基于Ⅱ型模糊集的车辆图像二值化算法

车辆图像二值化是车牌识别系统中一个关键的部分,其性能的好坏直接影响到后续的工作的效果.本文提出了一种新的针对于车辆图像的二值化算法:基于Ⅱ型模糊集的二值化算法,此算法是在Ⅰ型模糊隶属度的基础上,建立了Ⅱ型模糊集,同时基于Ⅰ型隶属度函数的选择,采用灰度遍历搜寻在最小模糊度意义下的最佳灰度值作为分块后的车辆图像的二值化阈值.此算法保持了原有模糊集所具有的鲁棒性,减少了后续工作中图像背景对图像目标的影响,实验结果证明此算法的性能要优于Otsu等二值化算法.     

汽车牌照自动识别中二值化方法的研究

在车牌图像处理过程中，首先遇到的问题就是图像二值化．针对汽车牌照的特点，介绍了一种新的二值化阈值方法，此方法借鉴了P片法的二值化思想，不仅充分考虑了车牌自身的特点，同时融入对直方图形态的考虑，能准确找到双峰直方图的波谷位置．并与Otsu算法和另一种全局动态阈值算法作了比较，从结果上看执行效果较好．     

汽车轮胎号识别中的预处理问题

为便于对汽车轮胎号字符图像进行识别,对其进行一系列预处理．着重研究胎号图像预处理中的增强、降噪及二值化问题．提出一种将邻域均值滤波法和中值滤波法相结合的图像降噪算法,采用该算法能保护图像边缘和细节．提出一种基于经验知识的改进Otsu算法,可缩小Otsu算法搜索阈值范围,减少计算类间方差的次数．结果表明,胎号增强图像比原始图像清晰,降噪后字符图像边缘不模糊,胎号字符二值化速度得到提高,二值化效果也很好．     

面向车辆牌照的L快速二值比算法

就车辆牌照灰度图像的二值化问题，比较Otsu算法和全局动态阈值算法，讨论将字符从车牌背景中分割出来的最佳阈值选取问题。从汉字字符识别角度出发，通过引入光照强度因子L，对全局动态阈值算法进行改进，提出L快速二值化算法。实验结果表明，L快速二值化算法的处理效果，优于Otsu算法和全局动态阈值算法。二值化处理后的车辆牌照字符笔划清晰、饱满、无断裂，克服了光照因素的影响，更有利于汉字字符的识别。     

改进背景补偿的车牌图像二值化算法

针对车牌自动识别系统中二值化车牌图像时常出现字符光照不均等复杂特征,提出一种新的解决方法.首先使用同态滤波减弱车牌图像光照不均等带来的影响,然后通过改进的背景补偿算法对车牌图像进行二值化.实验表明,该方法能有效克服光照不均等带来的影响,二值化效果良好.     

基于改进Otsu法的触觉图像处理

论文介绍了传统Otsu二值化算法,针对触觉技术中图像处理的特点,采用了改进Otsu法对于灰度接近的特殊图像进行处理,解决了Otsu法处理特殊触觉图像的缺陷,目标信息不丢失,具有一定普适性。     

基于归一化RGB和K-means聚类的车牌阴影去除方法

提出一种基于归一化RGB和K-means聚类的车牌二值方法,实现对交通场景中的车牌阴影去除和车牌二值.首先,将RGB图像进行颜色的归一化,避免亮度改变的干扰,然后,再将图像转换到多维空间进行K-means聚类,根据聚类的标签对车牌进行二值.通过与Otsu、局部阈值等方法进行比较,该算法可以有效提高阴影覆盖车牌的二值效果.     

一种新改进的otsu算法

图像的二值化是车牌识别过程中的重要环节,图像的二值化直接影响定位的准确性。由于字符的分割和识别是在车牌区域二值化结果的基础上进行的,因此车牌图像的二值化是非常关键的一步。本文对传统的otsu算法和新改进的otsu算法进行了试验比较,通过对otsu算法基本原理的研究,提出了一种新改进的灰度图像二值化的方法,该算法能够更好的确定最佳阈值点,实验表明上述方法能够得到较理想的二值化图像。     

基于颜色与结构特征的车牌定位算法

针对车牌具有稳定的颜色特征和形状特征,提出基于颜色与结构特征的车牌定位算法.利用OTSU自动阈值化技术将灰度车牌图像转化为二值化图像,通过对每一个连通区域提取形状参数,粗划分出候选车牌区域,最后利用颜色特征确定车牌.实验表明,这种车牌定位方法具有一定的优越性.     

