏｕｎｄｓｉｓｒｏｏｓｅｄ．Ｔｈｉｓａｌｏｒｉｔｈｍｍａｋｅｓｆｕｌｌｕｓｅｏｆｔｈｅｃｏｌｏｒｔｅｘｔｕｒｅａｎｄｅｏｍｅｔｒｉｃｐｇｐｐｇｇｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｆｉｒｓｔｌｔｈｅｅｄｅｉｎｆｏｒｍａｔｉｏｎａｎｄｔｈｅｔｅｘｔｕｒｅｆｅａｔｕｒｅｓｏｆｌｉｃｅｎｓｅｌａｔｅｒｅｉｏｎａｒｅｕｓｅｄｔｏｙｇｇｐｉｄｅｎｔｉｆｔｈｅｃａｎｄｉｄａｔｅｌａｔｅｓ．Ｔｈｅｃｏｍｌｅｘｉｔｏｆｔｈｅａｌｏｒｉｔｈｍｉｓｒｅｄｕｃｅｄａｎｄｔｈｅａｃｃｕｒａｃｏｆｏｓｉｔｉｏｎｉｎｙｐｐｙｇｙｐｇ，ｉｓａｌｓｏｉｍｒｏｖｅｄ．ＴｈｅｎｃｏｍｂｉｎｅｄｗｉｔｈｋｎｏｗｌｅｄｅｑｃｏｍｏｎｅｎｔａｎａｌｓｉｓａｎｄＫｒｉｏｒｕａｔｅｒｎｉｏｎｒｉｎｃｉａｌ－ｐｐｇｐｐｐｙｍｅａｎｓｃｌｕｓｔｅｒｉｎｍｅｔｈｏｄａｒｅｕｓｅｄｔｏｅｘｔｒａｃｔｆｅａｔｕｒｅｓｆｒｏｍｔｈｅｃａｎｄｉｄａｔｅａｒｅａａｎｄｔｏｃｌａｓｓｉｆｉｍａｅｂｔｈｅｇｙｇｙ，ｒｅｃｉｓｅｌａｔｅｏｔｒｏｖｅｄｆｅａｔｕｒｅｓｔｈｅｉｓｅｖｅｎｔｕａｌｌ．Ｔｈｉｓｍｅｔｈｏｄｉｓｅｆｆｅｃｔｉｖｅｗｉｔｈｈｉｈｓｅｅｄａｎｄａｃｃｕｒａｃ．ｐｐｇｐｙｇｐｙ，ａｒｔｉｃｕｌａｒｉｔｈａｓｓｔｒｏｎｒｏｂｕｓｔｅｒｆｏｒｍａｎｃｅｆｏｒｃｏｍｌｅｘｂａｃｋｒｏｕｎｄｓｉｍａｅｓｉｎｃｏｍｌｅｘｅｎｖｉｒｏｎｍｅｎｔｓＩｎｇｐｇｇｐｐｐａｎｄｄｉｆｆｅｒｅｎｔｌｉｈｔｉｎｃｏｎｄｉｔｉｏｎｓ．ｇｇ：；Ｋ－ｍＫｅｗｏｒｄｓｌｉｃｅｎｓｅｌａｔｅｌｏｃａｔｉｏｎ；ｕａｔｅｒｎｉｏｎ；ｒｉｎｃｉａｌｃｏｍｏｎｅｎｔａｎａｌｓｉｓｅａｎｓｃｌｕｓｔｅｒｉｎｙｐｑｐｐｐｙｇ

