基于空间分布的最大类间方差牌照图像二值化算法

车辆牌照识别VLPR(Vehicle license plate recognition)是智能交通系统ITS(Intelligent Trans-portation System)的重要部分,有着巨大的社会和经济效益,车辆牌照图像二值化方法的研究是VLPR中的关键技术,通常都采用经典的Bernsen算法和Otsu算法,但由于光照不均、摄像机畸变、曝光不足、动态范围太窄和车辆牌照被污染等原因,车辆牌照图像的质量往往不佳,存在严重伪影和字符边缘模糊,极大地影响了牌照图像二值化效果,Bernsen算法和Otsu算法也不能很好地克服上述问题。为此,提出了一种新的牌照图像二值化算法CASDA(Cluster Algorithm based on Spatial Distribution Analysis),能消除不均匀光照引起的伪影,极少出现笔划断裂等优点,二值化效果好。     

一种新的二维条码图像二值化算法

根据Kittler算法和Bernsen算法提出一种新的二值化算法,该算法能够保证二维条码对实时性和效果的要求.以Data Matrix二维条码为例,首先根据Kittler算法找到图像发生光照不均的区域,然后改进Bernsen算法的处理过程、调整参数、削弱原算法的伪影问题,并用改进后的算法处理图像光照不均的部分.实验结果表明该算法具有良好的稳定性和自适应性,可以明显提高二维条码的二值化效果和识别率.     

不均匀光照下车牌图像二值化研究

不均匀光照下的图像二值化是数字图像处理中的一个难题,汽车牌照自动识别系统工作在复杂的光照环境下,经常会出现车牌光照不均的现象,给图像二值化带来困难.为此,提出一种解决办法,首先使用同态滤波去掉车牌图像的不均匀光照的影响,然后使用改进的Bernsen算法对车牌图像进行二值化.实验表明,使用该算法能有效地克服不均匀光照的影响,二值化效果良好,车牌识别率得到显著的提高.     

基于OTSU处理不均匀光照图像改进算法研究

为解决不均匀光照下图像二值化问题,提出一种基于最大类间方差法(OTSU算法)的改进二值化算法,将图片分为明亮区域和阴暗区域两部分,分别计算两部分最大类间方差对应的阈值,通过分析阴暗区域特征,判断每一像素点位于明亮区域还是阴暗区域,从而确定每一点的阈值。实验结果表明,该算法可以解决OTSU算法处理光照不均匀图像丢失信息问题,可广泛应用于光照不均匀条件下的文本图像二值化处理,针对特殊情况较好,相对于其他算法适用性更强,本算法可通过提高OTSU算法的运算速度,缩减算法的运行时间。该研究提取信息较为完整,可以作为字符识别及缺陷检测等工作的预处理方法,提高识别精度。     

基于最小二乘法拟合的Otsu快速图像分割方法

针对经典Otsu算法计算量大、实时性与抗噪性差的问题,提出了一种基于最小二乘法拟合的Otsu快速图像分割方法.首先,算法在实验图像有效灰度区间上选取9个均匀分布的灰度点,同时计算对应的类间方差数值;其次,利用最小二乘法对这9个点类间方差数值进行二次曲线拟合;最后对二次曲线二次求导,求取拟合曲线最大值时对应的阈值.实验结果表明,算法显著提高了计算速度与搜素效率,减少计算方差次数.     

基于文化算法和二维Otsu方法的快速图像分割

针对二维Otsu方法计算量大的缺点,提出一种采用文化算法和二维Otsu法相结合的快速图像分割法.该方法利用文化算法的全局寻优能力,对图像的二维最大类间方差进行优化,通过文化算法的种群空间和信念空间的相互协作来获取二维Otsu的最佳二维阈值向量.实验结果表明,该方法具有良好的抗噪声性能,能得到较好的分割效果,缩短了寻找最佳二维阈值向量的时间,提高了二维Otsu方法的运算效率.     

基于非均匀光照下文本图像二值化改进算法

针对传统局部阈值算法分割非均匀光照图像效果不佳,且计算时间较长的问题,提出了一种基于局部均值的图像二值化改进算法。该算法首先使用积分图像的快速算法计算出局部均值,再将计算出的局部均值代入改进的阈值模型算法中,最终完成分割,从而进一步改善了在非均匀光照下的图像分割效果。对比实验结果表明,改进的二值化算法大大提高了运算效率,增强了图像分割效果,在视觉效果和处理时间2个方面都优于Niblack算法、Sauvola算法、Bernsen算法以及基于局部对比度和均值的算法。     

火灾探测中火焰图像分割方法研究

在分析现有图像分割方法特点的基础上,针对最大类间方差法(Otsu法)易受图像直方图形状的限制以及分割效果不稳定等问题,提出一种火焰图像分割的综合方法,即利用HSI颜色空间参数对火焰图像建立彩色空间模型,根据火焰图像的S(饱和度)、H(颜色)等特征参数对图像进行预处理,以确定火焰疑似区域,再用最大类间方差法进行阈值分割.通过实例仿真,得到了轮廓清晰的分割图像.研究结果表明,该方法能够弥补最大类间方差法的局限性,可扩展该方法的适用范围.     

