基于数学形态学的实用车牌定位算法及实现

由于车牌图像分割困难、车牌位置定位不准确等问题,为了快速准确地得到车牌的准确位置,数学形态学具有速度快、方法简单等特点,使用数学形态学进行车牌的识别.通过预处理,采用最佳阈值分割的迭代算法进行车牌图像的二值化处理,然后主要利用数学形态学腐蚀运算进行车牌边缘检测,精确度高.结合车牌先验知识,利用连通区域法对车牌字符进行切分定位,通过大量实验,结果表明该算法具有一定的实用性.形态学边缘检测相对于边缘检测算子具有算法简单、速度快、定位准确和抗干扰能力强的优点.通过对不同车牌图像进行试验,算法具有较好的识别结果.     

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。     

基于数学形态学边缘检测的车牌字符分割算法

汽车牌照字符分割是车牌识别过程中的关键步骤,直接影响到字符识别的效果。传统的方法对车牌图像质量要求较高,且抗干扰能力较差。提出一种基于Renyi熵和数学形态学边缘检测的车牌字符投影分割算法,首先用二维Renyi熵最大阈值法对车牌图像做二值化处理,然后用形态学腐蚀运算进行边缘检测,再去除车牌边框,最后通过投影分割提取车牌字符。仿真实验表明,基于Renyi熵最大阈值法和数学形态学边缘检测车牌图像预处理使得车牌字符边缘清晰,降低了噪声的干扰,有利于进行字符投影分割。该算法分割速度快,鲁棒性好,可获得比传统方法更好的分割效果。     

二维Otsu阈值分割算法的改进及应用

为改善传统二维Otsu阈值分割算法处理图像的计算复杂度高、实时性差、受噪声干扰严重等缺点,提出一种改进的快速二维Otsu阈值自动分割算法.通过改变二维直方图判别域的划分将二维阈值求解转化为一维阈值求解,对原图像的直方图采用二分法得到最优分割阈值的初始值,然后在此基础上通过两个分量方向上迭代求解得到图像的最优分割阈值.理论分析与仿真车牌实验表明,与传统二维阈值分割算法相比,此算法的计算复杂度远远低于原始二维Otsu算法,且分割效果和原始算法的基本一致.     

复杂背景图像中的车牌定位算法

针对复杂背景中的车牌定位问题提出了一种新的算法,将定位过程分解为确定候选车牌区域和剔除伪区域两个部分。首先在图像的二值垂直边缘图中,利用车牌区域的边缘信息及车牌的纹理特征进行车牌候选区域的确定,在降低算法复杂度的同时提高了定位精确性。然后,利用滑动的条带窗口对候选区域二值化图像进行连通块提取,结合车牌句法特征对该区域进行评判筛选,有效地解决了复杂背景及模糊图像中车牌定位精度不高的问题。此外,定位过程中的评判结果为后续的字符分割提供了重要的先验信息。实验证明该方法定位速度快,定位正确率高,对于背景纹理复杂及模糊图像的车牌定位具有很强的抗干扰性能。     

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.     

基于行扫描和小波变换的车牌定位算法

为了能在复杂背景和不同光照条件下快速、准确地定位车牌位置,提出一种基于行扫描和小波变换的车牌定位算法。该方法首先对车牌图像实行边缘检测、二值化等预处理,在此基础上,利用行扫描法确定车牌的上下边界,对水平区域图像的垂直投影进行小波变换,设定阈值,确定左右边界。实验结果表明,该方法定位速度快、准确率可达到98%,具有很好的鲁棒性。     

基于车牌字符笔画特征的快速定位算法

针对车辆图像分割困难,车牌位置定位不准等问题,提出了一种新的车牌快速定位算法。该算法通过对车牌一维字符笔画特征搜索,能够快速地定位车牌。试验表明该算法定位速度快、准确定位率高。     

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。     

一种结合方向信息的指纹图像二值化算法

指纹图像二值化是指纹细化处理的前提,是指纹识别预处理的一个重要部分.为利用指纹图像所具有的纹理特性,将指纹的方向信息引入到二值化处理过程中,综合考虑指纹的方向信息和自适应选择局部阈值,提出了一种结合方向信息的自适应局部阈值二值化算法.与自适应阈值法做了对比实验,实验结果表明,该算法具有更好的二值化效果.算法本身还具有一定的连接指纹图像中断线的能力,这对提高细节特征提取结果的准确性具有重要的意义.     

