一种基于数学形态学和投影的车牌定位方法

合集下载

一种基于形态学和几何特征的车牌定位方法

一种基于形态学和几何特征的车牌定位方法
李春娟;赵艳花
【期刊名称】《微计算机信息》
【年(卷),期】2009(025)031
【摘要】基于图像形态学处理和车牌几何特征,设计一个改进的车牌定位方法.首先对图像进行灰度化、垂直方向差分、线性拉伸和二值化等预处理,然后利用形态学方法对二值化后的图像进行一系列膨胀腐蚀处理,缩小车牌候选区域.先利用投影法粗略定位出候选车牌区域的位置,再根据车牌的长宽比来精确定位车牌的位置.【总页数】3页(P175-177)
【作者】李春娟;赵艳花
【作者单位】471003,洛阳,洛阳理工学院电气工程与自动化系;471003,洛阳,洛阳理工学院电气工程与自动化系
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.一种基于数学形态学和投影的车牌定位方法 [J], 唐灵洁;胡红萍;白艳萍;杨丽丽
2.一种基于数学形态学的车牌定位与分割方法 [J], 焦蓬蓬;郭依正
3.一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
4.一种融合深度特征图和形态学的车牌定位方法 [J], 童冰;郑东生;黄金华;许冲
5.一种基于形态学与区域分析的车牌定位方法 [J], 罗山
因版权原因，仅展示原文概要，查看原文内容请购买。

基于数学形态学的车牌定位方法

基于数学形态学的车牌定位方法作者：陈佳刘立来源：《科技与创新》2014年第12期摘要：为了准确定位车牌的位置，提出了基于数学形态学的车牌定位方法。

该方法首先将彩色图像灰度化，并利用Sobel算子进行图像边缘提取，然后运用数学形态学的腐蚀和闭运算对二值图像进行处理，可以得到几个车牌候选区，接着再利用行扫描去除伪车牌区域，实现车牌的粗定位。

最后，利用Hough变换精确定位车牌的位置。

实验表明，这一方法能够准确地实现车牌的定位。

关键词：车牌定位；数学形态学；行扫描；Hough变换中图分类号：TP751 文献标识码：A 文章编号：2095-6835（2014）12-0113-03车牌识别技术在智能交通系统ITS（Intelligent Traffic System）中占有非常重要的地位。

它包括图像预处理、车牌定位、字符分割、字符识别四个步骤。

其中，车牌定位是关键步骤。

后期车牌识别能否顺利进行和车牌识别的准确度能否得到保证，都与车牌定位有非常紧密的关系。

近年来，国内外学者针对车牌定位做了许多探索：Chien-Chou Lin等人利用彩色边缘信息来细化灰度图像中提取边缘点，并通过计算统计边缘点数量来定位车牌；Mei Yu等人提出了垂直边缘匹配的韩国车牌定位法。

这些基于边缘的车牌定位算法，计算简单、定位准确率高，但是，受车牌倾斜或褪色等一些外部因素干扰时，车牌定位效果并不理想。

李刚等人利用数学形态学并结合车牌自身的几何特性进行分析，能准确定位出车牌的区域。

但在复杂的背景下，仍然很难做到精确定位。

陆建华等人尝试利用数学形态学结合行扫描的方法定位车牌，但效果并不理想。

随后，刘雄飞等人提出了将行扫描和小波变换相结合的方式，取得了非常好的定位效果，进一步提高了定位的准确率。

这些基于行扫描的车牌定位算法对阈值的选取要求比较高，并且要结合其他方法才能很好的定位车牌。

近年来，Hough变换在车牌定位方面也被广泛推广。

文献[6]中提出的Hough变换多线检测算法，文献[7]中提出的改进Hough变换定位算法都取得了很好的车牌定位效果，而文献[8]则提出了将Hough变换与数学形态学相结合的定位法。