车牌定位与车牌字符识别算法的研究与实现

车牌定位与车牌字符识别算法的研究与实现一、本文概述随着智能交通系统的快速发展，车牌识别技术作为其中的核心组成部分，已经得到了广泛的应用。

车牌定位与车牌字符识别作为车牌识别技术的两大关键环节，对于实现自动化、智能化的交通管理具有重要意义。

本文旨在探讨和研究车牌定位与车牌字符识别的相关算法，并通过实验验证其有效性和可行性。

本文首先对车牌定位算法进行研究，分析了基于颜色、纹理和边缘检测等特征的车牌定位方法，并对比了各自的优缺点。

随后，本文提出了一种基于深度学习的车牌定位算法，通过训练卷积神经网络模型实现对车牌区域的准确定位。

在车牌字符识别方面，本文介绍了传统的模板匹配、支持向量机（SVM）和深度学习等识别方法，并对各种方法的性能进行了比较。

在此基础上，本文提出了一种基于卷积神经网络的字符识别算法，通过训练模型实现对车牌字符的准确识别。

本文通过实验验证了所提出的车牌定位与车牌字符识别算法的有效性和可行性。

实验结果表明，本文提出的算法在车牌定位和字符识别方面均具有较高的准确率和鲁棒性，为车牌识别技术的实际应用提供了有力支持。

本文的研究不仅对车牌识别技术的发展具有重要意义，也为智能交通系统的进一步推广和应用提供了有益参考。

二、车牌定位算法的研究与实现车牌定位是车牌字符识别的前提和基础，其主要任务是在输入的图像中准确地找出车牌的位置。

车牌定位算法的研究与实现涉及图像处理、模式识别等多个领域的知识。

车牌定位算法的研究主要集中在两个方面：一是车牌区域的粗定位，即从输入的图像中大致找出可能包含车牌的区域；二是车牌区域的精定位，即在粗定位的基础上，通过更精细的处理，准确地确定车牌的位置。

在车牌粗定位阶段，常用的方法包括颜色分割、边缘检测、纹理分析等。

颜色分割主要利用车牌特有的颜色信息，如中国的车牌一般为蓝底白字，通过颜色空间的转换和阈值分割，可以大致找出可能包含车牌的区域。

边缘检测则主要利用车牌边缘的灰度变化信息，通过算子如Canny、Sobel等检测边缘，从而定位车牌。

基于颜色特征的车牌快速定位

!4 可由下式求得 ) !41A!0A? !%&5 $A!1A?!%&5 $A!28
其中 )
!! $
!1!1%"1!$1 +1% &1! ,!44 !2 !2%"2!$1+2% &2! ,!44
由 !! $ 可以看出 ) 当 51% 时 "!41A!0A " 即只考虑色度距离 ( 当 51" 时 " 由 !%$ 式可知 !01"" 此时 !4$8!18)8!28 & 定义了两种色彩的距离 #4 后 " 已知 0 !" "# $’1 !" "# $’2 !" "
:;#$1"’$& ’Q8@ ;7;C< ;<C@CEA@ 7 P7@A OCQ8B9C 98BCE@C ;97AC 9=B7A8=E 6CAQ=D L7@CD =E B=9=< PC7A?<C@ #:Q8BQ 67SC@ P?99 ?@C =P AQC BQ7<7BAC<8@A8B AQ7A 98BCE@C ;97AC@ Q7OC <C97A8OC9M @AC7DP7@A B=9=<$T8<@A :C JCA 7 J<=?; =P B=9=< D8@A7EBC 67;@ P=< J8OCE B=9=<@ #7ED AQC B7ED8D7AC@ =P 98BCE@C ;97AC@ B7E LC P7@A 7ED <=?JQ9M @CJ6CEACD LM BQ==@8EJ 7E 7D7;A8OC CEU A<=;8B AQ<C@Q=9D$’QCE :C O798D7AC AQC B7ED8D7AC@ 7BB=<D8EJ A= AQC ACVA?<C PC7A?<C =P 98BCE@C ;97AC@$&E AQ8@ :7M#OCQ8B9C 98U BCE@C ;97AC@ B7E LC 7BB?<7AC9M 9=B7ACD$&E AQC CV;C<86CEA #, %"# 867JC@ A7SCE P<=6 O7<8=?@ OCQ8B9C@ 7ED D8PPC<CEA @BCEC@ :C<C C6;9=MCD #=P :Q8BQ ##F 867JC@ :C<C P789CD A= 9=B7AC AQC 98BCE@C ;97AC@ #AQC 98BCE@C ;97AC 9=B7A8=E <7AC =P @?BBC@@ 8@ F4$2G #7ED AQC 7OC<7JC A86C AQ7A C7BQ 9=B7A8=E ECCD@ 8@ !F6@$ <!"#$%&# & B=9=< PC7A?<C#OCQ8B9C 98BCE@C ;97AC 9=B798W7A8=E#B=9=< D8@A7EBC 67;#7D7;A8OC AQ<C@Q=9D

