车牌识别
2016-04-23 22:38
232 查看
车牌识别的基本步骤可以概括为: 车牌检测, 分割文字, 文字识别
车牌检测的算法种类有: 基于边缘 , 基于形态学, 基于hough 和radon, 基于神经网络 ,基于车牌特征, 基于纹理, 聚类....
车牌的特征有: 形状, 高宽比, 颜色, 纹理, 对称性, 字与牌的对比度, 牌与背景的对比度.....
下面的文章都是用google scholar搜索的, 并不是列举的经典文章, 大部分引用次数100+, 所以这些内容仅供参考
基于形态学:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.507.6824&rep=rep1&type=pdf
先用open和close操作得到两个图片, 接着对两个图片差分, 用close操作使相邻的竖直边缘合并, 标记
这个我试着用了opencv实现了下, 但是实在不知道如何进行这里面的差分, 且这里面所选择的7*1的结构元素
对于国内的车牌来说, 将车牌分成了两部分, 譬如浙E 999999两个部分
http://file.scirp.org/pdf/CS20110400009_54290445.pdf 与下面这篇极像(或者说抄袭??)
http://cook.csie.mcu.edu.tw/PowerCam_files/Seminar2013/paper/An%20efficient%20method%20of%20license%20plate%20location_%E6%9D%8E%E5%93%B2%E5%AE%89.pdf
其中上面提到一个移除无关edge的算法, 及其伪代码
基于对比度:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.104.2678&rep=rep1&type=pdf
上面这篇定位的准确率在99%, 然而分割算法在60%左右, 利用 connected component 定位
https://www.researchgate.net/profile/Yun-Fu_Liu/publication/3156842_License_Plate_Localization_and_Character_Segmentation_With_Feedback_Self-Learning_and_Hybrid_Binarization_Techniques/links/0c9605227022d1335b000000.pdf
(直方图均衡化histogram equalization和对比度增强contrast stretching)利用颜色定位
http://file.scirp.org/pdf/CS20110400009_54290445.pdf 筛选垂直边缘然后形态学
基于竖直的边缘:
http://tkuir.lib.tku.edu.tw/dspace/retrieve/80786/0769522491_2p389-392.pdf(小波变换wavelet transform)
缺点: 对复杂环境敏感
基于颜色:
Automatic License Plate Recognition,SL Chang, etal. IEEE,2004. Performance在80%~90%
基于角点:
License Plate Detection using Harris Corner and Character Segmentation by Integrated Approach from an Image.Tejendra Panchal ,etal. ICCCV, 2016
这篇文章让我想吐槽..文章没有对流程图说明, 反而凑字数似得把harris角点概念介绍了一番..
基于霍夫变换和轮廓:
http://vision.cs.uiuc.edu/~ddtran2/pubs/tlhdu_isimp04.pdf
这篇文章是 graying, normalizing, histogram equalization, Sobel,threshold, find contours,
thinning(减少hough变换计算量), hough transform找两对平行且这两对相交的直线, 检验高宽比,
然后在前面确定的封闭区域内用两条特定的横线与edge相交, 数出交点个数,判定是否在某范围内.
关于车牌定位, 就我看的上面这些论文来说, 一般用, 或者互相结合
1. 颜色
2. 垂直边缘
3. 形态学
4. connect- component
在百度图片中搜索车牌, 大部分车牌是蓝底白字, 或黄底黑字, 以及某些特殊牌照,
都具有较高的对比度, 是车牌设计的一种重要特征. 车牌的高宽存在一定比例, 即使倾斜也不会倾斜太多.
在国内车牌的颜色固定在几类, 可以用来筛选. 即便限制上面提到的所有特征, 依然无法完全判断.
车牌检测的算法种类有: 基于边缘 , 基于形态学, 基于hough 和radon, 基于神经网络 ,基于车牌特征, 基于纹理, 聚类....
车牌的特征有: 形状, 高宽比, 颜色, 纹理, 对称性, 字与牌的对比度, 牌与背景的对比度.....