基于数学形态学的车牌定位

ｃｎｅｐａｅｌｃｔｎｂｓｄｏｔｅｔａｍｏｈｌｇｄａｃｄＡｆｒｔｅｐｅｒａｍｅｔｎｒｓｏｄｖｕｓｓｇｎａｏ，ｔｅａｑｉｅｅｓｌｔａｉａｅｎｍａｈｍａｉｌｏｏｃｒｏｏｙｉａｖｎｅ．ｔｈｒｔｅｔｎｄｔｅｈｌａｅｅｍｅｔｔｎｈｃｕｒｄｐｓｅａｈｌｉ
ｔｒｔｓｆｒａ，ａｉｆｅｇｔｏｗｉｔｎｅｔａｐｏｅｔｎａｅｕｅｏｒｈｎｉｅａａｓ，ｎｅｓｃｅｓｒｔｏｉｈｄｈａｄｖｒｃｒｊｃｉｒｓｄｉｃｍｐｅｅｓｎｙｉａｄ出ｅｌｅｓｌｅａｅａｅｌｃｔｄｉｉｏａｏｈｔｉｌｏｎｖｌｓｉｎｅｐａｒａｃｎｂａｅｃｔｏ
形态学进行车牌定位的原理。了对汽车牌照进行精确的定位，出了一种基于数学形态学的车牌定位方法。汽车图像进行预处力提对
理和阈值分割后，用不同的结构元素对二值图像进行形态学滤波，利以进一步消除干扰。最后利用面积、宽比和垂直投影特征值长
Ｖｏ．，．，ｒｈ２０Ｐ．６６６８１６Ｎｏ７Ｍａｃ０１，Ｐ１９ —１９
基于数学形态学的车牌定位
奎跌
（北电力大学电子与通信工程系，华河北保定０１０）７０３
摘要：牌定位是汽车牌照识别系统中的重要环节，接影响车牌识别的准确率。对数学形态学进行了研究。且分析了利用数学车直并

基于分块投影和形态学处理的多车牌定位方法

域，形态学分块处理确定车牌的候选区域，用最后用车牌的特征去除伪车牌，定位出多个车牌。仿真实验结果表
明，方法能减少车牌候选区域，高多车牌定位的效率。该提
关键词：多车牌定位；灰度特征；分块投影；形态学分块处理
第２９卷第７期
２１０２年７月
计算机应用研究
ＡｐｌａｉｎＲｅｅｒｈｏｏｕｅｓｐｉｔｏｓａｃｆＣｍｐｔｒｃ
Ｖｏ．９Ｎｏ７１２．影和形态学处理的多车牌定位方法
中图分类号：Ｔ３１４Ｐ９．１
．
文献标志码：Ａ
文章编号：１０－６５２１０ — ７０００１３９（０２）７２３ — ３
ｄｉ１．９９ｉｉｎ１０．６５２１７００ｏ：０３６／ｓ０１９０２０９．ｓ．．．３．
ｂｓｄｏｅａａｏｒｅｔｅａｄｍｒｈｌｙｏｅａｏ．ｉｔ，ｔｒｒｃｓｄａｄｏｅａｄｔｅｇａｇｙｈｆｏｔａｅｎｓｐｒｔｎｐｏｃｖｎｏｐｏｇｐｒｔｎＦｒｌｉｐｅｏｅｓｎｐｒｔｈｒｙｉｅｂｏｚｎＭｉｊｉｏｉｓｙｐｅｅｍａｉｄｆｒｎｅｉｃｕｄｌａｄｔｅｏｉｏｒａｄｄｔｏｃｎｅｐａｏｇｌｂｅａａｏｏｉｎａｐｏｃｉ．ｈｎｉｄｔ — ｉｅｅｃ；ｏｌｏｔｓｉｎｆｎｉｅｆｉｓｌｅｒｕｈｙｓｐｔｎｈｒｏｔｒｅｔｎＴｅｅｃｆｔｃｅｈｐｔｏｃａｌｅｔｙｒｉｚｌｊｏｔｅ

毕业设计(论文)-基于数学形态学的车牌定位的方法研究[管理资料]

摘要本文提出了一套简洁高效、基于数学形态学的车牌定位的方法。

定位方法综合考虑了灰度和边缘信息，首先对图像进行了预处理，采用了灰度变换、去噪、增强对比度、边缘检测、二值化等方法对图像进行处理，提高了图像的质量，强化了图像区域；接着，采用一种基于二值图像灰度变化特征进行定位的方法，根据灰度的跳变搜索车牌区域，再利用车牌几何形状的特点对候选区进行筛选，得到车牌位置。