基于颜色与纹理特征的车牌定位方法

, H 360 , B G B G
S 1 3[min(r , g , b) ] (r g b)
I 1 (r g b) 3
（1）
式中 arccos [(r g ) (r b) ] [(r g ) 2 (r g )( g b) ]1 2
Extration of Vvehicle license plate locating method based on image color distribution and texture features 作者，单位
【 Abstract】 In the license plate recognition system, extraction of vehicle license plate location is one of the most key important technology, whether which holds an important effect on the the accurate location of the license plate directly affects the back of the license plate recognition. In this paper, we analysis the properties of color distribution of license plate image in the main characteristics of the people's Republic of China, and propose a algorithm to extract license plate based on the color distribution. through the analysis of the license plate image information, the comprehensive utilization of the license plate color and texture features, to locate the license plate.The algorithm is mainly divided into coarse positioninggeneral location and precise positioninglocation. Firstly, we find the general location of license plate in an image according to the color distribution of the license plate color , license plate background and character features, to get the coarse position of the license plate color meet; Then we carry on based on the image processing operation on the extracted image patch, which including gray level transformation, edge detection, binaryzation and binarization. At last, we extract a precise license plate image patch according to the difference of projections both in horizontal direction and vertical direction between the image patch of license plate and those including no license plate. The proposed

基于车牌颜色特征的改进车牌定位算法研究与实现(全文)

基于车牌颜色特征的改进车牌定位算法研究与实现XX：TP391.41汽车牌照识别系统（License Plte Recognition System，简称LPR）是智能交通系统的一个重要组成部分，能够应用于很多交通治理场合，如道路交通流监控、交通事故现场勘查、高速公路自动收费系统等。

汽车牌照识别系统主要包括四个部分，分别是：图像采集、车牌定位、车牌字符分割、车牌字符识别，其中车牌定位部分在整个系统中起着十分重要的作用。

目前，国内外的专家和学者们对车牌定位做了很多研究，主要的定位技术包括：（1）基于纹理特征的车牌定位法。

该方法对光照不均匀、车牌倾斜等情况的鲁棒性较强，但是对复杂背景的鲁棒性较差。

（2）基于神经XX络的定位方法。

该方法在进行定位前需要收集大量图像样本进行训练，样本的特点对最终定位结果影响很大。

（3）基于数学形态学的定位方法。

该算法的准确性过于依赖于结构元素大小，结构元素过大或过小都会严峻影响定位结果。

（4）基于颜色空间特征的车牌定位方法。

该方法利用车牌的底色和字体颜色不同的特征进行车牌区域的定位，当车身颜色和车牌颜色相同时，定位成功率低。

本文提出了一种基于颜色特征的改进车牌定位方法，该方法利用车牌的颜色特征，综合利用RGB颜色模型和HSV颜色模型的特点，利用一种局部最优化思想，通过把图像划分为多个固定区域，把每个固定区域的颜色划分为黄色、蓝色、黑色、白色以及其他颜色，并通过一种改进的行扫描方法，利用车牌区域的颜色跳变特征，得到车牌区域的准确位置。

实验表明，本方法能够实现高准确率、高精确度的车牌定位。

1 图像预处理1.1 颜色模型选择常用的颜色模型有RGB、HSV、CMY、YIQ等。

为了实现对颜色的准确分类，要求采纳的颜色模型能够满足独立性和均匀性，HSV颜色模型在一定程度上能够满足独立性和均匀性，RGB 颜色模型易于区分白色和黑色，根据车牌颜色特征，本文不仅使用HSV颜色模型，而且使用RGB颜色模型，从而达到更好的颜色区分效果。

彩色汽车牌照的定位方法

ＷＡＮＧｅ．ｏＨＵＡＮＧｉｘａ．Ｕ，ＡＮＧｎ－ｈｎＣｈｎｈａ，Ｈｕ．ｉｎＷＹｉＴＨｏｇｚｏｇ
（ｏｌｇｆｎｏｍａｉｎＥｇｎｅｉｇＸｉｎｔｎＵｎｖｒｉ，ｉｎｔｎ４０，ｈｎ）Ｃｌｅｆｒｔｎｉｅｒ，ａｇａｉｅｓｔＸａｇａ１５ＣｉａｅｏＩｏｎｙｌ１
２０，１２，．０６Ｖｏ．５Ｎｏ６
彩色汽车牌照的定位方法
王宸昊，黄辉先，吴翼，汤红忠（潭大学信息工程学院，湖南湘潭４ｌ０）湘ｌ１５
摘要：基于颜色和纹理综合特征的车牌定位方法，通过色彩空间变换、色彩分割，牌照区域定位及去除伪车牌区域等步骤进行车牌特征分析。其在ＨＶ空间中进行色彩分割，运用数学形态学处过连通域分析车牌区域，再根据其几何和空间频率特征，设计相关评判标准。经实验验证，符合该标准的即为车
维普资讯
＾工 ●动化
一接技ｍ
ＭｅｓｒｍｅｔｎｎｒｌｅｈｉｕａｕｅｎｄＣｏｔｏｃｎｑｅａＴ
Ｏ．．ｔｍａｉｎＩＡｕｏｔｏ
２００６年第２５卷第６期
文章编号：１０ — ５６（０６）０ —０９００６１７２０６０６ — ３
字符识别是其三大关键技术，其中以车牌定位为核心技术。目前车牌定位方法有：基于边缘检测…；

