基于多重特征和SURF算法的车牌定位研究

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (17): 182-187.

基于多重特征和SURF算法的车牌定位研究

胡峰松1，2，朱浩1

1.湖南大学信息科学与工程学院，长沙 410082
2.北京师范大学，北京 100875

出版日期:2015-09-01 发布日期:2015-09-14

License plate location algorithm based on multiple features and SURF algorithm

HU Fengsong1，2, ZHU Hao1

1.College of Information Science and Engineering, Hunan University, Changsha 410082, China
2.Beijing Normal University, Beijing 100875, China

Online:2015-09-01 Published:2015-09-14

摘要/Abstract

摘要： 针对利用SIFT算法进行车牌精确定位时执行时间较长的问题，提出一种基于多重特征和SURF算法的车牌定位算法。在HSL颜色空间得到车牌候选区域，结合车牌几何特征与纹理特征筛选候选区域并按设定的规则标号;按序提取车牌标号候选区域，并用SURF算法对候选区域精确定位。实验结果表明，SURF算法与SIFT算法相比，在定位准确率相同情况下减少了运行时间，能满足实时性需要。

关键词: 车牌定位, HSL颜色空间, 几何特征, 纹理特征, 快速鲁棒特征（SURF）算法

Abstract: In order to overcome the problem of slow execution in using SURF algorithm to locate license plate accurately, a novel car license plate location algorithm based on multiple features and SURF algorithm is proposed. The algorithm roughs the candidate region through HSL color space and uses geometric characteristics and textural feature to filter the candidate region and marks the candidate region by the set rules. Then it extracts the label candidate region in order and uses SURF algorithm to locate the plate precisely in this region. The experimental results show that the SURF algorithm has better effect compared with SIFT algorithm in the execute time, and it can meet the needs of the real time.

Key words: license plate location, HSL color space, geometric characteristics, textural feature, Speeded Up Robust Feature（SURF） algorithm

胡峰松1，2，朱浩1. 基于多重特征和SURF算法的车牌定位研究[J]. 计算机工程与应用, 2015, 51(17): 182-187.

HU Fengsong1，2, ZHU Hao1. License plate location algorithm based on multiple features and SURF algorithm[J]. Computer Engineering and Applications, 2015, 51(17): 182-187.

[1]	马巧梅，王明俊，梁昊然. 复杂场景下基于改进YOLOv3的车牌定位检测算法[J]. 计算机工程与应用, 2021, 57(7): 198-208.
[2]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[3]	安卫超，阎婷，张楠，张杉，相洁，曹锐，王彬. 病理图像纹理分析在胃癌MSI预测中的应用研究[J]. 计算机工程与应用, 2021, 57(24): 205-211.
[4]	陈熙，道尔吉，李运兰，韦立，夏道勋，熊祥光. 多方向局部相位量化模式及纹理分类[J]. 计算机工程与应用, 2020, 56(13): 216-222.
[5]	丁华，王晓东，章联军，陈晓爱，赖佩霞. 基于SLIC融合纹理和直方图的图像显著性检测[J]. 计算机工程与应用, 2019, 55(3): 159-166.
[6]	王玉源，徐杰，吉卫喜. 基于监督式机器学习的零件几何特征智能识别[J]. 计算机工程与应用, 2019, 55(22): 225-230.
[7]	赵琛，王昱潭，朱超伟. 基于几何特征的灵武长枣图像分割算法[J]. 计算机工程与应用, 2019, 55(15): 204-212.
[8]	孙颖，马江河，张雪英. 结合非线性全局特征和谱特征的脑电情感识别[J]. 计算机工程与应用, 2018, 54(17): 116-121.
[9]	王晓宇，赵妍，刘泽云，冯筠. 基于五官特征的人脸剪纸生成方法研究[J]. 计算机工程与应用, 2018, 54(17): 208-213.
[10]	王偲晗1，万幼川1，王明威1，高雄2. 改进蚁群算法及其在高光谱影像分类中的研究[J]. 计算机工程与应用, 2018, 54(1): 196-203.
[11]	白晓静1，卢钢2，闫勇1，2. 基于多尺度颜色小波纹理特征的火焰图像分割[J]. 计算机工程与应用, 2017, 53(9): 213-219.
[12]	宋春晓，孙颖. 面向情感语音识别的非线性几何特征提取算法[J]. 计算机工程与应用, 2017, 53(20): 128-133.
[13]	布阿加姑丽·米吉提1，库尔班·吾布力1，努尔毕亚·亚地卡尔1，吐尔根·依不拉因1，阿力木江·艾沙2. 纹理特征加权融合的中亚多文种文档图像文种识别[J]. 计算机工程与应用, 2017, 53(20): 187-194.
[14]	陈熙1，2，张戈1. 基于非高斯二维Gabor滤波器的生物特征提取算法[J]. 计算机工程与应用, 2017, 53(18): 170-175.
[15]	罗三定，彭琼，李婷. 瓷砖图像的纹理特征分类研究[J]. 计算机工程与应用, 2016, 52(8): 196-200.