关键词：车牌定位；边缘检测；数学形态学AbstractThis paper puts forward a set of concise efficiency, based on mathematical morphology method of license plate location. Locating method considering the gray and edge information, first the image preprocessing, using a gray transform, denoising and enhance contrast, edge detection, binary image processing methods, such as, improves the quality of the images, strengthened the image region, Then, using a method based on binary image gray-scale change characteristics of orientation method, according to the greyscale hopping search plate area, reuse plate geometric shape characteristics of the candidate area unselective and get license plate location.Keywords：license plate location, image preprocessing, mathematical morphology目录摘要 (I)Abstract......................................................... I I第1章绪论 (4)课题背景 (4)国内外研究现状 (5)研究内容及技术指标 (9)第2章车牌图像的预处理 (10)图像的灰度化 (10)图像二值化 (11) (12) (13)图像的边缘检测 (14)Roberts算子 (15)Sobel算子 (15)LOG(Lap1ac1anofGuass1an)算法 (16)Prewitt算子 (17)本章小结 (21)第3章数学形态学的相关算法 (22)数学形态学 (22)数学形态学的基本运算 (23)腐蚀和膨胀 (23)开运算和闭运算 (24)本章小结 (25)第4章基于数学形态学的车牌定位 (25)车牌的基本特征 (26)车牌定位的设计思路 (28)软件设计 (30)车牌定位的结果分析 (33)本章小结 (33)结论 (34)致谢 (36)参考文献 (37)附录1 译文 (38)附录2 英文参考资料 (41)第1章绪论课题背景随着全球经济的快速持续发展，车辆数目迅猛增长，世界各国交通拥堵、交通事故和环境污染越来越影响着社会经济发展和生活。

基于数学形态学的车牌定位

基于数学形态学的车牌定位作者：李然来源：《电脑知识与技术》2010年第07期摘要:车牌定位是汽车牌照识别系统中的重要环节,直接影响车牌识别的准确率。

对数学形态学进行了研究,并且分析了利用数学形态学进行车牌定位的原理。

为了对汽车牌照进行精确的定位,提出了一种基于数学形态学的车牌定位方法。

对汽车图像进行预处理和阈值分割后,利用不同的结构元素对二值图像进行形态学滤波,以进一步消除干扰。

最后利用面积、长宽比和垂直投影特征值进行综合分析,完成车牌定位。

实验结果表明,该方法定位准确率高,为车牌识别创造了良好的前提。

关键词:车牌定位;数学形态学;结构元素;图像识别中图分类号:TP391文献标识码:A文章编号:1009-3044(2010)07-1696-03License Plate Location Based on Mathematical MorphologyLI Ran(School of Electronic and Communication Engineering, North China Electric Power University, Baoding 071003, China)Abstract: License plate locating is the key process in vehicle license plate recognition system. The efficiency of the locating will affect directly the veracity of recognition. In this paper, the basic theory of mathematical morphology is researched, and principle of license plate location based on mathematical morphology is analyzed. In order to precisely locate the license plate in vehicle image, an algorithm of license plate location based on mathematical morphology is advanced. After the pretreatment and threshold values segmentation, the acquired binary image is morphologically filtered by different structure elements to eliminate interference. Finally, the criterions including the characteristics of areas, ratio of height to width and vertical projection are used in comprehensive analysis, and the license plate area can be located accurately. Experiment results show that the method has high locating accuracy rate. Thus favorable precondition is created for license plate recognition.Key words: license plate location; mathematical morphology; structure element; image recognition随着交通系统的智能化发展,汽车牌照自动识别(Car License Plate Recognition,CLPR)技术是近几年来的研究热点。

一种基于形态学与区域分析的车牌定位方法

一种基于形态学与区域分析的车牌定位方法罗山【摘要】车牌定位作为车牌识别系统的关键环节之一,是后续车牌字符准确分割与识别的基础.针对单一定位方法存在的问题,提出一种基于形态学与区域分析的车牌定位方法.首先对车牌图像进行预处理;然后运用数学形态学处理获得车牌候选区域;最后,对候选区域进行分析,提取精确的车牌区域.实验结果表明,该方法精度高,速度快,鲁棒性好.【期刊名称】《山西电子技术》【年(卷),期】2018(000)006【总页数】4页(P11-14)【关键词】车牌识别;车牌定位;形态学;区域分析【作者】罗山【作者单位】攀枝花学院交通与汽车工程学院,四川攀枝花617000【正文语种】中文【中图分类】TP391.410 引言车牌定位是车牌识别系统中至关重要的环节，车牌的准确定位直接决定着后续的识别效果。

