38、基于GNN、形态学和主动轮廓的车牌检测方法

基于GNN、形态学和主动轮廓的车牌检测方法

1. 背景

车牌检测（LPD）是智能交通系统中的关键技术，已有众多学者提出了不同的方法：
- Duan等人 ：提出结合霍夫变换和主动轮廓算法的边界检测方法，有预处理和验证模块，误差率1.8%。
- Kahraman等人 ：利用Gabor变换的算法，对图像进行卷积，再通过阈值分割等操作，检测正确率达98%。
- Cano等人 ：基于监督分类器的方法，先对图像预处理，再进行特征提取和分类定位。
- Clemens等人 ：将AdaBoost算法与Haar特征结合的检测器，还有后处理和跟踪阶段。
- Ho等人 ：两阶段方法，先使用Adaboost分类器，再用SIFT描述符和SVM滤波器，检测正确率92%，精度91%。
- Anagnostopoulos等人 ：将车牌检测方法分为基于二值图像处理、灰度处理、颜色处理和分类器四类。
- Feng和Shuoben ：基于局部形状和颜色的LPR方法，对倾斜车牌处理效果好，准确率96.3%。

2. 提出的方法

该车牌检测系统基于GNN、形态学和主动轮廓，分为三个主要模块：

graph LR
    A[图像] --> B[预处理]
    B --> C[处理]
    C -