基于边缘算子的车牌图像二值化方法

提出一种基于Canny边缘算子的车牌图像二值化方法。该方法综合考虑了边缘信息和灰度信息，根据与边缘像素点相邻的像素点的灰度值变化特点，得到图像的高、低阈值，综合利用高、低阈值对原灰度图像进行二值化。实验表明，此方法对于车牌图像的二值化处理有令人满意的效果。     

基于车牌识别的二值化算法研究

二值化是车牌识别系统中图像预处理的关键一步。由于车牌图像摄取环境的多变使得不同光照条件下车牌亮度也不同,这给采用限定阈值二值化算法来进行图像预处理带来了困难。本文通过对车牌灰度图像的特点的分析与研究,提出了一种限定阈值二值化改进算法,即利用遥感图像处理的灰度拉伸技术,使得二值化需要的阈值得到控制。对不同光照下的车牌进行这种优化处理,实验结果表明此算法是快速有效的。     

基于分形维数的车牌识别二值化算法

针对当前常用车牌识别二值化算法存在的问题,提出了基于分形维数的二值化的方法。根据分形维数反映图像复杂程度的定义,通过计算两次突变的分维数,来确定图像的灰度值范围,并利用该灰度值范围确定阈值。并通过实验,表明利用分形维数所得到的阈值进行二值化处理较传统方法有较大改进,且该方法解决了在自然光和不同光照背景下对车牌识别的干扰问题,也可以从复杂背景中提取出倾斜的车牌。     

消除二值化图像干扰方法的研究

在智能车牌识别系统中，对通过图像获取技术得到的复杂灰度图像进行二值化处理后，在图像中存在许多干扰白点。提出一种“高斯滤波”的方法去除这些白点，使二值化图像平滑、少毛刺，并具有较好的连通性。     

字符分割前车牌图像的预处理

本文针对车牌图像的特点提出了一种针对字符分割的车牌图像预处理方法。该方法首先将定位出的彩色图片进行彩色图像的灰度化处理,再进行目标增强、二值化、去除铆钉干扰、倾斜校正,从而实现车牌的精确定位,为字符分割做好准备。实验结果表明,该方法处理效果好,对光照不均、对比度低、污迹及倾斜度较大的车牌图像具有很好的鲁棒性。     

一种新的基于二值面积形态学的车牌定位算法

车牌定位是车牌识别中的关键步骤,传统方法对车牌图像的要求较高,存一定程度上影响了车牌的识别率.提出了一种新的基于Renyi熵和二值面积形态学的车牌定位算法.首先用一维Renyi熵最小差值法将车牌灰度图像二值化,然后计算车牌图像中连通区域的面积,根据车牌图像的实际情况确定面积阈值,用二值面积形态学的开运算和闭运算去除噪声,最后实现车牌的精确定位.仿真实验结果表明此算法不仅定位精度高,运算简单,而且能够有效地滤除噪声.     

基于灰度图像的车牌快速定位和分割方法

基于灰度图像水平差分和垂直差分图像的相关特点，提出了一种能在复杂交通背景下实现车牌快速定位和分割的方法。该方法首先通过中值滤波对图像滤噪并进行直方图均衡化处理；然后运用一种水平差分和自适应阈值方法对图像进行二值化，接着在对所得二值图像存水平方向作形态学膨胀运算后，对其垂直、水下方向的扫描线长度先后进行滤波处理而粗分割出车牌的候选区域；最后通过车牌垂商差分图像在竖直方阳扫描投影的相关特征对所得候选区域进行筛选，得到车牌在水平和垂直方向的精确位置。该方法对于图像背景复杂度和车牌在图像中的位置限制较少，而且实现简单，定位速度较快，是一种简单、高技的车牌定位方法，实验结果证明了该方法的有效性。     

车牌识别中关键技术的研究与实现

介绍了车牌图像识别系统的现状,提出一种针对高速公路环境下的车牌定位与识别算法.在定位阶段,通过伪二值化方法消除路面产生的噪声,利用形态学闭运算定位车牌字符,并对车牌图像进行灰度交换,最终得到无边框、灰度对比强的车牌图像.字符分割采用基于字符连通域宽高检测和先验知识相结合的方法,很好地解决了字符粘连对分割的干扰,同时完成了对车牌图像的滤波.在识别阶段,先对车牌图像进行二值化和倾斜矫正,字符识别采用基于模板匹配的改进算法.对高速公路上300幅车辆图像进行测试,识别准确率高于80%.     

