复杂光照下的车牌图像二值化新方法

为解决车牌识别系统中,车牌区域由于受到光照过度、不足和不均等复杂光照的影响,使得车牌图像的二值化效果不理想的问题,文中提出一种复杂光照车牌图像的二值化新方法。根据国内车牌颜色特点,重新分配R、G、B颜色分量的权重来构造新灰度图,并设计不同颜色车牌灰度图转化的规则。采用全局和局部阈值相结合的双阈值方法实现车牌图像二值化,同时利用空域同态滤波进一步提高图像对光照的鲁棒性。实验结果表明,文中方法运算时间仅为传统方法的61.95%,同时能更有效地克服不均匀光照对车牌图像二值化的干扰,使二值图像的汉字和字符更清晰,鲁棒性更好。     

基于C#的车牌定位系统

车牌识别系统是智能交通控制系统的一个重要部分,主要分为车牌定位、字符分割、字符识别三个部分。其中车牌定位的准确性直接会影响后续的两个部分。本文提出了一种将灰度边缘检测和彩色分割相结合的车牌定位系统。具体表现为对采集到的车牌图像进行预处理（灰度化、高斯滤波、边缘检测、ostu二值化）,根据跳变点得到车牌候选区域,即粗定位,然后将车牌候选区域从RGB颜色空间转换到HSI颜色空间,根据各种颜色（黑、白．黄、蓝）在HSI颜色空间的区间范围进行精确定位。本文的车牌定位系统由C#实现。实验结果表明该方法具有很好的实用性。     

基于LabVIEW Vision的车牌识别系统设计

文中设计了一种基于LabVIEW Vision的车牌识别系统。该系统根据车牌颜色在HSL色彩空间上的特征,采用色彩阈值分割、腐蚀等图像处理方法将车辆图像转化成二值图,并在二值图中进行边缘检测,再根据检测到的车牌与背景间的边缘线的信息组建方程组,求出车牌边缘特征点的坐标,以确定车牌在图像中的位置。然后,以车牌在图像中的位置是否在指定区域内作为是否进行车牌识别以及当前车辆图像是否保存为车牌识别输入图像的触发条件。如果条件不满足,则系统将重新采集车辆图像,否则会根据车牌位置抓捕车牌,并采用均匀性度量法等方法对抓捕到的车牌进行二次处理,并将其转化成车牌二值图,再由OCR函数对该图进行字符识别。经实验验证,该系统具有较高的识别精确度与稳定性。     

HSV空间和形态学处理相结合的车牌定位方法

车牌定位是实现车牌自动识别的前提.在传统的基于RGB彩色空间的形态学定位方法的基础上进行改进,提出了一种HSV彩色空间和图像形态学处理相结合的车牌定位方法.在HSV彩色空间中将车牌图像分割为H,S,V这3个单通道灰度图像,分别进行去噪和二值化处理,然后将这3幅二值图像做“与”运算得到一幅能有效去除背景干扰的二值图像,再运用形态学的闭运算和开运算进行处理,得到车牌候选区域,最后利用车牌宽高比属性进行验证以确定真实的车牌位置.实验结果表明,该方法相对传统方法实现简单,车牌定位准确、高效.     

一种新的二值化方法在车牌检测中的应用

车牌定位过程中二值化方法的选择尤为重要,何时二值化以及选取何种二值化方法对检测结果的影响明显。考虑到车牌区域有着丰富的边缘信息,车牌区域的亮度以及区域标准差,能给二值化阈值提供有价值参考信息,文中根据车牌的特征提出了一种新的自适应二值化算法,并采用区域融合及连通域计算方法提取车牌。实验证明,此二值化算法对图像灰度变化、...     

基于多阈值与区域生长的车牌定位算法

车牌定位就是在图像中把车牌所在区域标记或分割出来,是车牌识别的主要解决问题之一。本课题对基于颜色定位和阈值处理的研究,本文提出了方法采用自动调节阈值的方法,选取合理利用阈值,得到二值图,然后检测字符水平边缘变化率剔除背景无关的行图像,然后根据颜色、形状和字符分布建立简便颜色模型利用区域生长算法进一步精确定位,进而实现定位。     

缺帧环境下车牌图像的三维重建模型仿真

提出一种基于空间亮度均衡化平滑和曲线分割的缺帧环境下车牌图像的三维重建模型.根据缺帧环境车辆外接轮廓矩形模型,提取遮挡车辆分割线,进行空间亮度均衡化处理,对遮挡车牌进行曲线分割,增强三维重建的车牌图像色调和饱和度.通过增强图像的明暗对比度,对高频信号进行抑制和阻截,实现图像的平滑处理,采用曲线分割算法,对图像进行二值化分割,对分割后的车辆部分做杂质去除,得到完整独立的车辆区域,实现缺帧环境下的车牌图像三维重建改进.     

基于Matlab的车辆牌照图像预处理的研究

车牌图像预处理及定位是车牌识别系统的一部分,是实现车辆牌号最终分割识别的前提。文中以实现车牌区域的定位为目的,运用Matlab图像处理工具箱对采集到的原始车牌图像进行彩色图像灰度化、二值化、边缘检测、数学形态学及滤波等预处理操作。实验表明,采用的预处理操作能够有效地定位出车牌位置,具有很好的鲁棒性。     

复杂背景下基于颜色的车牌定位方法研究

车牌的颜色特征是车牌定位的一个关键信息。复杂背景下,直接对车牌边缘进行分割以达到车牌的定位比较困难。为解决上述问题,提出了一种复杂背景下基于颜色的车牌定位方法。此方法通过颜色空间变换,将复杂背景下与车牌颜色相近的颜色全部保留,滤除其他不符颜色。实验结果表明,基于颜色的车牌定位方法,去除了背景颜色及不相干区域的干扰,可以简化后续车牌处理算法,提高车牌定位的精度和速度。     

基于图像处理技术的车牌识别研究

本文主要探讨车牌识别过程中图像处理技术的应用,主要包括图像预处理中灰度化处理、二值化处理、直方图处理以及滤波.车牌检测中的常用算子,如prewitt算子、roberts算子、sober算子和拉普拉斯算子.最后给出车牌字符分割与识别的步骤和结果.     

