一种改进的快速车牌定位算法
一种复杂环境下快速车牌定位的新方法_孙露
ｆ（σｗｉ，ｊ ）＝烅１ ６２００（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
一种快速有效的动态车辆牌照定位算法
÷
Ｋ ｙ ｏｄ ：ｉ ｎｅ ｌｔ ｌ ａ ｏ ； ｄ ｅＨ ｐＴ ｘｕｅ ｅｔｒ ｅ ｒｓＬ ｃ ｓ ａｅ ｏ ｔ ｎＥ ｇ ； ｏ ；ｅ ｔｒ ａ ｅ ｗ ｅ ｐ ｃ ｉ ｆ ｕ
÷
中图分 类 号 ：Ｈ１７ 文 献标 识码 ： Ｔ １ Ａ
车牌定位是车牌识别技术 的重要组成部分 ， 牌照定位准确与 图 。利用如下灰度值 和 Ｒ Ｂ颜色对应关 系将彩色 图像转换成 像 Ｇ
！ｃｎｅ ｌｅｌ ａｏ ｃｌｔ ｒ ｌｅ Ｔｅａｔｏｐｏｏｅ ａｌ ａｏ ｌ ｒｈ ａ ｄｏ ｅｔ ｔ ｅ ！ ｅ ａ ｃ ｉ ｉｄ ｕ ａｚ． ｈ ｕ ｒ ｒ ｓｓ ｃ ｉ ａ ｏｉｍｂｓ ｎｔ ｘ ｒ ｓ ｐｔ ｏｔ ｎ ｓ ｔｏ ｅ ｉ ｈ ｐ ｏｔ ｎ ｇ ｔ ｅ ｈ ｅｕ ÷ｆａ ｒ ｏ ｉ ｎｅ ｌｅ ｒ ｌ ｗ ｅ ｄｅｄｔ ｔ ｎａｄｅ ｓ ｎｔ ｄａ ｗｔ ｔ ｉａ ｉａｅｓ ｏｄ ， ÷ ｅ ｕｅ ｆｌｅｓ ｐａ ， ｓｙ ｅｕ ｇ ｅ ｃ ｏ ｒ ｉ ｅｌ ｉ ｅｉ ｔｌｍ ｇ ， ｃｎｌ ｔ ｃ ｔｆ ｔ ， ｓ ｅ ｉ ｅｉ ｎ ｏｏ ｏ ｈ ｈ ｎｉ ｅ ｙ ；ｗ ｏｉ ｎ ｌｓａ ｅ ｄｅ ｍ ｇ ｎ ｐ ｏ ｔｏ ｔ ｈｌ ｉａｅ ｎ ｌ ｗ ｃ ｅ ｉ ｎｅ ｌｅ ｅ ｒｏｔ ｙ ｃｎ ｈ ｇ ａｅ ｏ ｄ ｈ ｉ ｓ ｈ ｗ ｏ ｇ ， ａｙ ｅ ｏａ ｃｓ ａ ∞一； ｈ ｚ ａ ｔ ｅ ｉ ｌ ｔ ｏ ｐ ｎ ｅ ｆ ｅｍ ｆ ｌ ， ｌ ｔ ｌｅ ｐ ｔ ｉ
（ ｅａｔｍ ｎ ｏ ｐ ｔ ，ｈｎａｇ ｏｙ ｃｎｃＣ ｌｇ ，ｈｎａｇ１ ４ ，ｈｎ ） ２ ｐｒ ｅｔｆ ｍ ｕｅ Ｓｅｙｎ ｌｅｈ ｉ ｏ ｅｅＳ ｅｙｎ １０５ Ｃ ｉａ Ｄ ｅ ｏＣ ｒ Ｐ ｔ ｌ ０
一种快速的车牌自动定位方法
的 方 法 最 简 单 也 最 有 效
基 于 此 ．本 文 提 出一 种 简 单 实 用 的基 于 边 缘 的快
速 自动 车 牌 粗 定 位 方 法 ． 该 方 法 针 对 车 牌 区 域 的特 点 ．
Ｌ Ｉ Ｗａ ｎ － ｘ ｉ ａ ｎ ｇ ， ｎ Ｎｏ ． ８ Ｓ ｅ ｎ ｉ ｏ ｒ Ｍｉ ｄ ｄ ｌ ｅ Ｓ ｃ ｈ ｏ ｏ ｌ ， Ａｎ ｓ ｈ ａ ｎ １ １ ４ ０ ０ ０；
２ ． Ｓ ｏ ｔ ｆ ｗａ ｒ ｅ ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ Ｌ ｉ ａ ｏ ｎ ｉ ｎ ｇ ， Ａ ｎ ｓ ｈ ａ ｎ １ １ ４ ０ ５ １ ）
采 用 自动 阈值 分 割 方 法 对 图像 进 行 二 值 化 ．保 证 车牌
区别 能 够 被 正 确 阈 值 分 割 ．然 后 在 此基 础 上 进 行 边 缘
现 代 计 算 机 ２ ０ １ ５ ． ０ ９ 中 ⑨
＼
＼ ＼
＼
图形 图 像
Ａ Ｆ ａ ｓ ｔ Ａｕ ｔ ｏ ｍａ ｔ ｉ ｃ Ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ Ｍｅ ｔ ｈ ｏ ｄ ｏ ｆ Ｖｅ ｈ ｉ ｃ ｌ ｅ Ｌ ｉ ｃ ｅ ｎ ｓ ｅ Ｐｌ ａ ｔ ｅ
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
一种新的汽车牌照快速定位方法
在进行能量滤波之前 ,先将车牌图像 (M ×N )划分为 M ′×N ′个 n ×n的小方块 , 统计每个小能量进行滤波 。
i + 1 ×n - 1 j + 1 ×n - 1
E i, j = ∑
∑ P x, y 2
(3)
x = i ×n
y = j ×n
式 ( 2)中 , 0≤i≤M ′, 0≤j≤N ′, M ′= M , N ′= N 。
n
n
图 1 汽车牌照图像的粗纹理特征能量图谱和基于粗纹理滤波结果 © 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved.