目前应用较多的车牌定位方法有数学形态学法[1]、区域标记法[2]、投影法[3]、多特征提取法[4]、遗传算法[5]、神经网络算法[6]、变换法[7]和AdaBoost算法[8]等。

这些方法各有优缺点，适用于不同的场景。

针对单一定位方法存在的问题，结合数学形态学边缘检测具有抑制噪声能力和便于区域提取的优势，在连通区域分析的基础上，提出一种基于数学形态学与区域分析的车牌定位方法，其流程如图1所示。

图1 车牌定位流程1 车牌图像预处理车牌图像在采集过程中由于光照变化、车牌污损、背景复杂等因素导致质量下降，这对定位的准确性有很大的不利影响，为改善图像质量，提高定位的准确率，需要对采集的车牌图像进行预处理。

图像预处理主要包括灰度化、去噪、对比度增强等。

图2是在相对运动情况下采集的待定位车牌图像，车牌图像存在一定程度的模糊，对精确的定位有一定的干扰。

经预处理后的图像如图3所示，可见处理后噪声明显减少、对比度得到增强。

2 数学形态学处理2.1 边缘检测基于数学形态学的边缘检测抑制噪声能力比基于微分算子强，提取的边缘比较光滑连续，且运算简单。

基于投影法和数学形态学车辆牌照识别系统

钱士奎：基于投影法和数学形态学的车辆牌照识别系统图１．３含汽车牌照图像Ｆｉｇ．１．３Ｉｎｃｌｕｄｅｔｈｅｌｉｃｅｎｓｅｐｌａｔｅｐｉｃｔｕｒｅｏｆｔｈｅａｕｔｏｍｏｂｉｌｅ１．２．１我国车牌类型及特点世界各国的车牌干差万别，各不相同，要想找一个通用的车牌识别方法可谓困难至极，大多数研究都是针对某一种或某～地区车牌的，本文也只针对我国车辆牌照进行识别研究。

（１）我国车牌类型中华人民共和国公共安全行业标准对机动车号牌的分类、规格、颜色、适用范围有明确的规定。

可分为六大类：①小型汽车所用蓝底白字号牌：②大型汽车所用的黄底黑字号牌；③军用或警用的白底黑字、红字号牌；④国外驻华机构所用的黑底自字号牌；⑤摩托车号牌；⑥农用运输车、拖拉机号牌。

（２）车牌特征车牌定位的算法很多，不过，所有的车牌定位算法基本上都考虑了牌照区域的特点。

所以在此也有必要先了解一下车牌区域的特征，其大体可分为以下几类：①车牌的几何特征，车牌为矩形，宽、高比例在一定范围内，约在３．０—３．２之间；②车牌形状及字符格式特征，车牌有矩形边框，字符位于矩形框中且有间隔；③车牌区域的纹理特征，车牌区具有排列基本均匀的字符，在图像上表现为一定的纹理特征；大连理工大学专业学位硕士学位论文不过，尽管这些方法都存在这样或那样的缺点，还是有许多具体的车牌定位算法已被应用在成型的车牌识别系统中，如ＰａｏｌｏＣｏｍｅｌｌｉ［１８】的基于水平线搜寻的定位方法等，这种应用极大的促进了车牌识别系统研究的积极性。

１．３字符分割技术字符分割就是把已经定位的车牌中的字符一个一个准确的分割出来，送入字符识别模块。

１．３．１车牌图像二值化在车牌字符的分割中，字符块的提取一般是基于二值图的垂直投影图，如图１．４（ｂ）是图１．４（ａ）的垂直投影图（大小为５６×１７０（ａ）（ｂ）图１．４二值化车牌图像（ａ）及其垂直投影图（ｂ）Ｆｉｇ．１．４Ｔｗｏｖａｌｕｅｎｕｍｂｅｒｐｌａｔｅｐｉｃｔｕｒｅｓ（ａ）ａｎｄｖｅｒｔｉｃａｌｐｒｏｊｅｃｔｉｏｎｄｒａｗｉｎｇｓ（ｂ）二值化后的车牌要能再现原字符图像，基本不出现笔画断裂和粘连现象，尽量不丢失原字符的特征。

