基于MSER和SVM以及强种子区域生长的车牌定位

论文摘要

针对传统车牌定位方式的缺陷,给出了将自然场景下文本检测的最大稳定极值区域(MSER,maximally stable extremal regions)算法与支持向量机(SVM,support vector machine)相结合的车牌定位方法。首先利用MSER算子对车牌字符进行初步定位,并依据字符区域的高宽比和占空比剔除明显不是字符的区域,再剔除重叠的字符区域,从而得到候选字符区域,然后将候选字符区域输入训练好的SVM分类器,用来剔除无效的字符区域。最后利用强种子的区域生长法将真实的字符区域聚合,通过求解连通区域的外接矩形,最终提取车牌区域,实现对车牌的精确定位。对比实验结果表明,在不同的自然场景下,该方法比传统的车牌检测算法的定位准确率高2%～3%,其自适应能力和鲁棒性都比较好,具有较高的实用价值。

论文目录

• 0 引言
• 1 传统车牌定位方法
•   1.1 基于彩色图像的定位
•   1.2 基于灰度图像的定位
•     1.2.1 基于边缘检测的车牌定位
•     1.2.2 基于纹理特征的车牌定位
•     1.2.3 基于形态学的车牌定位
•     1.2.4 基于机器学习的车牌定位
• 2 基于MSER的车牌定位
•   2.1 MSER文本检测流程
•   2.2 车牌粗定位
•   2.3 车牌精确定位
• 3 结果与分析
• 4 结 语

文章来源

类型: 期刊论文

作者: 侯向宁,刘华春

关键词: 车牌定位,文本检测,最大稳定极值区域,支持向量机,强种子,区域生长

来源: 西安工程大学学报 2019年02期

年度: 2019

分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技

专业: 公路与水路运输,计算机软件及计算机应用

单位: 成都理工大学工程技术学院电子信息与计算机工程系

基金: 四川省教育厅重点项目(18ZA0077),成都理工大学工程技术学院院级基金项目(C122016006)

分类号: U495;TP391.41

DOI: 10.13338/j.issn.1674-649x.2019.02.011

页码: 180-185

总页数: 6

文件大小: 906K

下载量: 151