4期
周铁平 等 :一种新的汽车牌照快速定位方法
1 引 言
近年来 ,车牌定位和识别技术在车辆流量控制 、运输调度 、电子警察 、停车场管理 、自动收费和事故处理 等方面有着越来越高的需求 ,是智能交通系统 ( Intelligent Transportation System )的核心技术之一 。车牌识别 技术包括牌照分割定位 [ 1～11 ] 、字符分割 [ 12 ]和字符识别 [ 4 ]三个步骤 ,其中牌照定位是整个技术的基础和前 提 。当前已有不少学者对此进行了大量研究 ,提出了各种分割定位算法 。总结起来主要有 :基于纹理特征 的边缘检测方法 [ 1 ] ;基于数学形态学的分割方法 [ 2, 3 ] ;基于颜色信息的彩色分割方法 [ 4, 5, 6 ] ;使用 Hough变换 检测直线提取车牌边界区域 [ 7, 8 ] ;使用遗传算法进行优化搜索 [ 9 ] ;使用神经网络进行搜索定位 [ 10 ]等 。
第 28卷第 4期 2007年 4月
一种精确高效车牌定位算法
Ｋｅ ｒ ｓ ｉ ｅ ｓ ｌｔ ｏ ａｉ ｎ ｉ ａ ｚ ｔ ｎ ｍａ ｅ ｓ ｇ ｎ ａｉｎ；ｌ ｅ ｓ ｌ ｔ ｅ ｏ ｎ ｔ ｎ ｙ ｗｏ ｄ ：ｌ ｎ ｅ ｐ ａｅ ｌｃ ｔ ；ｂｎ ｒ ａ ｉ ；ｉ ｇ ｅ ｍｅ ｔｔ ｃ ｏ ｉ ｏ ｏ ｉ ｎ ｅ ｐ ａｅ ｒ ｃ ｇ ｉ ｏ ｃ ｉ
Ａ ｓｒｃ：ｉ ｎｅＰａ ｅｏｎｔ ｎ Ｌ Ｒ）ｐａｓ ｎｉ ｐｒ ｎ ｒｅｉ ｉｔｌ ｅ ｔｒｎｐｒ ｔ ｎｓｓ ｍ， ｎ ｅ ｉ ｎｅｐａ ａ ｂｔ ｔＬ ｅｓ ｌｅＲ ｃｇ ｉｏ （ Ｐ ａ ｃ ｔ ｉ ｌ ｏｔ ｔｏ ｅ ｉ ｎ ａｓ ｔ ｉ ｔ ｙ ａ ｍ ａ ｌ ｎ ｎ ｌｇ ｔ ｏ ａ ｏ ｙ ｅ ａｄｔ ｃ ｓ ｌｔ ｌ － ｈ ｌｅ ｅｏ ｃ
ｒ ｇ ｉ ｔ ｅ ｃ ｔ ａ ｅ ｈ ｉ ｕ ｉ Ｐ ｉ ｓ ｈ ｒ ｉ ｌｔｃ ｎｑ ｅ ｉ ｔ ｅ Ｌ Ｒ．Ａｎ ａ ｃ ｒ ｔ ｎ ｆ ｃｅ ｔａｇ ｒｔｍ ｏｌｃ ｔ ｅ ｉｌ ｉｅ ｓ ｌｔ ｓｐ ｏ ｓ ｄ ｎ ｉ ｃ ｎ ｌ ｃ ｕ ａｅ ａ ｄ ｅｆ ｉｎ ｏｉ ｉ ｌ ｈ ｔ ｏ ａｅ ｖ ｈｃ ｅｌ ｎ ｅ ｐ ａｅ ｉ ｒ ｐ ｅ ．Ｔ ｅ ｐａ ｅ ｃ ｏ ｈ ｌｔ
ｉ ｒｔ ｏ ａｅ ｙ ｇ ａ ｈ ｎ ｅｗｈｃ ｅ ｃ ｂ ｄ ｂ ａ ｃ ｌ ｓｏ ｉ ｅ ｅ ｃ ｓ ｔ ｅ ｄｆ ｒ ｎ ｐ ｓ ｐ ａｅ ｓｐ ｏ ｅ ｓ ｄ ｂ ｉ ａｙ ａ ｇ — ｓｆ ｓ ｙ ｌ ｔｄ ｂ ｒｙ ｃ ａ ｇ ｉｈ ｄ ｓ ｒ ｅ ｙ ｃ ｕｕ ｆ ｆ ｒ ｎ ｅ ， ｈ ｉ ｅ ｅ ｔ ｙ ｅ ｌｔ ｓｉ ｒｃ ｓ ｅ ｙ ｂｎ ｒ ｏ ｉ ｌ ｃ ｉ ｌ ｄ ｔ ｌ
一种复杂背景下的车牌快速定位算法
2010年1月第17卷增刊控制工程Contr ol Engineering of China Jan.2010Vol.17,S 0文章编号:167127848(2010)S 020038203 收稿日期:2009210206; 收修定稿日期:2009212208 基金项目:江苏省自然基金资助项目(BK2007195) 作者简介:薛亚军(19822),男,陕西渭南人,研究生,主要研究方向为模试识别与智能交通等;姜 斌(19662),男,教授,博士生导师。
一种复杂背景下的车牌快速定位算法薛亚军,丁 勇,姜 斌(南京航空航天大学自动化学院,江苏南京 210016)摘 要:针对复杂环境下的车牌定位问题,提出一种基于提升小波与形态学相结合的快速定位方法。
该方法首先对车辆图像进行预处理,包括图像灰度化,利用新的提升小波算法进行边缘检测以及二值化,然后对图像进行腐蚀、膨胀等一系列形态学处理,得到一些规则的连通区域,其次删除小连通区域,合并邻近区域,得到车牌的候选区域,最后采用可信度评价来度量候选区和车牌区的相似度确定车牌位置,最终实现车牌的快速定位。
计算机仿真结果表明,对于背景复杂的车辆图像,该方法运行速度快,车牌定位准确率高。
关 键 词:车牌定位;提升小波;形态学;可信度评价中图分类号:TP 27 文献标识码:AFast Locating A lg orith m of Vehicle License Plate Under Co mplex ScenesXU E Ya 2jun,D I N G Yong,J I AN G B in(I nstitute of Aut omati on Engineering,Nanjing University of Aer onautics &A str onautics,Nanjing 210016,China )Abstract:Based on lifting wavelet and mor phol ogy,a vehicle p late l ocati on algorithm under comp lex scenes is p resented .Firstly,p rep r ocessing is used on the vehicle i m age .A ne w lifting wavelet algorith m is used for extracti on of edge and binary transf or mati on is used .Then a series of mor phol ogical operati ons are used t o l ook for candidate regi ons that p r obably contain characters in range of sizes .Finally,the vehicle license p late can be f ound according t o credibility evaluati on .Computer si m ulati ons show that the p r oposed ap 2p r oach is very effective and fast f or l ocating vehicle p late under comp lex scenes .Key words:license p late l ocati on;lifting wavelet;mor phol ogy;credibility evaluati on1 引 言一般情况下,车牌自动识别技术实现主要分为两大关键技术:一是车牌定位;二是字符识别。