机动车牌照图像二值化提取的研究

为了能自动识别机动车牌照,除了车牌区域定位以外,还有一个非常重要的步骤就是要得到一个满意的二值化图像以便字符的分割和识别。文章比较了多种灰度转换算法,归纳出适合我国机动车牌照颜色及搭配特点的算法,在分析全局阈值法和局部阈值法优缺点的基础上,提出了两种方法相结合的图像二值化算法。该算法不仅能较好地保留图像的细节,还能有效地消除伪影的干扰。     

一种复杂背景下的车牌快速定位算法

针对复杂环境下的车牌定位问题,提出一种基于提升小波与形态学相结合的快速定位方法。该方法首先对车辆图像进行预处理,包括图像灰度化,利用新的提升小波算法进行边缘检测以及二值化,然后对图像进行腐蚀、膨胀等一系列形态学处理,得到一些规则的连通区域,其次删除小连通区域,合并邻近区域,得到车牌的候选区域,最后采用可信度评价来度量候选区和车牌区的相似度确定车牌位置,最终实现车牌的快速定位。计算机仿真结果表明,对于背景复杂的车辆图像,该方法运行速度快,车牌定位准确率高。     

基于演化算法的图像二值化算法研究*

针对传统二值化方法的搜索时间长、图像保真度差等缺陷,利用演化算法具有搜索速度快、图像保真度高、全局寻优等特点,来解决图像二值化阈值难以选取的问题。以车牌图像的二值化为例,针对图像的复杂特征设计出图像演化染色体的编码、交叉、变异等演化操作算子,进而建立求解图像二值化阈值的适应值函数。数据实验表明,与传统的算法相比,利用演化算法求解车牌图像二值化阈值时,其搜索速度快、图像保真度高,能够更有效地进行图像识别和图像处理。     

基于卷积神经网络的车牌字符识别

车牌字符识别是智能车牌识别系统中的重要组成部分。针对车牌字符类别多、背景复杂影响正确识别率的问题,提出了一种基于卷积神经网络（CNN）的车牌字符识别方法。首先对车牌字符图像进行大小归一化、去噪、二值化、细化、字符区域居中等预处理,去除复杂背景,得到简单的字符形状结构;然后,利用所提出的CNN模型对预处理后的车牌字符集进行训练、识别。实验结果表明,所提方法能够达到99.96%的正确识别率,优于其他三种对比方法。说明所提出的CNN方法对车牌字符具有很好的识别性能,能满足实际应用需求。     

基于最近邻链的车牌检测算法

根据车牌字符的几何特征和空间排列规则,提出了一种基于最近邻链的自适应车牌检测算法. 首先,采用自适应阈值分割算法消除光照变化的影响,并采用连通体分析方法消除部分干扰目标; 其次,根据车牌字符连通体的区域特征,将宽度和高度都相近的连通体构造为最近邻连通体对, 并将最近邻对连接为最近邻链,从而检测出所有可能的车牌区域; 最后,利用两组不同长度的方波模板分别对车牌的水平和竖直投影进行匹配, 它能够验证候选车牌区域的有效性,并求解所有车牌字符的最佳切分位置. 实验表明,该算法能够自适应地处理光照不均匀、尺度变化、透视失真、背景干扰以及质量退化等因素的影响, 可以有效地检测出复杂背景中的车牌区域.     