二维最大类间方差和遗传算法在红外图像分割中的应用

为了改善红外图像的分割效果,将二维最大类间方差算法应用于红外图像分割,通过二维最大类间方差算法选取阈值将红外图像分为目标和背景,并结合遗传算法,利用遗传算法搜索最优解的能力,加快二维最大类间方差算法寻找阈值的速度,提高分割效率.     

车道线识别系统算法设计及其FPGA实现

针对车道线识别算法复杂、计算量大、软件处理慢等问题,将FPGA并行处理技术与数字图像处理技术相结合,完成车道线识别系统设计．整个系统分为中值滤波、二值化、骨架化、二次滤波拟合四大模块．创新性提出了“双对分最大类间方差滤波迭代算法”实现图像二值化阈值选取;另提出“基于行逼近的最小二乘曲线拟合算法”以完成次近景的车道线提取;并对直线识别算法进行改进以完成近景的车道线提取．仿真结果表明本算法识别准确,符合实际路况,且可满足系统实时性要求．     

一种改进的车牌图像二值化及定位算法

就车牌图像中的光照和污损的复杂特征,对车牌预处理、边缘提取及二值化和车牌定位进行了一系列分析研究。通过设计一种边缘提取与二值化结合的预处理算法,利用提出改进的增加三角点的角点定位算法,设定优先级的四角点、三角点和对角点方法对车牌进行定位。经改进后的算法,能有效对车牌鉴别算法对搜索到的车牌区域进行鉴别,从而提高了车牌定位的准确率和速度。     

基于图像处理的车牌识别技术

汽车车牌照的识别是智能交通系统必不可少的组成部分,也是保障车辆安全的必要手段。本文针对智慧小区设计一种简易实用的车牌识别系统,设计内容包括图像采集及预处理,车牌定位,边缘检测,字符识别等。系统开发构建在Qt软件平台上,对采集的图像进行灰度化、边缘检测二值化处理,同时,通过水平投影进行区域定位消除边框,再利用处置投影对车牌字符分割,最后根据特征值对系统字符识别,输出字符。实验验证,该系统检测方便易行,识别效果较好。     

基于色彩纹理的车牌定位系统设计

为了提高车牌定位的准确率,提出了一种基于色彩纹理的车牌定位的分析方法. 首先将彩色图像的色彩空间由RGB转换到HSV,生成HSV色彩模型的三通道图像,将图片进行滤波调整之后,并将符合车牌区域的有效像素的灰度值范围作为参数排除图像中的干扰信息,然后将转换后的图像车牌背景颜色和车牌字符颜色进行二值化处理生成两幅灰度图像,采用逐行扫描的方法对两幅灰度图像的各个像素点进行分析和比对,通过像素灰度值的跳变次数,判断是否找出符合车牌纹理的区域,通过计算确定车牌在图像上的区域,并输出车牌图像. 该方法提高了的车牌识别的准确性和稳定性.     

一种车牌识别系统的设计

基于像素精确定位方法来实现车牌定位,然后对车牌进行灰度化、二值化处理,避免了对整个汽车图像先图像处理后车牌定位的繁琐过程,将改进的模板匹配算法应用于字符识别中,最后,利用MATLAB的图形用户开发环境设计出了本系统的测试平台,经过大量车牌样本验证,该车牌识别系统准确率较高.     

Harris角点检测与AP聚类结合的车牌定位方法

在车牌识别系统中,车牌的准确定位是关键,针对车牌区域包含有比较丰富的角点,提出了harris角点检测与AP聚类相结合的车牌定位方法.该方法先采用Harris算法检测出车牌区域的角点,然后对角点进行AP聚类并剔除包含角点数较少的类以及远离类中心的离群点,最后进行区域合并,根据车牌区域宽高比识别车牌区域.实验证明该方法能够快速、准确定位出车牌区域.     

基于LabVIEW IMAQ的移动车辆牌照识别

车牌识别是指通过图像处理、模式识别和统计分析等方法从实时车辆图像中提取车牌字符信息,从而确定车辆身份的技术。通过对车牌识别中的图像采集与处理、车牌定位、字符分割和字符识别这4个核心技术的研究,在LabVIEW平台上,利用IMAQ强大的图像处理功能,对USB摄像机获得的实现车牌图像进行格式转换,灰度变换以及二值变换等预处理,将边缘提取与图像投影两种方法相结合精确定位车牌,最后根据特征匹配的方法识别出车牌字符信息。结果表明,基于IMAQ程序可以很好的对车牌图像进行处理,并在平均时间为3s左右情况下完成对车牌字符的识别。     

一种基于HSV空间和纹理特征的快速车牌定位方法

提出了一种基于HSV空间和纹理特征的快速车牌定位方法。该算法利用车牌区域固定的颜色特征,可快速、准确地定位到与车牌颜色有关的区域。针对不同的背景和不同的车辆,抽取了150幅图片进行测试,定位成功率为97.6％,平均定时耗时为28ms。实验表明,该方法是一种在HSV空间利用颜色和纹理特征进行定位的算法,通用性强,灵活有效。