一种改进的车牌定位算法研究
一种改进的车牌定位算法研究作者：于京生张晶来源：《现代电子技术》2008年第14期摘要：为了实现车牌的准确定位及后续的车牌识别，提出一种改进的车牌定位算法。
该方法首先对预处理后的车牌图像进行模板匹配来大致确定车牌区域，为了节约运算时间，对模板匹配法进行优化。
接着，运用形态梯度方法对粗定位后的图像进行边缘检测，从而更好地保持车牌的边缘。
最后，采用投影法进行精确定位，通过对投影的分析找到车牌的准确位置。
实验结果表明，该算法对车牌定位的准确性和处理速度都有很大提高，基本满足了系统实时性和准确性的要求。
关键词：车牌定位；模板匹配；形态梯度；投影分析Abstract： In order to realize license plate location exactly and recognition,an advanced license plate detection method is proposedAt first,this algorithm which is applied to the license plate imagemethod which can shorten time is introducedhen edge detection based on morphological grads provides better license plate's edge and is propitious to locate exactlyFinally,projection afforded exact location and the license plate location can be got through projection analysishe experiment results indicate that the algorithm given is able to improve the veracity and enhance the speedIt can satisfy real-Keywords：license plate location;template matching;morphological g1 引言车牌自动识别技术(License Plate Recognition,LPR）是智能交通系统（Intelligent ransportation ystem，I）中重要的研究课题，在收费站、停车场和机动车违章查询等场合有着广泛应用。
一种改进的车牌定位方法在车牌识别系统中的应用
第19卷第4期湖南文理学院学报（自然科学版）Vol.19No.4 2007年12月Journal of Hunan University ofArts and Science(Natural Science Edition)Dec.2007文章编号：1672-6146(2007)04-0042-03一种改进的车牌定位方法在车牌识别系统中的应用刘长青1,2,樊希平1,汪胜辉1,王先春1(1.湖南文理学院物理与电子科学系,湖南常德415000;2.湖南大学电气与信息工程学院,湖南长沙410082)摘要：车牌识别在智能交通系统中起着重要作用，车牌定位是车牌识别中的关键步骤，目前车牌定位的方法多种多样，各有所长，但是存在着计算量大或定位准确度不高等问题.尝试使用梯度投影与彩色区域分割相结合的方法来实现车牌识别系统中的关键步骤——车牌定位.实验结果表明此方法算法简单、准确率高、实时性好，能够满足实际车辆车牌自动识别系统应用的需要.关键词：梯度投影；彩色区域分割；车牌定位中图分类号：TP751文献标识码:A汽车牌照识别(Automatic License Plate Rec-ognition,LPR)是智能交通系统实现的关键技术，虽然车牌识别的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LPR系统中，车牌定位是整个识别模块实现的前提，其定位正确率将大大影响整个系统的最终识别性能，而车牌定位历来是车牌识别系统中的难点问题.车牌定位的实质是图像分割.早期车牌识别是直接在输入图像数据中搜索类字符区域来实现，但计算量大,无法满足实时性要求.目前车牌定位的方法多种多样,归纳起来主要有边缘检测法[1]、灰度特征法、变换法、数学形态学法[2]、神经网络法等，这些方法各有所长，但存在着计算量大或定位准确率不高等问题.鉴于上述种种方法的优、缺点，本文提出了一种梯度投影和彩色区域分割相结合的方法来实现车牌识别系统中的关键步骤——车牌定位.1车牌识别系统原理车牌识别系统的研究步骤如图1所示，可大致分为以下几个模块:图像采集部分.当系统发现有车辆通过时(通过埋地感应线圈或光束检测)，触发图像采集系统，一般采用D摄像机摄取车辆前视图或后视图，由光照检测装置控制现场的光照，位置检测装置控制摄像机的拍摄角度.图像处理部分.需对采集到的图像进行增强、恢复、变换等操作，目的是突出车牌的最主要特征，以便更好地提取车牌.车牌定位和提取.从人眼视觉的角度出发，并根据车牌的字符目标区域的特点，在灰度图像的基础上提取相应的特征.车牌定位是车牌识别系统中的关键和难点，实际图像中的噪声、复杂背景等干扰都会使定位十分困难.车辆牌照的提取是一个寻找最符合牌照特征区域的过程.从本质上讲，就是一个在参量空间里寻找最优定位参量的问题.字符分割.即是对获得的牌照分离出单个字符(包括汉字、字母和数字等)，以便于字符识别.字符识别.则是对分割得到的字符归一化处理，进行字符识别，转化为文本存入数据库或直接显示出来.2基于梯度投影和彩色区域分割相结合的车牌定位算法本文提出了一种灰度投影和彩色区分割相结合的方法,先用一维梯度算子作用于图像,再对得到的梯度图像进行横纵向投影,找出车牌的大致位置；然后对彩色图像区域分割,找出车牌的准确的位置.