复杂背景下的混合特征车牌定位方法

针对各种复杂背景的车牌定位问题,提出一种复杂背景下基于车牌混合特征的车牌定位算法。首先对彩色图像进行预处理,并利用基于边缘检测方法进行二值化;然后结合横向数学形态学运算和车牌几何形状特征,提取出矩形车牌候选区域;最后根据车牌颜色特征在HIS空间下结合垂直和水平投影对车牌区域进行精确定位。实验表明,该算法适用于任意大小、位置和背景环境下的车牌定位,能有效解决仅仅依靠纹理信息或颜色信息车牌定位率低的问题,具有较强的鲁棒性。     

基于Tent映射CPSO和车牌纹理特征的车牌定位

针对现有车牌定位算法定位准确率不高和速度慢等问题,结合车牌纹理特征,提出了一种基于Tent映射混沌粒子群(CPSO)的车牌精确定位算法.首先用基于二维直方图区域斜分的OTSU方法对车牌图像做二值化处理;接着使用三组一维滤波器获取其二值纹理特征向量.然后利用基于Tent映射CPSO快速准确的全局搜索能力,结合二值纹理特征向量构造适应度函数,并引入车牌纹理的一致性度量作为判决条件,找到车牌区域的最佳定位参量.最后,与基于遗传算法(GA)和基本粒子群算法(BPSO)的定位方法进行了比较.实验结果表明,该方法适应性强,定位效果较好,运行时间更短.     

基于Matlab的车辆牌照自动识别技术研究

在充分利用车牌投影特征和纹理特征的基础上,以准确快速自动识别车辆牌照为最终目标,经过灰度变换、边缘检测、形态学处理、二值化处理等多种图像处理方式,并考虑了图像在拍摄、传输过程中可能存在的噪声干扰、光照不均等不利因素的影响,以M atlab为开发平台编程实现车辆牌照自动识别全过程,经对多幅车牌图像进行实验,测试结果表明该系统运行快速稳定、正确识别率较高,具备实际应用价值。     

自适应遗传算法在车牌定位中的应用

车牌自动识别是现代智能交通的重要组成部分,而车牌定位技术又是车牌识别系统的核心之一。由于传统的定位算法存在适应性差,鲁棒性不强的问题,提出一种基于自适应遗传算法的车牌定位方法。先用最大类间方差法(OTSU)对车牌图像进行二值化,然后利用遗传算法对全图进行车牌特征匹配搜索,结合区域特征向量构造的适应度函数,最终找到车牌区域的最佳定位参量。测试结果表明,该算法适应性强,定位效果很好。     

一种车牌自动识别系统设计方法*

通过对连续视频流分析的方法判断并捕获车牌图像帧;基于数学形态学方法和边缘特征分析来进行车牌定位,进行二值化、引入多指标联合评价函数判断反色等处理;最后基于连通体分析的方法切分字符。实验表明本系统设计方法是可行的。     

彩色图像自微分车牌区域定位技术

车牌定位是实现智能交通系统的关键因素之一。在RGB色彩空间中,运Sl自微分技术实现了图像的二值化,利用水平膨胀、腐蚀技术完成了形态学处理。最后,通过由下向上扫描确定连通区域的矩形边界,结合车牌的几何尺寸,给出车牌区域的具体坐标。     

基于图像分块的局部阈值二值化方法

针对目前局部阈值二值化结果存在目标虚假或断裂的缺陷,提出了一种基于图像分块的局部阈值二值化方法。首先,将图像分成若干子块并分析每个子块像素灰度变化情况;接着,取一定大小的局部窗口在图像中移动,比较该局部窗口内与包含窗口自身且比窗口更大区域内的像素灰度变化情况,更大区域由窗口模板当前覆盖的所有子块组成,以此判断窗口内是否为灰度变化平坦（或剧烈）区域;最后,根据不同的区域,给出具体的二值化方案。利用7种不同算法对4种不同类型的4组图像进行了二值化实验。实验结果表明该算法在屏蔽背景噪声和保留目标细节方面表现最优,特别地通过对车牌图像的二值化结果进行定量分析后发现该算法能够得到最高召回率和准确率。