一种自适应车牌识别系统设计方法

基于多种格式车牌的共性,提取车牌图像的纵向边缘,然后根据车牌区边缘灰度跳变和边缘密度等特征,采用一系列步骤去除无效和干扰边缘,保留类车牌特征区域;通过横向形态学运算,使类车牌区闭合,有效克服了形态学结构元素难以随车牌大小变化自适应选取的问题.基于扫描线种子填充算法来搜索车牌区域,利用颜色信息进行反色判断,并基于边缘检测的方法来进行车牌区域二值化,利用形态学和连通域检测方法进行字符的精细切分.对实际场景中大量车牌样本加以验证表明,算法准确率高,对车牌大小自适应性良好,具有较好实用价值.     

基于图像处理的车牌识别系统的研究

基于数字图像处理,开发了一套车牌识别系统。在对车牌图像预处理后,采用投影法对车牌图像定位,在采用Canny边缘检测方法对图像二值化的基础上,采用模板匹配法对车牌图像中的字符进行识别。结果表明,该系统合理可行。     

基于车身颜色搜索未识别车牌图片的研究

个别车牌因设备、环境和自身的影响而不能识别。为了能够快速查找极少数不能识别的车牌,提出了基于CIELab颜色空间车身颜色识别的车牌分类方法,该方法包括图像预处理,颜色识别,颜色库的建立等三个步骤将图片进行分类处理。与传统的查询方法相比。该方法提高了未识车牌的查询精确度和速度,增强了智能车场的识别精度和鲁棒性。     

一种基于OpenCV的高效车牌识别系统实现

提出一种基于SVM(支持向量机)和ANN(人工神经网络)的车牌定位与识别算法,并使用OpenCV库有效实现。首先将灰度空间和HVS色度空间进行结合,在Sobel边缘提取基础上,进行自适应阈值下的二值化处理,通过对轮廓外接矩形的面积和长宽比初步定位车牌位置,然后利用SVM线下学习的方法更加精确的定位车牌位置。并采用寻找连通域有效外部轮廓的方法进行字符分割,最后对汉字位置、英文位置、数字位置和英文数字混合位置分别使用ANN方法进行字符识别。实验证明,该方法定位准确率和字符识别率高,可以有效应用于多种场合。     

一种二值化车牌反色判断的新方法

提出了一种对二值化后的车牌进行反色判断的新方法.该方法通过计算车牌2～6字符区域的白像素比例和垂直投影的白像素比例,判断车牌是否需要进行反色处理.实验表明,该方法有较高的准确率.     

车牌识别系统设计与实现

通过对车牌定位、车牌字符分割和车牌字符识别进行研究,提出了一种车牌识别系统的设计和实验方法。车牌定位模块中,提出了采用基于小波变换的车牌边缘提取和数学形态学相结合的方法定位出车牌,进行二值化、滤波后使用垂直投影法分割出车牌字符,最后使用多模板匹配和二次细分识别相结合的方法识别出车牌字符。经实验验证,基于该算法的车牌识别系统能够达到较高的车牌识别率。     

基于区域最大图像熵的车牌二值化算法

针对二值化算法,提出了基于区域最大图像熵的算法.该算法把图像熵表征局部剧烈变化的物理意义、区域最大值基于整体变化考虑最大值的优点以及车牌图像目标与背景灰度分布存在一定比例的特点这三者有机结合,通过局部与整体相互补的原则,采用具体问题具体分析的方式,实现了图像二值化.通过研究证明,该算法对于不同颜色、不同噪声强度的图像都具有一定的适应性和实用性.     

基于全局和局部颜色特征的图像检索方法

提出了一种基于图像全局和局部颜色特征的图像检索方法.首先在符合视觉感知特性的Lab颜色空间中提取全局颜色特征;再对图像进行图像子块划分,同时利用具有人眼视觉特性的高斯加权系数对其进行加权,然后利用二值化得到的颜色位图作为局部颜色特征,并进一步加入了方向性的考虑,对图像子块进行垂直和水平投影,最后合理地融合了全局和局部颜色特征的相似性进行图像检索.对Corel图像数据库的实验结果表明,此算法具有良好的检索效率.     

基于图像预处理和纹理特征的车牌定位算法

为了解决车牌定位过程中拍摄图像背景复杂,噪声大,检测准确率偏低的问题,提出简便有效抗干扰强的车牌定位算法.首先将彩色图像转换为灰度图像,其次设定灰度门限区分图像目标和背景,进行二值化处理,然后使用Sobel边缘检测算子计算图像梯度幅度值,检测图像边缘点,采用局部图像平滑技术中值滤波对图像去除干扰,最后根据车牌区域纹理信息较其它区域丰富的特征,采用投影法,通过水平和垂直方向上投影分布特征的反复提取,准确检测定位车牌.实验结果表明,该方法定位出的车牌区域图像清晰度和准确度较高.     

LPR中车牌分割的Matlab解决方案

车牌的分割是车牌识别中比较重要的环节。通过Matlab,运用二值梯度边缘检测对生成的二值化图像进行检测,通过形态学的膨胀算法形成连通区域并判决连通区域,然后使用蒙板分割出车牌类似区域,并计算其间的欧拉数,最终筛选出车牌区域。