基于数字图像技术和深度学习的车牌定位算法

基于数字图像技术和深度学习的车牌定位算法摘要车牌识别系统在实际生活中得到了广泛的应用，如收费站、停车场、交叉口等，这些具体应用可以有效地缓解交通拥堵，节省人力成本，提高效率，改善管理模式。

同时，它也是智能交通系统的重要组成部分。

深度学习算法是机器学习领域的一个研究热点。

广泛应用于图像识别、语音识别、人脸识别、自然语言处理等领域。

因此，本研究具有一定的理论意义和实用价值。

关键词：深度学习；数字图像；识别1绪论1.1研究背景车牌识别系统（LPRS）采用数字图像技术、模式识别等手段，完成了车牌图像信息的提取和识别。

低截获率广泛应用于实际生活中，如收费站、停车场、交叉口等。

这些具体应用可以有效地缓解交通拥堵，节省人力成本，提高效率，改善管理模式。

同时，由于LPRS本身是一个全数字化的智能系统，只要在此基础上稍加扩展和推导，就可以实现其其它功能，因此LPRS是其重要组成部分。

1.2研究意义深度学习算法，特别是卷积神经网络，具有良好的容错性、并行处理能力和自学习能力。

它可以处理复杂背景信息和不清晰推理规则下的模式识别问题。

它允许在样本数据中存在一定程度的缺陷。

因此，对于应用环境复杂多变的LPR，深度学习算法比传统方法具有更多的优势。

深入学习算法在LPR中的应用，不仅可以充分研究深度学习算法的性能特点，有助于更好地理解和开发深度学习算法，而且丰富了LPR的应用研究，具有重要的理论意义和实用价值。

2相关理论概述2.1传统神经网络神经网络由大量相互连接的神经元（也称为节点）组成。

每个神经元代表一种特殊的激活功能，它们之间的关系可以用重量表示。

神经网络能够以分布式的方式处理信息。

根据不同的连接方式、激活函数和权值，网络的最终输出是不同的，达到了信息处理的最终目标。

2.2浅层学习和深度学习随着浅学习的进一步发展，学者们在90年代提出了大量的浅学习模型，如高斯混合模型（GMM）、支持向量机（SVM）、逻辑回归、著名的增强算法、最大熵法（LR），其中SVM模型发展最快。

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

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严萍;曾金明【摘要】Automobile license plate positioning is the key link of license plate recognition system.This paper adopts a method combining mathematical morphology with characters edge features to locate the license plate.First,preprocess the license plates＇ image,and%汽车车牌的定位是车牌自动识别系统中的关键环节。

采用数学形态学和字符边缘特征相结合的方法对车牌进行定位,首先对车牌图像进行图像的预处理,然后利用数学形态学进行粗定位,最后利用字符边缘特征进行车牌的精确定位。

从而实现了车牌图像的准确定位。

【期刊名称】《西昌学院学报（自然科学版）》【年(卷),期】2011(025)002【总页数】3页(P51-53)【关键词】汽车车牌定位;字符边缘特征;数学形态学【作者】严萍;曾金明【作者单位】安徽电子信息职业技术学院,安徽蚌埠233000;中国人民解放军汽车管理学院,安徽蚌埠233000【正文语种】中文【中图分类】TP391.41引言汽车车牌识别系统主要包括图像采集处理、车牌定位、字符分割、字符识别等几个模块，其中车牌定位是车牌识别技术的关键环节，车牌定位的准确与否将直接决定字符分割和字符识别模块的成败。

文中采用的是数学形态学和字符边缘特征相结合的方法对车牌进行定位。

其工作流程图如图1所示。

图1 车牌定位算法流程图1 车牌字符的特点车牌包括7个字符，实际车牌总长409mm，单个字符的宽度为45mm，高度为90mm，其中中间小圆点宽度为10mm，与第二和第三字符的间距为12mm，换言之，第二字符与第三字符间的距离为车牌中间隔最大的部分，标准值为34mm （排除相邻两字符为I的情况）。