下面的文章都是用google scholar搜索的, 并不是列举的经典文章, 大部分引用次数100+, 所以这些内容仅供参考
基于形态学:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.507.6824&rep=rep1&type=pdf
先用open和close操作得到两个图片, 接着对两个图片差分, 用close操作使相邻的竖直边缘合并, 标记
这个我试着用了opencv实现了下, 但是实在不知道如何进行这里面的差分, 且这里面所选择的7*1的结构元素
对于国内的车牌来说, 将车牌分成了两部分, 譬如浙E 999999两个部分
http://file.scirp.org/pdf/CS20110400009_54290445.pdf 与下面这篇极像(或者说抄袭??)
http://cook.csie.mcu.edu.tw/PowerCam_files/Seminar2013/paper/An%20efficient%20method%20of%20license%20plate%20location_%E6%9D%8E%E5%93%B2%E5%AE%89.pdf
其中上面提到一个移除无关edge的算法, 及其伪代码
基于对比度:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.104.2678&rep=rep1&type=pdf
上面这篇定位的准确率在99%, 然而分割算法在60%左右, 利用 connected component 定位
https://www.researchgate.net/profile/Yun-Fu_Liu/publication/3156842_License_Plate_Localization_and_Character_Segmentation_With_Feedback_Self-Learning_and_Hybrid_Binarization_Techniques/links/0c9605227022d1335b000000.pdf
(直方图均衡化histogram equalization和对比度增强contrast stretching)利用颜色定位
http://file.scirp.org/pdf/CS20110400009_54290445.pdf 筛选垂直边缘然后形态学
基于竖直的边缘:
http://tkuir.lib.tku.edu.tw/dspace/retrieve/80786/0769522491_2p389-392.pdf(小波变换wavelet transform)
缺点: 对复杂环境敏感
基于颜色:
Automatic License Plate Recognition,SL Chang, etal. IEEE,2004. Performance在80%~90%
基于角点:
License Plate Detection using Harris Corner and Character Segmentation by Integrated Approach from an Image.Tejendra Panchal ,etal. ICCCV, 2016
这篇文章让我想吐槽..文章没有对流程图说明, 反而凑字数似得把harris角点概念介绍了一番..
基于霍夫变换和轮廓:
http://vision.cs.uiuc.edu/~ddtran2/pubs/tlhdu_isimp04.pdf
这篇文章是 graying, normalizing, histogram equalization, Sobel,threshold, find contours,
thinning(减少hough变换计算量), hough transform找两对平行且这两对相交的直线, 检验高宽比,
然后在前面确定的封闭区域内用两条特定的横线与edge相交, 数出交点个数,判定是否在某范围内.
关于车牌定位, 就我看的上面这些论文来说, 一般用, 或者互相结合
1. 颜色
2. 垂直边缘
3. 形态学
4. connect- component
在百度图片中搜索车牌, 大部分车牌是蓝底白字, 或黄底黑字, 以及某些特殊牌照,
都具有较高的对比度, 是车牌设计的一种重要特征. 车牌的高宽存在一定比例, 即使倾斜也不会倾斜太多.
在国内车牌的颜色固定在几类, 可以用来筛选. 即便限制上面提到的所有特征, 依然无法完全判断.
相关文章推荐
- C#图像处理实践——图片不同提取
- 第五次站立会议
- 第四次站立会议
- bottomTagFragment
- Linux下通过python访问MySQL、Oracle、SQL Server数据库的方法
- 栈和队列 相关 面试题
- poj 3122
- zoj3946 Highway Project (优先队列xjb搞)
- 深度优先搜索实现迷宫的走法
- 5分钟搞定 Git 服务端 安装 windows 2003 gitblit
- 声学特征(二) MFCC特征原理
- 年薪百万的市场人都在读哪些书?
- 图片的三级缓存实现(LruCache内存中的高效引用、AsyncTask的封装)
- 【arduino】常见的几个传感器的使用
- java--StringBuffer
- 人人都有极客精神
- 数据结构_写程序计算给定多项式在给定点处的值
- Linux —— alias 别名
- PHP学习03----开发环境搭建
- 淘宝高可伸缩高性能架构的相关框架介绍