多窗口图像二值化算法研究

常用的全局二值法和局部二值法算法存在细节丢失、噪声引入、运算时间过长等弊端。为此提出了一种多窗口图像二值化算法,采用多窗口模板分别对图像进行简单二值化处理,对不同窗口处理下获得的二值图进行综合判断,最终确定每个像素点的逻辑值。通过MATLAB仿真,与常用二值化算法进行比较,验证提出的多窗口图像二值化算法具有处理简单、运算速度快、鲁棒性较好等优点。     

基于卡尔曼滤波改进的精子图像序列分割方法

图像分割是精子图像识别的一项关键技术,在精子运动能力分析中起着至关重要的作用。本文对采集的连续精子图像序列进行灰度化、去噪等预处理后,采用Otsu算法对首幅动物精子图像二值化,对后续图像采用Kalman Filter确定二值化阈值范围,改进Otsu算法求出每一幅图像的适当阈值并进行二值化,缩短算法时间并能保证分割精度。应用形态学消除精子尾部和部分精子之间的粘连现象,通过计算和比较目标面积、形状因子,去除小颗粒杂质以及形状及灰度和精子相似的杂质,为精子运动能力检测提供高质量的分割图像。     

基于图像的颗粒物检测研究

针对复杂背景下的显微图像中的颗粒物检测,提出了一种快速、准确的颗粒图像分割新方法;该方法利用Canny算子得到图像中的颗粒边缘,采用格雷厄姆法计算颗粒边缘的凸壳,得到局部闭合区间;通过对单个闭合计区间内像素值信息的统计,得到局部阈值,利用局部阈值进行阈值分割得到颗粒二值图像;实验结果表明该方法有效克服了背景中纹理的影响,准确地分割出了颗粒图像,基于该算法开发的接触式表面洁净度检测仪具有较高的检测精度,得到了较好的应用。     

一种新的基于佳点集的图像二值化遗传算法

在图像二值化算法中,传统优化算法难达到全局最优解,一般遗传算法不能保证子代的性能优于父代。将佳点集理论应用到图像二值化算法中,建立基于佳点集的随机搜索机制,不仅提高了求解速度与精度,并且能保证所求到的后代的适应值较高。算法具有较好的稳健性,在实际应用中获得了很好的二值化效果,有利于计算机图像处理的后续工作。     

基于暗原色先验的雾霾天气图像清晰化算法

传统基于暗原色先验的去雾算法稳定且去雾效果好,但算法运行时间长。为在运算时间和图像清晰度之间取得平衡,在传统基于暗原色先验的去雾算法基础上,提出一种新的雾霾天气图像清晰化算法。算法在求原始有雾图像的暗原色时,将传统基于暗原色先验算法中固定的局部区域大小设置为随图像大小变化的值,从而增强算法的自适应性;设置大气光值的阈值,避免大气光估计值过高造成的去雾后图像整体向白场过渡;采用导向滤波算法代替传统基于暗原色先验算法中的软抠图算法,提升算法的运行效率;最后利用自动色阶算法调整去雾后图像颜色的明暗分布。实验结果表明,该算法输出的图像对比度、清晰度好,色彩保真度高,明暗分布合理,算法稳定且运行时间短,实现了清晰度和运算时间的平衡。     

基于信息熵的指纹图像二值化算法①

指纹图像的二值化处理是指纹图像预处理中的关键步骤,直接影响到指纹图像细化的质量和细节特征提取的准确性。在深入分析指纹图像信息熵的基础上,将信息熵引入到指纹图像二值化算法中,通过求取对应指纹图像区域的最大信息熵估计二值化阂值,并依据此阈值实现对指纹图像的二值化处理。实验结果表明,文中算法对噪声具有鲁棒性,能够有效实现对指纹图像的二值化,提高了细节特征提取结果的准确率。     

结合Canny算子的图像二值化

对经典的二值化方法Ostu算法和Bernsen算法中存在的缺点进行了分析,提出一种结合Canny算子的图像二值化方法,该方法综合考虑了边缘信息和灰度信息,通过边缘附近种子点在高阈值二值化图像中的填充和低阈值图像对它的修补而得到二值化结果图像,较好地解决了经典二值化方法中存在的抗噪能力差、边缘粗糙、伪影现象等缺点,实验结果证明,该方法能够较好地解决低对比度图像和目标像素灰度不均匀图像的二值化问题。     

基于遗传算法的指纹图像二值化算法研究

将遗传算法用于计算指纹图像二值化阈值,首先说明了染色体编码方法,其次利用赌轮法产生初始化种群,说明了有关适应函数表达形式,最后说明有关选择算子、交叉算子和变异算子的实现方法,通过算法实现表明,利用遗传算法所得到的阈值进行二值化处理,效果非常好。     

弱边缘电荷耦合器件羊毛图像二值化算法

为解决弱边缘图像二值化产生羊毛几何尺寸失真问题,通过对基于灰度和梯度指数的边缘细化算法研究,结合经典的全局阈值法和局部阈值法,提出了一种电荷耦合器件（CCD）羊毛图像自动二值化算法。该算法将sobel算子和斜坡边缘模型引入现有边缘细化算法中,既增加寻找边缘点环节又改进灰度调整因子,达到提高处理效率和避免人为干预的目的;在分析最大类间方差法和Bernsen法的基础上,结合全局和局部阈值处理各个子图像,从而强化边缘细节,降低失真度。实验结果表明,与传统方法相比,该算法对于弱边缘图像二值化具有良好的性能。