车牌定位常见方法介绍与分析

７４９
多媒体技术及其应用
本栏目责任编辑：唐一东
（５）对侯选字符块进行分析与分解，以确定真正的字符块，进而提取牌照区域。
４各种车牌定位方法的比较
到目前为止国内外的科研人员针对车牌定位已提出了多种方法，他们有一定的优点，但也有不足之处。４．１基于纹理分析的定位方法
该算法对于牌照倾斜或变形以及光照不均、偏弱或偏强有很好的效果，但对噪声敏感，对于背景复杂的图像可以结合垂直投影的方法来得到真正的车牌区域，该区域同时具备以下特点：
Ｋｅｙｗｏｒｄｓ：ＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ；ｌｉｃｅｎｓｅｐｌａｔｄｅｔｅｃｔｉｏｎ；ｔｅｘｔｕｒｅａｎａｌｙｓｉｓ；ｅｄｇｅｄｅｔｅｃｔｉｏｎ；ｍａｔｈｅｍａｔｉｃｓｍｏｒｐｈｏｌｏｇｙ；ｗａｖｅｌｅｔａｎａｌｙｓｉｓ；ｃｏｌｏｒｆｅａｔｕｒｅ
１引言
车辆牌照识别（ＣａｒＬｉｃｅｎｓｅＰｌａｔｅＲｅｃｏｇｎｉｔｉｏｎ，ＣＬＰＲ）是实现智能交通系统的关键技术，在交通系统管理中有着不可替代的作用。其任务是处理、分析汽车牌照图像，自动识别汽车牌号。可用于检索车辆的各种重要信息，记录车辆的违章或用于收费等。其核心技术在近年有了飞速的发展，但在提高识别正确率及系统稳定性方面仍然是一个研究热点。在ＣＬＰＲ系统中，主要分车牌定位、字符切分和字符识别３部分，其中车牌定位是系统的关键，其定位正确率将大大影响整个系统的最终识别性能。目前车牌定位的方法多种多样，归纳起来主要有基于纹理特征分析的方法，基于边缘检测的方法，基于数学形态学定位，基于小波分析定位以及基于彩色图像定位等。这些方法各有所长。
多媒体技术及其应用
本栏目责任编辑：唐一东
车牌定位常见方法介绍与分析

基于纹理的车牌检测方法(一)