车牌定位算法的处理过程如图2所示.2.1灰度化将原来由CCD工业电视拍摄的汽车RGB图像转化为灰度图像,如图3(a)所示.水平梯度变换定义一个一维梯度算子：图像采集图像处理车牌定位字符分割字符识别图1车牌识别系统的处理过程CC 2.2第4期刘长青,樊希平,汪胜辉,等一种改进的车牌定位方法在车牌识别系统中的应用43if|(,)(,1)|(,)0if|(,)(,1)|T f i j f i j TF i jf i j f i j T+>=+≤,其中f为输入图像，F为输出图像，T0为阈值，T为指定的灰度值.在本文中50,200T T==.用该梯度算子对灰度图像进行过滤，滤掉灰度相同或相差不大的区域，得到水平梯度图像I，如图3(b)所示.2.3水平梯度图的水平投影对由2.2得到的过滤图像I进行水平投影，得到车牌的水平投影的直方图，如图3(c)所示，并对其用高斯函数平滑，高斯函数为：22e/2xσ.高斯函数有单峰，形状光滑，所以可以用高斯函数与投影直方图作卷积以此来平滑投影图中的毛刺.在实际算法中采用离散高斯平滑算法对投影值进行平衡处理，公式如下：111111(){()[()(,)()(,)]},wjT i T i T i j h j T i j h jkσσ=′=+++∑其中2()/2(,)e jh jσσ=,12(,)1wjk h jσ==+∑.上式中,1()T i为原始投影值,1()T i′为平滑后的投影值,w为平滑区域的单边宽度,(,)h jσ为高斯函数,σ为高斯函数参数.σ为高斯函数参数，它的选择对水平方向投影图的平滑结果有重要的作用.如果σ过大，虽然投影图中的细小毛刺可以被完全融合，但同时图像的波峰、波谷的相对位置也会发生改变，不利于牌照位置的精确定位；如果σ过小，许多细小的毛刺不会被融合，定位算法在找波峰、波谷时就会找到错误的位置.所以选择适当的σ值非常重要，w的取值原则和σ值相同，也必须确定适当的数值.在本算法中取8,20w==σ.2.4确定车牌的垂直位置由底向上，找出直方图的第一个比较大的峰，将其分离出来，便得到了车牌的垂直位置2.5确定车牌的水平位置对2.2得到的图像I进行垂直投影，得到投影向量X.根据先验知识，车牌的长宽比固定，为3：1.因此，以车牌的垂直高度的3倍的距离长度，对X进行扫描，找出和最大的子段，即被认为是车牌的水平所在位置.2.6从原图像中分割车牌根据2.4和2.5所确定的车牌的水平和垂直位置将车牌从原始彩色的图像中分割出来.再将分割出来的彩色RGB图像转化为HSI图像,如图3(d)所示，转化公式如下[3,4]：3r g bI++=,31[min(,,)]S r g br g b=++21/2[()()]/2arccos[()()()]r g g bHr g r g g b+=,当g b<时，360H H=.在HSI模型中，H表示色调，S表示饱和度，I表示密度，对应图像的灰度.该模型有两个特点，一是I分量与图像的彩色信息无关；二是H分量抽取了色调而忽略了亮度信息，这对分割车牌十分有利.例如蓝色的色调一般出在200o~250o之间，再加上S≥0.18,就可以很好地描述蓝色区域了，利用这些信息可以找到车牌的准确位置.3结论上述基于梯度投影和彩色区域分割相结合的车开始终止读入图像并灰度化水平梯度变换水平梯度图水平投影确定车牌的垂直位置确定车牌的水平位置从原图像中分割车牌图2车牌定位算法流程图(e)字符分割图图3梯度投影和彩色区域分割提取车牌的过程(a)原始GRB图像(b)水平梯度变换图(d)分割结果(c)水平梯度图水平投影图600400200024681012(×103).44湖南文理学院学报（自然科学版）2007年牌定位方法，可以较好地确定图像中车牌的位置，且算法简单、实时性好，具有较好的运用前景.为了验证算法的通用性，对300幅车牌图像(其中车头200例，车尾100例)进行定位与分割，误分割有4幅，正确分割率为98.67％，可见本文提出的方法相当有效.同时，由于分割过程是自动进行的，因此便于车牌的实时识别.由于是由底向上找第一个较大的峰，因此对车牌下方也有字符出现的情况失效,当然可以改进算法,进一步利用车牌自身的特点.比如根据车牌独特的底色,排除非车牌区域的干扰；也可以利用车牌字符之间有一定的间距，排除非车牌字符的干扰.参考文献：[1]李树广,吴舟舟,罗小伟.基于边缘统计和颜色特征的车牌综合自动定位方法[J].山东大学学报(工学版),2005, 35(3):44-49.[2]卢雅琴,邬凌超.基于数学形态学的车牌定位方法[J].计算机工程,2005,31(3):224-226.[3]Rafael C,Gonzalez.阮秋奇,译.数字图像处理(MATLAB版)[M].电子工业出版社,2005.[4]后俊.车牌图像分割与智能字符识别方法的研究[D].中国期刊网，学位论文全文库,2004,04.Applications of an Improved License Plate Location Method In Automatic License PlateRecognition SystemLIU Chang-qing1,2,FAN Xi-ping1,W ANG Sheng-hui1,WANG Xian-chun1(1.Department of Physics and Electronics,Hunan University ofArts and Science,Changde,Hunan,415000；2.College of Electrical and Information Engineering,HunanUniversity,Changsha,Hunan,410082)Abstract：Automatic License Plate Recognition(LPR)plays an important role in Intelligent Transportation System.However license plate location is a key component of the LPR system. Nowadays various methods are used in it,each of which has its own advantage.However,such