一种车牌字符位置侦测的新方法

提出一种快速可行的鲁棒性车牌图像二值化算法,实现了对不同质量车牌图像有普遍适用性的车牌图像二值化方法;结合设计的快速连通体标记方法、二值图像简化算法及动态车牌模板搜索算法,实现了从车牌图像中快速定位车牌字符及车牌本身并同时获得车牌字符轮廓信息的新方法.实验证明,该方法对车牌及其字符定位准确率高,且对不同条件下获得的不同质量的车牌图像有较好的适应性.     

一种新的汽车牌照识别的图像增强算法

汽车牌照区域分割是牌照识别的关键步骤，增强图像中的牌照区域，抑制背景区域，可以有效降低牌照区域分割的难度。将图像分解为一组二值图像的组合，然后在二值图像上计算各连通分量及其特征参数，利用牌照区域和背景区域对应的连通分量的特征差别，可以有效抑制背景而保留牌照。处理后的二值图像可重构出牌照区域被增强的图像。还采用等高线标记代替连通分量标记，以减少计算量，使得算法具有实用性。试验表明，这种算法有效地突出了牌照区域而抑制了背景，提高了牌照定位分割的效果，可以很好地用于实际的汽车牌照识别系统中。     

基于灰度跳变与形态学的车牌定位法

车牌定位是车牌识别系统的关键步骤,定位的准确与否直接影响车牌识别的结果.提出了一种基于灰度跳变与形态学的定位方法.对于车牌候选区的二值图像,根据车牌的水平分布特点,从长宽之比、面积之比等多个方面进行综合分析,从而可以更加精确地对车牌进行识别.实验验证表明,基于该算法的车牌识别系统能够达到较高的车牌识别率.     

基于边缘检测及灰度跳变的车牌定位算法研究

为了能在复杂背景及不同光照条件下准确地定位出车牌,提出了一种基于边缘检测和灰度跳变的车牌定位算法．该算法首先对获取的图像进行灰度化、图像二值化等预处理操作,提高图像质量,突出车牌信息,接着对车牌图像进行边缘检测,在此基础上采用水平方向和垂直方向上的灰度跳变统计来确定车牌区域的上下边界和左右边界,从而实现车牌定位。实验结果表明,该方法可以比较准确、快速地实现车牌区域的定位．     

基于字符块提取的车牌字符分割算法

为了解决车牌图像倾斜、背景复杂、分割过程中出现的字符间粘连、断裂等问题,提出简便有效抗干扰强的基于字符块提取的车牌字符分割算法,以此提升车牌字符的识别效果.通过车牌图像二值化处理、倾斜矫正、去除干扰以及字符块提取一系列步骤,实现车牌识别前对车牌字符的准确有效分割.实验结果表明,该车牌字符分割方法可靠、准确度高,为后续车牌字符的正确识别奠定基础.     

基于二值图像层次识别字符特征的融合算法

针对图像二值化过程中,阈值选择不当容易造成字符笔画粗细方向的偏差,从而影响统计特征的问题,提出了一种基于二值图像层次识别字符的融合算法.该算法采用神经网络作为分类器,充分利用字符图像中点阵、特征线和霍夫矩等各组特征向量的互补作用,以提升识别系统的性能.实验结果表明:该融合算法的识别率可达97%以上,平均运行时间小于50 ms,能够满足车牌识别系统实时要求.     

基于改进LeNet-5的车牌识别算法

传统的车牌识别算法包括模板匹配、特征统计等方法,但是这些算法依赖于人工提取图像特征,识别准确率低。卷积神经网络LeNet-5算法能够自动提取车牌图像的特征,提高车牌识别准确率。但是目前基于LeNet-5网络结构的车牌识别算法存在识别不完整,运算时间长等缺点。提出基于改进的LeNet-5网络的车牌识别算法,该算法将输入车牌字符图像归一化为32×16大小,并通过删除传统LeNet-5网络中的C5层、修改输出层中神经元个数等,将车牌字符按照汉字和数字/字母的形式识别输出。通过采集大量车牌数据进行训练验证,结果表明:与前人改进的LeNet-5网络结构相比,本文算法在识别率和时间效率上均得到了提高。     

压缩感知在车牌识别系统中的应用研究

分析车牌识别系统的数据采集过程,提出关于压缩感知理论的车牌识别系统的数据采集方法。对采集的车牌图像进行小波变换,将车牌图像变换成易传输,数据量较小的图像数据,使用正交匹配追踪算法以及小波逆变换对来自传输设备的车牌图像进行重建,并实现原始图像精确和近似重构。由仿真可知,压缩感知理论应用于车牌识别系统的数据采集传输过程,降低了传输数据量大小,并易于图像数据传输,且能以较小误差实现车牌图像的重构,同时有相应的硬件使用环境。