基于纹理的车牌检测方法(一)基于纹理的车牌检测方法引言车牌检测是计算机视觉和图像处理领域的重要应用之一。

在图像中准确地检测车牌区域是车牌识别的第一步，也是最关键的一步。

基于纹理的车牌检测方法通过利用车牌区域的纹理特征来进行车牌的定位和检测。

本文将介绍几种常见的基于纹理的车牌检测方法。

1. HOG 特征和 SVM 分类器•使用HOG特征提取算法从图像中提取车牌区域的特征向量。

•将提取的特征向量输入到SVM分类器中进行训练，得到车牌和非车牌的分类模型。

•使用该模型对输入图像进行车牌检测，找到最佳的车牌区域。

2. Haar 特征和 Adaboost 分类器•利用Haar特征进行图像的特征提取，该特征包括图像的边缘、线段、角以及他们的组合。

•使用Adaboost算法训练分类器，将提取的Haar特征与车牌和非车牌样本进行训练，得到车牌检测模型。

•在输入图像上使用训练好的模型进行车牌检测，找到合适的车牌区域。

3. LBP 特征和神经网络分类器•使用LBP特征提取算法从图像中提取车牌区域的纹理特征。

LBP 特征通过比较像素点与其周围邻域像素的灰度值来描述图像的纹理。

•将提取的LBP特征向量输入神经网络进行训练，得到一个能够区分车牌和非车牌的分类器。

•在待检测图像上使用训练好的分类器进行车牌检测，找到最匹配的车牌区域。

4. 基于纹理特征的边缘检测方法•使用边缘检测方法（如Canny算法）提取图像中的边缘信息。

•利用车牌区域的纹理特征和车牌的形状特征来进行车牌定位。

例如，车牌通常具有矩形形状，且字符通常沿着水平方向排列。

•通过分析边缘特征和纹理特征的组合，确定最佳的车牌检测区域。

结论基于纹理的车牌检测方法能够通过分析车牌区域的纹理特征来实现准确的车牌定位和检测。

本文介绍了几种常见的基于纹理的车牌检测方法，包括HOG特征和SVM分类器、Haar特征和Adaboost分类器、LBP特征和神经网络分类器，以及基于纹理特征的边缘检测方法。

基于颜色和纹理综合特征的车牌定位方法

设ｌｎ（，，）２ｔ（．，）定义，，６：＝瞰，ｇ６，＝ｒ，ｇｂ．ｉ，ｍ．ｇ，为
ｒ＝
ｊｖபைடு நூலகம்２
＿
ｒ
．ｖｌ－ｇ，
ｒ．ｇ
则
＝
６０
；ｓ＝
一
（）２
其中
（５＋ｂ）ｒｌｇ＝，＝和２（一ｇ）ｒｌｇ２１，＝和 ≠Ｖ（＋ｒ）ｇｌ６＿Ｖ１，和２
Ｖｏ．２．１９Ｎ２ｏ
Ｊｎｕｅ．２０Ｏｒ７
基于颜色和纹理综合特征的车牌定位方法
徐国强
（湖南省电力勘测设计院，湖南长沙４００；１０７湖南大学电气与信息工程学院，湖南长沙４０８）１０２
摘
要：出了一种基于颜色和纹理综合特征的车牌定位新方法。首先进行色彩分割，提然后进行区域生成，最后从中
近年来，智能交通系统已成为当前交通管理发展的主要方向。作为智能交通系统的重要组成部分，车
辆牌照识别系统可以大大提高车辆管理的工作效率，加快交通管理自动化和智能化的步伐。在车牌自动识别技术中，车牌定位、字符分割和字符识别是其中的三大关键技术，而其中又以车牌定
位为核心技术。目前车牌定位主要基于：１边缘检测的方法【；２水平灰度变化特征的方法Ｌ；３车（）卜（）３（）牌颜色特征的方法［。（）１定位准确，但是漏检率高，速度慢；２速度快，（）漏检率低，但是定位不够准确；（）３定位准确，漏检率低，容易和颜色相似的区域混淆。早期由于受计算机运算速度和内存大小的影响，考虑到实时性，产品定位主要是基于灰度图像处理技术，主要采用方法（）２，１和（）现在仍然有许多学者沿此路线进行研究；近年来随着计算机技术的飞速发展，很多学者已开始应用彩色图像处理技术。针对车牌定位这一复杂的图像分割问题，仅仅采用颜色特征的方法是不够的，本文提出一种颜色和纹理综合特征的车牌定位新方法。

基于纹理特征与颜色对信息的车牌定位方法

ｓｒｉ和ｅｄｉ中。ｕｔｊｌｔＪｎｌａＥｔｃｎｌ置。Ｊｏ
（）２继续寻找该行下一个跳变点，＝跳变点与ｅｄ￡之间的距计隽该ｎ［］离，并与阈值ＭｘｉａｃａＤｓｎｅ比较。如果两点之间的距离小于阈值，ｔ则把陔点所在列记录在ｅｄ／中．ｅｕｔ］ｎ［］且ｏｎ［值加ｌ跳网到第２。若两点之ｉ，步间的距离不小于阈值。则计算ｓｒｉ与ｅｄｉ之间的距离，ｔｔ］ｎ［］ａ［检查其是否在车牌长度范围［ｉＩｄｔ］ｄｔ，ｉ２内。如果在该范同内则扫描下一行，ｓｓ不存该范罔内就把该点作为新的跳变起始点，即跳到第ｌ步。而且如果该调变点为最后一个跳变点，则开始下一行的扫捕。这样就记录下了每行的跳变点信息。接下来要做的下作就是确定车
（责任编辑：王雅利）
［］刘宗义，保华．３宜污水流量汁测量误差与性能的研究［］Ｊ．甘肃环境
研究与监测，９８ｌ（）３５１９。】１： —１．ｌ
第一作者简介：马福昌。，９３５男１５年月生，０５２０年毕业于西安理Ｔ大学水文及水资源管理专业（博十）教授，．太原理丁大学测控技术研究所．山两省太原市。３０４００２．
像素蓝色分量。
１对灰度图像进行灰度拉伸．２
２确定可能存在车牌的一个或多个区域
对图像的每一行进行扫描，录每行中起始跳变点和终止点，记存储在数组ｓｒ］ｅｄ］。ｔｔ和ｎ［中且用数组ｃｕｔ］ａ［ｏｎ［记录每行的跳变点数。浚记录过程是有条件的，下所述。如假设现在扫描的为第ｉ，行索引从０开始。