problems as the quantity in calculation or the low correct location rate aren’t solved.This paper uses a license plate location method based on gradient j z—x our melthod was easy to be realized and have high accuracy and real-time ability,which can satify what we need in practical application.Key words：gradient projection；color area segmentation；license plate location收稿日期:2007-08-20基金项目：湖南省教育厅科研项目(07C446)作者简介：刘长青(1976-),男,实验师,硕士,主要研究方向为图象处理、数字水印.(责任编校:江河)(上接第31页)[10]Shuter R J.On the Inverse Gaussian DistributionFunction[J].Journal of the American Statistical Associa-tion,1968,63:1514-1516.[11]Michael J R,Schucany W R,Haas R W.GwneratingRandom V ariates Using Transformations with Multiple Roots[J].The American Statistician,1976,30:88-90.Diffusion Approximations of Inverse Gaussian Inputs within Integr ate-and-FireModelWANG Shu-hua1,DENG Ying-chun1,XIANG Xu-yan2 (1.Department of Mathematics and Computer Science,HunanNormal University,Changsha,Hunan,410081;2.Internet Center,Hunan University of Arts and Science,Changde,hunan,415000)Abstract:Diffussion approxiations for renewal process inputs were derived,and outputs of IF model was discussed, containing the firing rate and the coefficient of variation. Schemes work reasonably well by computer simulation.The bigger the firing rate,and the smaller the spike fluctuation becomes.That is to say,IF model spikes stably.Key words:IF model;UAS;OU;Inverse Gaussian Distribu-tion收稿日期：2007-10-08基金项目：湖南省教育厅(05C723);湖南文理学院科研项目(JJQD05041)作者简介：王淑华(),女,硕士研究生,研究方向为计算神经网络和随机过程(责任编校：江河)pro ection and color area segmentation to reali e the crucial procedure license plate recognition in automatic license plate recognition in automatic.E perimental results have shown that 1974-.。
智能交通系统中的车牌识别算法改进
智能交通系统中的车牌识别算法改进随着智能交通系统的快速发展，车牌识别算法在交通管理和安全监控方面扮演着重要角色。
然而，现有的车牌识别算法仍面临着一些挑战，如光照条件变化、模糊图像和不同视角下的识别困难等。
因此，改进车牌识别算法以提高准确性和鲁棒性对于智能交通系统的发展至关重要。
首先，为了应对不同光照条件下的车牌识别问题，一种可行的解决方案是采用基于颜色信息的车牌识别算法。
该算法能够通过提取车牌的颜色特征来增强识别精度。
具体而言，可以使用颜色过滤器和色彩模型转换来提取车牌图像中的颜色特征。
通过对颜色进行阈值分割，可以将车牌从背景中提取出来，从而减少光照变化对车牌识别的影响。
此外，还可以比较颜色直方图相似性来进一步提高识别准确性。
其次，在处理模糊图像的车牌识别问题时，一种创新的方法是使用深度学习模型。
深度学习模型具有强大的特征提取和模式识别能力，可以通过训练大量数据集来改善识别效果。
对于车牌识别，可以使用卷积神经网络（CNN）进行特征提取和分类。
CNN可以从原始图像中学习到车牌的低级和高级特征，从而加强对模糊图像中车牌的识别能力。
此外，通过引入数据增强技术，如随机旋转、缩放和裁剪等操作，还可以提高深度学习模型对不同图像尺寸和角度的适应能力。
最后，在应对不同视角下的车牌识别问题时，一种有效的改进方法是使用形态学操作和透视变换。
形态学操作可以用于去除车牌图像中的噪声和无关信息，从而提高识别效果。
透视变换可以将车牌图像从不同角度投影到统一视角，以减少视角变化对识别结果的影响。
通过将车牌图像进行透视变换和形态学处理，可以使车牌的形状和纹理特征更加清晰，进而提高识别准确性。
综上所述，为了改进智能交通系统中的车牌识别算法，在光照条件变化、模糊图像和不同视角下的挑战下，可以采用基于颜色信息的车牌识别算法、深度学习模型和形态学操作与透视变换相结合的方法。
这些改进方案可以有效提高车牌识别算法的准确性和鲁棒性，为智能交通系统的安全管理和监控提供更可靠的支持。
一种改进的车牌区域定位算法