基于数学形态学的车牌定位算法

基于数学形态学的车牌定位算法电子信息工程项振武指导教师陆建华摘要：车辆牌照的自动识别是智能交通系统中的一项重要技术，而车辆牌照的定位又是车牌识别的关键点之一。

本文针对车牌自动识别系统中的车牌定位问题,提出了一种基于数学形态学的定位方法。

整个处理过程分为图像预处理、边缘提取、车牌粗定位、车牌精确定位四大模块，用MATLAB软件编程来实现每一个部分，最后定位出汽车牌照。

在研究的同时对其中出现的问题进行了具体分析、处理，寻找出对于具体的汽车牌照识别过程的最好的定位方法。

实验结果表明，对于各种情况下的车牌图像，该算法都能有效地对车牌进行定位，具有定位准确率高，运行速度快，抗干扰性强的特点。

关键词：图像处理，汽车牌照，数学形态学，车牌定位1引言1.1背景近年来，随着人们收入水平的提高，汽车产能的提高和成本的降低，私家车正逐步成为国人的出行工具。

据中国汽车工业协会最新发布的数据显示，2009年中国汽车产量为1379.10万辆，同比增长48.30％，比上年净增444.60万辆；汽车销量1364.48万辆，同比增长46.15％，比上年净增426.43万辆，首次超越美国成为世界第一的汽车生产和消费国。

而汽车销量的增加的前提条件是国家公路通车总里程的增加，尤其是国家交通主干道——高速公路的增加。

据悉截止09年底全国高速公路总里程达到6.5万公里，再次保持了高速发展，通车总里程继续稳居世界第二。

汽车和高速公路的增加，对车辆的有效管理提出了更高的要求。

如果对汽车牌照能够正确识别，就可以实现在交通路口、高速公路、军事要塞、机关大门等对过往车辆的实时登记、流量统计和对防卫目标的安全警备，对肇事车辆、被盗车辆、犯罪车辆进行辨识和拦截；就可以实现在汽车停车场对进出的车辆进行登记、统计和查询，以保障安全，并可协助自动计费。

而这些都是建设智能交通系统不可或缺的部分。

以上这些促使车牌识别技术成为了一个热门课题，市场应用前景非常广阔。

基于数学形态学的车牌定位与倾斜校正的方法

基于数学形态学的车牌定位与倾斜校正的方法作者：程磊程伟来源：《科技视界》2015年第23期【摘要】为了准确定位车牌的位置与车牌的倾斜校正，提出一种基于数学形态学的车牌定位与基于hough变换和radon变换车牌校正的方法，主要步骤包括：灰度变换，边缘检测，形态学处理，基于行列投影的车牌定位，利用hough变换的车牌水平校正，radon变换的字符垂直校正。

实验表明，这一方法能够准确的实现车牌的定位与倾斜校正。

【关键词】车牌定位；数学形态学；水平校正；垂直校正0 引言车牌识别是现代智能交通系统中的重要组成部分之一，主要包括图像处理，车牌定位，字符分割，字符识别四个关键步骤，车牌定位的准确与否直接影响后面的字符分割与字符识别。

要进行车辆牌照的提取与分割，必须了解车辆牌照与车体本身相区别的特征：（1）一个省份的简称加上6个数字与字母的组合。

（2）车牌的背景与字符的颜色对比比较大，具有丰富的边缘信息。

（3）车牌长宽比例一定。

由于摄像机摆放的位置造成捕捉到的图像有一定的倾斜角度。

对以后的字符分割造成一定的干扰。

所以我们首先对定位后的车牌图像进行倾斜校正。

目前倾斜校正的方法主要有：（1）hough变换校正，通过hough变换检测车牌边缘直线并计算水平倾斜角度，进行校正。

（2）通过模板匹配寻找牌照区域的四个顶点再通过双线性空间变换对畸变图像进行校正。

基于以上的车牌特点，本文提出了一种基于数学形态学的车牌定位和基于hough与radon 变换的车牌倾斜校正，通过VC++的实验表明该方法的可行并且快速简单。

1 算法流程介绍本文提出的车牌定位与倾斜校正方法，具体分为5个步骤：（1）图像预处理，将彩色图像灰度化，利用canny算子进行边缘检测。

（2）车牌粗定位，利用数学形态学对边缘检测后的图像进行若干次开闭运算，可以得到几个车牌的候选区域，利用车牌的长宽比例，删除干扰区域，得到粗定位。

（3）车牌水平方向倾斜校正，利用hough变换检测车牌边缘进行校正，并对校正后的图像去除车牌的边框与铆钉。

车牌识别项目实验报告

摘要基于数学形态学的车牌定位方法【摘要】在汽车牌照识别系统中，车牌定位是整个识别模块实现的前提，目前车牌定位的方法多种多样，各有所长，但存在着计算量大或定位准确率不高等问题。