基于彩色和黑白纹理的车牌快速定位方法

域通过纹理特征的分析来滤除。测试表明，定位方法不受光照等多种因素的影响，算速度快，该运
定位效果好，用范围广。应
关键词：路交通；汽车牌照；颜色；纹理；定位公中图分类号：３１４ＴＰ９．文献标识码：Ａ文章编号：６１６８２０）６二０７３１７～２６（０８Ｏ＿０５ —０
位算法。该算法依据ＲＢ彩色空间中的车牌背景色，彩色图像转换为能突出车牌颜色的灰度Ｇ将图，并进行颜色分割获得能突出车牌部分的黑白二值图；算法对那些与车牌颜色接近的较大区该
汽车牌照识别ＬＲ（ｉｎｅＰａｅＲｅｏｎ— ＰＬｃｓｌｔｅｃｇｉ
（ｌｅ三原色表示。Ｂｕ）１１利用调色板获取车牌背景色．
ｔｎ是计算机视觉与模式识别技术在智能交通系ｉ）ｏ
统ＩＳＩｔｌｇｎａｓｏｔｔｎＳｓｅ中的一Ｔ（ｎｅｌｅｔＴｒｎｐｒｉｙｔｍ）ｉａｏ个重要研究课题。该技术的运用，大大改善公路将交通运行和管理的效率，实现道路或路口监控、如不停车收费、车库管理自动化、特定车辆追踪及路段车流分析等。车牌识别一般须经过车牌定位、字符切割、字符识别等步骤，中，牌定位是后续各项工作的前其车提，质量直接影响到字符识别的成功率。要求定其位时能保留识别所需的信息，去除干扰，并且算法简单高效，因此，其关键是如何提取能够区别车牌区域和非车牌区域的鲜明特征。当前流行的提取车牌特征的思路主要有两种，是根据车牌区域灰度级的一有规律变化即纹理特征，是根据车牌区域特有的二颜色特征。基于这两种思路的各种实现方法在实际

基于纹理及颜色特征的分级车牌定位方法

基于纹理及颜色特征的分级车牌定位方法
程时虎;文灏
【期刊名称】《计算机仿真》
【年(卷),期】2009(026)006
【摘要】智能车牌定位是一个经典而又具有重大使用价值的课题.针对现实生活中车牌的纹理及颜色特征,提出综合利用纹理信息及颜色信息实现车牌的快速定位.先充分利用纹理特征,结合隔列处理思想和类投影技巧,在将原始图像连续的纹理信息空间转换成离散的短线条信息空间后,统计预处理过程中的短线密度,取密度最大区域,即为车牌所在区域,实现初步定位,再在初定位的区域结合车牌底色先验知识,延展初定位区域,进行颜色匹配,进而可以实现精确车牌定位,方法解决了仅仅依靠颜色信息或纹理信息车牌定位准确率低的问题.算法定位速度快,鲁棒性性强,准确率高,在现实中有很强的实用性.
【总页数】5页(P304-307,330)
【作者】程时虎;文灏
【作者单位】华中科技大学,电子与信息工程系,湖北,武汉,430074;华中科技大学,电子与信息工程系,湖北,武汉,430074
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于数学形态学和颜色特征的车牌定位方法 [J], 廉宁;徐艳蕾
2.基于数学形态学和颜色特征的车牌定位方法 [J], 廉宁;徐艳蕾;
3.基于水平灰度特征和颜色特征的车牌定位方法 [J], 王金磊
4.基于车牌颜色特征的定位方法研究 [J], 刘倩倩;范越;王琦
5.基于字符边缘检测和颜色特征的车牌定位方法 [J], 陈亮;杜宇人
因版权原因，仅展示原文概要，查看原文内容请购买。