色与车牌字符、车身背景的颜色反差较大的原理,同时车牌照底色也相对稳定,因此可以在此基础上利用图像预处理技术退去图像的噪声干扰以及一些背景信息的影响,然后再采用一系列相应的图像处理技术包括二值化、过滤器、形态学、垂直边缘检测、神经网络等技术将有效的车牌照分割出来。但是,当车牌图像受环境影响较大的时候如车牌照严重污损或者背景颜色干扰过大,在定位的时候也就容易出现偏差,另外,受限于资源的有限性,在具体应用的时候也较难满足车牌识别的实时性。2.基于数学形态学的车牌检测与定位算法该方法利用数学形态学的四种基本运算包括膨胀(或扩张)、腐蚀、开操作、闭操作,基于这四种形态学运算并将其进行一系列排列组合变换可以得到多种使用算法,然后再利用这些算法进行图像的基本分析处理算法,如图像分割、特征提取、边缘检测、图像滤波等来最终定位出车牌区域。此方法对背景的要求比较简单,但是受限于字符的大小带来的影响,在定位的时候速度相对较慢。3.基于神经网络的车牌检测与定位算法该方法利用神经网络具有自适应、容错、抗噪声的特点,首先对图像样本的每个像素进行特征提取,然后对这些车牌图像进行分类模型的训练,完成这些训练之后,接下来需要对图像进行预处理操作,通过分析车牌照的纹理特征和颜色等,之后用已经训练好的神经网络模型对有效的车牌区域进行提取。神经网络的训练过程包含了大量的实验样本,因此实验计算量相对很大,需要花费较多的时间来定位。4.基于边缘检测的车牌检测与定位算法该方法利用边缘丰富的信息包括方向、形状等作为图像的特征之一,运用常用的基于边界的分割技术如Sobel算子、一阶微分算子、Hough变换等,然后在此基础上对图像边缘进行预处理,运用形态学操作如闭运算获得车牌的候选区,接着利用轮廓提取算法排除不合理的车牌区域,定位出有效的车牌区域,该方法的算法相对简单,能减少噪声对定位的干扰,但是当图像拍摄选取的角度不好而6
全文预览