本文结合数学形态学的基本运算，尝试使用数学形态学来实现车牌照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，且有一定的定位准确率。

【关键词】数学形态学，结构元素，车牌定位浙江大学城市学院毕业论文Abstract A Method 0f License Plate Location Based0n Morphology【Abstract】In car license plate recognition system，license plate location is the precondition of the whole recognition module．Now 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 mathematical morphology combined with its elemental calculation to realize the crucial procedure—license plate location in car license plate recognition．Experiment results show that such method call simplify the algorithm and has some correct location rate．【Key Words】Morphology，Structure element， License plate location目录第1章绪论 (1)1.1 车牌研究概要 (1)1.1.1 车牌定位的背景 (1)1.1.2 车牌定位的意义 (2)1.2 本文研究的内容 (3)1.2.1 车牌定位研究的主要内容 (4)1.2.2 研究小结 (4)第2章车牌定位算法的研究 (5)2.1 传统的车牌定位算法 (5)2.1.1 基于颜色的分割算法 (5)2.1.2 基于纹理的分割算法 (5)2.1.3 基于边缘检测的分割算法 (6)2.1.4 基于数学形态学的分割算法 (6)2.1.5 基于遗传算法的分割方法 (7)2.1.6 基于神经网络的分割算法 (8)2.2 形态学的基本运算 (8)2.2.1 膨胀，腐蚀 (9)2.2.2 开，闭运算 (10)2.3 本章小结 (11)第3章车牌定位算法的实现 (12)3.1 算法处理过程 (12)3.2 二值化处理 (12)3.3 腐蚀去噪 (13)3.4 作膨胀，腐蚀运算 (13)3.5 标记连通域 (13)3.6 标识并定位车牌 (14)3.7 本章小结 (15)第4章实验结果及分析 (16)4.1 实验说明 (16)4.1.1 实验流程 (16)4.1.2 实验分析 (17)4.2 实验小结 (20)结论 (21)参考文献 (22)附录 (24)致谢.......................................................................................................... 错误!未定义书签。