这里 ， 了与对二元 数字 图像 ｆ ｘ， 求 微分 时 的 为 （ ） 表 达式 保持 一 致 ， 用 偏 导数 符 号 。对 于二 元 函 使
牌 区域 定 位 算 法 的定 位 准 确 率 为 ９ ． 。 ８３ 关 键 词 图像 预 处 理 ； 阶差 分 ； 缘 检测 ； 牌 定 位 一 边 车 中 图法 分 类 号 ： Ｐ ９ Ｔ ３１ 文 献标 识 码 ： Ａ
车牌 智 能识 别 系统 主要 由图像 预处 理 、 牌 车
淮安 ２３０） （ 京航空航天大学 ２ ０ １ 南
在 分 析 基 于 灰 度 图 像 的 车 牌 区 域 搜 索 思 路 的基 础 上 ， 出 了 一套 改 进 的 车 牌 区 域 定 提
位 算 法 。在 图 像 预 处 理 过 程 中 ， 据 高 速公 路 收 费 站 点光 照条 件 不 断 变 化 的 特 点 ， 用 一 阶 差 分算 根 采 法 并 结 合 累 积像 素点 确定 二值 化 阈值 的方 法 。 成 图像 边 缘 轮 廓 的 提 取 工作 。实 践 表 明 ， 进 的 车 完 改
收 稿 日期 ：０ ７０ —２ ２ ０ —４２
方法 ， 定 图像二值 化 的阈值 ， 确 对像 素差 分后 的 图
维普资讯
一
种 改 进 的车 牌 区域 定位 算 法 —— 黄 文 杰 王 海 涛 姬 建 岗
像进 行二 值 化 ， 终 消 除 光线 及 背 景 等 因素 对 车 最 牌 区域 定 位 的影 响 ， 同时 ， 车牌 区域 的搜索 与定 为 位算法 提供 目标 区域特征 丰 富 的二值 化 图像 。
《基于改进FasterR-CNN的停车场车牌识别及管理系统的研究与实现》
《基于改进Faster R-CNN的停车场车牌识别及管理系统的研究与实现》一、引言随着城市化进程的推进，智能交通管理系统的重要性愈发凸显。
车牌识别作为智能交通管理的关键环节，对于车辆的管理和监控起着至关重要的作用。
然而，在复杂的停车场环境中，车牌识别技术仍面临诸多挑战，如车牌位置多变、角度不固定、光照条件差异大等。
本文提出了一种基于改进Faster R-CNN的停车场车牌识别及管理系统，通过深度学习的方法实现对车牌的准确识别与管理。
二、相关技术及原理2.1 Faster R-CNNFaster R-CNN是一种基于深度学习的目标检测算法，具有较高的检测精度和速度。
其核心思想是利用区域提议网络（RPN）进行候选区域的提取，再通过卷积神经网络进行分类与位置修正。
2.2 车牌识别技术车牌识别技术是通过图像处理和机器学习算法对车牌进行检测、识别与跟踪的过程。
其主要涉及图像预处理、车牌定位、字符分割与识别等步骤。
2.3 管理系统架构本系统采用分布式架构，包括数据采集层、数据处理层、数据存储层和应用层。
其中，数据采集层通过摄像头等设备采集车牌图像；数据处理层采用改进Faster R-CNN算法进行车牌识别；数据存储层负责存储识别结果及车辆信息；应用层则提供用户接口和功能实现。
三、基于改进Faster R-CNN的车牌识别技术研究3.1 模型改进针对停车场车牌识别的特殊需求，对Faster R-CNN模型进行改进。
首先，优化网络结构，提高模型的鲁棒性和准确性；其次，引入数据增强技术，扩充训练样本，提高模型对不同光照、角度和遮挡等复杂环境的适应能力；最后，采用在线学习技术，实时更新模型以适应新场景和新车辆的出现。
3.2 实验与结果分析在实验阶段，我们采集了大量停车场车牌图像数据，并对改进后的模型进行训练和测试。
实验结果表明，改进后的Faster R-CNN模型在车牌识别准确率和速度方面均有显著提升。
此外，我们还对模型在不同光照、角度和遮挡等条件下的性能进行了评估，结果表明该模型具有较强的鲁棒性和适应性。
一种改进的基于边缘特征提取BP网络车牌定位的新方法
一种改进的基于边缘特征提取BP网络车牌定位的新方法岳兆新;曾黄麟【摘要】The article aims at improving license plate positioning performance in smart traffic control. A new method of vehicle license plate positioning is presented based on the improved edge characteristics extraction and the improved BP neural network. In this method, the edge characteristic is inputted into an improved BP neural network to train through the improved image edge characteristics extraction method to achieve rough positioning of a vehicle license plate. Then the geometric characteristics of the license plate are taken into account to get accurate positioning. It is shown by the experimental result that this method has high positioning accuracy, and the real time information processing performance is improved as well.%以改进智能交通控制中的车牌定位性能为目的,提出一种基于改进的边缘特性提取和改进BP神经网络的车牌定位新方法.该方法通过改进的图像的边缘特征提取方法,将边缘特征送入改进的BP神经网络进行训练学习,实现车牌的粗定位；再利用车牌本身的几何特征实现车牌的准确定位.实验结果表明该方法定位精度高,并提高了信息的实时处理性.【期刊名称】《计算机应用与软件》【年(卷),期】2011(028)012【总页数】3页(P86-87,131)【关键词】车牌定位;BP神经网络;动量项;模式识别【作者】岳兆新;曾黄麟【作者单位】四川理工学院四川自贡643000;四川理工学院四川自贡643000【正文语种】中文【中图分类】TP1830 引言智能交通系统ITS(Intelligence Traffic System)是将先进的数据通讯传输技术、信息处理技术、自动控制技术、图像处理和模式识别技术以及计算机处理等综合运用于交通系统，从而可以建立起一种实时、准确、高效的综合运输管理体系，提高交通运输效率，保障交通运输安全，为实现交通运输服务管理智能化，已经成为目前交通管理的重要研究课题。
一种改进的分级车牌定位算法
选车牌通过该分类器 以求得最终的车牌定位 。
关于 车牌定 位有很 多方 法 ， 见的 有 ： １基 于车牌 区域 常 （） 纹 理特 征 ， 如利用车 牌 区域 字符的 紧密性特 征 ， 该类算 法计 算速度快 ， 缺点在于虚 警率较高 ， 以应用 于复 杂背景条件下 难
关键 词 ： 牌 定 位 ； 车 分级 车 牌 定位 算 法 ； 车牌 区域 字符 紧密 性 特 征 ； ａｒ ｋ 特 征 ； 联 Ａｄ ｂ ０ｔ 法 Ｈ ａｌ ｅ ｉ 级 ａｏ ｓ算 ＤＯ ：０３ ７ ￣ｉ ｎ１ ０ －３ １ ００２ ．６ 文 章编 号 ：０ ２８ ３ （ ０ ０ ２ ．２ ４０ 文 献 标 识 码 ： Ｉ １．７ ８ ．ｓ． ２８ ３ ． １．３ ９ ｓ ０ ２ ０ １ ０ —３ １２ １ ）３０４ ．５ Ａ 中 图 分 类 号 ：Ｐ ９ ． Ｔ ３１ ４
摘
要： 通过深入研 究分级车牌定位算法 ， 发现 当车牌 左右两旁存在 复杂竖直边缘 干扰 时， 算法 中的候 选车牌生成模块容 易造 该
成错误检 测 。提 出了一种 改进 的候 选车牌提取 算法 ， 以去 除竖直边缘干扰 的影响 ， 可 进一步提 高了分级 车牌 定位 算法的检 测率 ， 同 时保 持 了算 法 的 实 时性 。
车 牌 定 位 算 法 的检 测 率 。
动 收费 、 停车场收费 以及智能交通监控等系统 中的核心模块。
车牌识别 系统 主要 由三部 分组成 ：１ 车牌 定位 ；２ 字符 （） （） 分割 ；３ 字符识 别。现有 的车 牌字符识别算法 的性 能已基本 （）
基于一阶双向差分和Hough变换的一种改进的车牌定位方法
基于一阶双向差分和Hough变换的一种改进的车牌定位方法摘要：首先对各种经典的车牌定位方法做了简单的介绍，陈述了它们的优缺点，然后对基于一阶水平差分算法[6]做了些改进。
首先使用一阶双向差分加法运算和Hough变换对预处理后的图像进行粗定位，然后再利用字符特征在粗定位提取后的图像区域进行细定位。
该方法简单易行，能够得到较高的准确度。
对于一般的停车场的应用已经足够。
关键词：车牌定位；一阶双向差分；Hough变换引言车牌识别系统是智能交通系统（ITS）中的关键技术之一。
近年来，随着交通管理的智能化，它在停车场，过桥收费，违章检测等方面得到了广泛的应用。
其中车牌定位是车牌识别系统中重要的一部分。
主要的车牌定位方法:基于小波变换的车牌定位方法[3]、基于形态学的车牌定位方法[4]、基于神经网络的车牌定位方法[7]等。
虽然这些算法在某些特定条件下识别效果较好，但也各有自己的缺点。
基于小波变换的车牌定位方法，降噪预处理时的重构信号会丢失原有的时域特征，使图像丢失一些信息；基于神经网络的车牌定位方法，网络训练时间长，定位精度不是很高，在复杂的背景下，还需后续的细定位。
基于形态学的车牌定位方法，使用过大过小的结构元素，都无法使车牌区域形成闭合的连通区域，选取合适的结构元素是很麻烦的事情。
这里提出的方法主要是针对停车场的，该方法简单实用，能很好的满足需求。
基于一阶水平差分运算，该方法虽然简单易于实现，但是效果不是很好。
基于上述情况，我们提出了一种既简单又实用的车牌定位方法，该方法对于一般的停车场应用已经足够。
1 一阶双向差分加法运算在车牌识别图像中，车牌区域和非车牌区域有着明显的纹理差别。
在汽车牌照中，一般有七个字符，字符与背景之间有着明显的灰度差异，使得车牌区域有较多的边缘。
我们最感兴趣的就是水平边缘和垂直边缘。
因为车牌区域是个矩形，只要在车牌的水平和垂直方向的检测中检测到属于车牌的边框边缘，就可以对车牌进行初步定位。
一种快速、高效的车牌定位方法
一种快速、高效的车牌定位方法
王锋;彭国华;赵强
【期刊名称】《计算机工程与应用》
【年(卷),期】2007(043)011
【摘要】基于车牌区域丰富的边缘特征,提出了一种改进的车牌定位方法.首先增强原始图像,并对原始图像和增强图像分别进行边缘提取;然后基于车牌区域边缘均匀、长短有限等特征,滤除背景及噪声边缘点;最后通过投影搜索出车牌区域.对采集到的各种复杂背景、环境下的车辆图像进行了大量实验,实验结果证明算法准确率高、
适应性强.
【总页数】3页(P222-224)
【作者】王锋;彭国华;赵强
【作者单位】西北工业大学,理学院,应用数学系,西安,710072;西北工业大学,理学院,应用数学系,西安,710072;西北工业大学,理学院,应用数学系,西安,710072
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种快速的车牌定位及字符分割方法 [J], 闫怀平;张涵;张骁艳
2.一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
3.一种快速的车牌自动定位方法 [J], 李万相;田莹
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。
一种改进的汽车牌照定位算法
一种改进的汽车牌照定位算法
李秀媛;樊永华;朱亮
【期刊名称】《信息技术与信息化》
【年(卷),期】2005(000)002
【摘要】本文介绍了一种有效的基于彩色图像的汽车牌照的定位算法.它充分运用车牌的字符特征、形状特征和颜色特征,能够准确分割车牌区域.
【总页数】3页(P91-92,98)
【作者】李秀媛;樊永华;朱亮
【作者单位】不详;山东大学信息科学与工程学院250100
【正文语种】中文
【中图分类】TP3
【相关文献】
1.一种改进的汽车牌照字符分割算法及MATLAB实现 [J], 吕利青
2.一种降低定位误差的无线传感器网络节点定位改进算法 [J], 刘林;范平志