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)。

ｕｅＯｄｔｒｎｈｐｃｆｏａｏｆｉｅｓｌｔ．ｓ，ｌｄｔｒｉｅｔｅｆａｃｔｏａｅｎｐｏｓｄｔｅｅｍｉｅｔｅｓｅｉｃｌｃｔｎｏｃｎｅｐａｅＡｔａｔｗｅｗｉｅｅｍｎｈｎｌｏａｎｂｓｄｏｒｒｉｉｌｌｌｉｌｉｉｅｐｒｅｃｆｉｅｓｌｔ．ｅｒｓｌｄｃｔｈｔｈａｅｏｃｔｎｉｈｇｅ，ｔｏｄｓｅｄａｄｒｂｓ．ｘｅｎｅｏｃｎｅｐａｅＴｈｅｕｔｉｉａｅｔａｅｒｔｆｏａｏｉｈｒｗｉａｇｏｅｏｕｔｉｌｓｎｔｌｉｓｈｐｎ
ＴｎｉｇｅＨｕＨｏｇｉｇＢｉｎｉｇＹａｇＬｌａｇｎ￣，Ｌｉｎｐｎ，ａＹａｐｎ，ｎｉｉ
（Ｈｇｆｃｅｃ，ｒｉｅｓｙｏｈｎ，ｈｎｉａｕｎ３０１ＣｏｅｅｉｅＮｏｔＵｎｖｒｔｆｉａｓａｘｉａ００５）ｏＳｎｈｉＣｔｙ
ｉｒｅＯｏａｎｌｃｔｎｏｅｉｌｌｔｕｃｌｎｃｕａｅｙｕｄｒｃｍｐｉａｅａｋｒｕｄａｄｄｆｒｎｎｏｄｒｔｂｔｉｏａｉｆｖｈｃｅｐａｅｑｉｋｙａｄａｃｒｔｌｎｅｏｌｔｄｂｃｇｏｎｎｉｅｅｔｏｃ
关键词：车牌定位；边缘检测；数学形态学；投影
中图分类号：Ｐ９Ｔ３１文献标识码：Ａ
Ｖｅｉｌａｅｌａｏｎｅｈｏｄｓｄｍａｈｅａｃｌｈｃｅｐｌｔｏｃｔｉｍｔｂａｅｏｎｔｍｔａｉ
ｍｏｐｈｏｙａ ●ｐｒｊｃ－ｒ● ｌ ● ｏｇｎｄｏ● ｈｏｎｅ
Ｋｅｗｏｄ：ｉｅｓｌｅｏａｏ；ｄｅｄｔｃｏ；ｔｅｔａｍｏｐｏｏ；ｒｊｃｏｙｒｓｌｎｅｐｔｌｃｔｎｅｇｅｔｎｍａｈｍａｃｒｈｌｇｐｏｅｔｎｃａｉｅｉｉｌｙｉ
巴
应用技巧与ｅｓｌｔｏａｏｅｋｙｐｒｆｕｏａｃｖｈｃｅｐａｅｒｃｇｉｏｓｍ，ｈｃｕａｙｔａｔＶｅｉｌｉｎｅｐａｅｌｃｔｎｉｔｅａｔｏｔｍｔｅｉｌｌｔｅｏｎｔｎｓｔｃｉｓｈａｉｉｙｅｔｅａｃｒｃ
ｗｅｕｅｔｅｍｅｏｆｔｅｔａｍｏｈｌｇ，ａｅ，ｒｊｃｉｎａｄｔｅｒｔｆｈｎｔｎｄａｅｓｈｔｄｏｈｍａｃｌｒｏｏｙｌｒｐｏｅｔｎｈａｏｏｅｌｇｈａｄｗｉｔＣｂｈｍａｉｐｔｏｉｔｅｈｎ
合数学形态学和水平、垂直投影法的定位方法。首先对图像进行预处理，利用数学形态学将预处理过的
图像进行处理，滤去一部分伪车牌区域，然后利用水平和垂直扫描进一步精确定位车牌，最后结合车牌的
先验知识最终确定车牌区域。实验结果表明，该方法定位率高，速度快，具有良好的鲁棒性。
（上接第８Ｏ页）
ａｄｐｏｅｔｎｉｐｏｏｅｃｒｉｇｔｅｃａａｔｒｔｓｆｅｉｌｃｍｅｌｅｎｅｆｔｒｆｈｏｎｆｃｎｒｊｃｉｒｐｓｄａｏｄｔｈｒｃｅｉｉｈｃｏｓｃｎｏｈｒｓｃｏｖｅ￣ｅａｄｔｃｏｏｔｇｅｅｔｐｔａｈａｏｓｉ
ｗｉｎｕｎｅｔｅｐａｅｒｃｇｉｏｅｕｔｌｉｆｅｃｈｌｔｅｏｔｎｒｓｌｌｌｎｉ．Ａｎａｇｒｔｍｏｉｅｓｌｔｏａｉｎｏａｈｍａｃｌｍｏｐｏｏｙｌｏｉｈｆｒｌｎｅｐａｅｌｃｔｆｍｔｅｔａｒｈｌｇｃｏｉ
２１ｏ２年７旯
电子
漏
试
繁７期
ＥＬＥｃＴＲ０ＮｌＴＥｓＴｃ
Ｊｕ１ｏ１．２２Ｎｏ．７
一
种基于数学形态学和投影的车牌定位方法
唐灵洁，胡红萍，白艳萍，杨丽丽
（中北大学理学院，山西太原００５）３０１
摘要：车牌定位是车牌识别系统的关键步骤，定位的准确与否直接影响车牌识别的结果。为了能在复杂背景和不同光照条件下快速、准确定位车牌位置，本文根据车牌及拍摄效果等特点及因素，提出了一＿种结
ｉｕｉａｉｎｃｎｉｉｎｌｍｎｔｏｄｔ．ＡｔｆｒｔｉｇｒｐｏｃｓｉｇｉａｏｔｄｉｒｅＯｆｔｒｔｅｐｒｆｆｌｌｔｅｉｎｌｏｏｓ，ｍａｅｐｅｒｅｓｎｓｄｐｅ，ｎｏｄｒｔｉｅｈａｔｏｓｐａｅｒｇｏ，ｉｌａｅ