3.一种复杂背景下的汽车牌照快速定位算法 [J], 陈智慧;董增寿
4.一种改进的 DV-Hop 定位算法在配电线路故障定位中的应用 [J], 吴亚联;雷天齐;龚能;龙辉;康灿平
5.一种缩小定位区域的改进APIT无线传感器网络定位算法 [J], 陈万志;张洋;李曌成
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
定位作 为车 牌识 别 技术 的难点 和关键 点 ， 定位 的速度 和准确 度直 接影 响整个车 牌识别 系统 的性能 ．
车牌定 位算法 众多 ， 从特 征应用 方面可分 为基 于纹理 特征 的定位算 法和基 于颜 色特征 的定位 算法 ； 据 根 采用 的具体 方法 ， 车牌定 位方 法有边 缘检测法 、 投影 法 、 分法 、 差 阈值法 、 小波分 析法 ． 基于颜 色特 征进行 车牌 定位精确 度高 ， 计算 量大 、 但 耗时长 ； 基于数 学形 态学进 行车 牌定位计 算量小 、 速 度快 ， 但精 确度不 是很 高． 单靠 一种 车牌定位 方法很 难达 到令 人 满意 的效 果 ， 因此 文章 提 出 了一种 综 合多 种 方 法 的新 的车牌 定位法 ． 文章 采用 的是一种 将颜 色特征 和纹理 特征相结 合 的车牌定 位法 ， 先通过 纹理 特征分
用 车 牌 区 域 的 颜 色 特 征 对 车 牌 区 域 进 行 精 确 定 位 ， 要 包 括 空 间 转 换 、 界 确 定 等 步 骤 ．对 ８ 张 相 主 边 ｏ
片 进 行 测 试 的 结 果表 明 ， 方 法 准 确 率 高 、 度 快 ． 该 速 ［ 键 词 ］ 车 牌 定 位 ； 理 特 征 ； 色 特 征 ； 学 形 态 学 关 纹 颜 数 ［ 章 编 号 ］ １ ７ ０ ７ ２ １ ） １Ｏ ７ — ３ ［ 图 分 类 号 ］ 文 ６ ２ ２ ２ （ ０ １ ０ 一 ０ ８０ 中 ＴＰ３ １ 文 献 标 识 码 ］ Ａ ９ ［
第 １ Ｏ卷ቤተ መጻሕፍቲ ባይዱ
第 １ 期
太 原 师 范 学 院 学 报 （ 自然 科 学版 ）
Ｊ ０ＵＲＮＡＬ ＯＦ ＴＡＩ ＹＵＡＮ ＮＯＲＭ ＡＩ ＵＮＩ ＲＳＴＹ （ ｔ ｒｌＳ ｉｎ ｅＥｄｔ ｎ ＶＥ Ｉ Ｎａｕ ａ ｃｅ ｃ ｉｏ ） ｉ
Ｖ ！１ Ｎ ． ｏ． ０ ｏ １
Ｍ ａ． ２ １ ｒ ０ １
扩 大图像 ， 形成联 通 区域 的作 用 ； 蚀具 有扩 大图像 中的孔洞 ， 腐 收缩 图像 ， 除孤 消
式（ ） ， ｒ ｙ 灰度值 ， Ｇ， １中 Ｇａ 为 Ｒ， Ｂ分 别为红 色 、 色和蓝 色分量 值． 绿
１ ２ 边 缘 检 测 ．
常 用的边 缘检测 算子有 Ｒ ｂ ｒｓ ｏ ｅｔ 交叉算 子 、ｏ ｅ 算 子 、 ｒｗｉ 算 子 、 ａ ｎ Ｓ ｂｌ Ｐｅ ｔ ｔ Ｃ ｎ ｙ算 子． 国车牌 主要 有三 种 中
２１ ０ １年 ３月
一
种 改 进 的快 速 车牌 定 位算 法
赵 焕 青 胡 红 萍 白艳 萍
（ 中北 大 学 理 学 院 ， 山西 太 原 ０ ０ ５ ） ３０ １
［ 要 ］ 文 章 提 出 了 一 种 基 于 纹 理 特 征 和 颜 色 特 征 的 车 牌 定 位 算 法 ． 法 首 先 利 用 车 牌 的 纹 摘 算 理 特 征 对 车 牌 进 行 了 初 步 定 位 ， 中 主 要 有 图 像 预 处 理 、 缘 检 测 、 学 形 态 学 处 理 等 步 骤 ． 后 利 其 边 数 最
收 稿 日期 ：０ ０ １ — ８ ２ １ ０ １ 基 金 项 目 ： 家 自然 科 学 基 金 （ ０ ７ ０ ７ ， 国 ６ ８ ６ ７ ） 山西 省 自然 科 学 基 金 （ ０ ９ １ ０ ８ ３ ２ ００ １ １－）
作 者 简 介 ： 焕 青 （ ９ ４） 女 ， 赵 １ ８ ， 山西 原 平 人 ， 中北 大 学 理 学 院 在 读硕 士 研 究 生 ， 要从 事 工 程 中 的 数学 问题 研 究 主
类型 ： 黄底 黑 字 、 蓝底 白字 、 白底 红 字． 牌底 色 和 字符 的颜 色 差别 很 大 ， 车 根据 这 些颜 色 特征 ， 文 采用 Ｒ — 本 ｏ
ｂ ｒｓ ｅｔ 交叉算 子进行 边缘 检测 ．
Ｒｅ算是用部分子找缘 ， 卷核别 ，一 １ ｙ［ ］ 。ｔ子利局差算寻边的 个积分为Ｇ ［ ］ 一一 ， ｂｓ ｒ 两 『 ， ０ 采 Ｇ １
第 １ 期
赵 焕 青 等 ： 种 改进 的快 速 车 牌 定 位 算 法 一
７ ９
用 １范 数 衡 量 梯 度 的 幅 度 ： Ｇ ｘ ）Ｉ Ｊ ｌ ｌ 边缘 检测 结果 如 图 １所示 ． （， — Ｇ ＋ｌ Ｇ ［， ３
１ ３ 数 学 形 态 学 处 理 ． 膨 胀 和 腐 蚀 是 数 学 形 态 学 的 基 本 运 算 ， 胀 具 有 填 充 、 小 图像 中 的 孔 洞 ， 膨 缩
由于直接 对彩色 图像进 行处 理时运算 量很 大 ， 能满足 系统 实时 、 速 的要 求 ， 以需要 对原 始 Ｒ Ｂ图 不 快 所 Ｇ 像 进行灰 度化处 理． 化关 系为 ： 转
Ｇ ｒ ｙ ＝ ０． ９ ａ ２ ８ ９＊ Ｒ ＋ ０． ８ ＊Ｇ ＋ ０． １ ５ ７０ １ ４ ０＊ Ｂ （） １
Ｏ 引 言
随着我 国城市 规模 的急 剧 扩 大 ， 效 的智 能 交 通 系 统 ｆＴ ） 得 越来 越 重 要 ． 高 ＩＳ 变 车牌 自动识 别 系统 （ Ｉ— ｉ ｃｎ ｅＰａｅＲ ｃｇ ｉ ｏ ， ｅ ｓ ｌｔ ｅｏ ｎｔ ｎ 简称 Ｌ Ｒ） Ｉ Ｓ中重要 的研究 课题 ， ｉ Ｐ 是 Ｔ 极具 实 用价 值． 车牌 自动识 别 系统 作 为一 种 关键技 术被 广泛应 用于 道路交 通监测 、 高速路 、 桥梁 自动 收费 和停 车场 自动管 理等 自动交 通 管理 系统 ． 牌 车
析 得到车牌 候选 区域 ， 利用 颜色特 征得 到车牌 区域． 种算 法 充分 利用 了 车牌 的纹 理 特征 和 颜色 特征 ， 再 这 具
有 定位准 确 、 度快 、 速 实用性 强等特 点 ， 验结果 充分说 明 了该 算法 的有效性 ． 实
１ 初 步 定 位
１ １ 图像 预 处 理 ．