基于分块聚类的车牌图像二值化方法

利用车牌图像中车牌部分所占比例小、车牌字符与底色灰度对比度大的特点,为运算简单,易识别定位,提出了一种基于分块聚类的车牌图像的二值化方法。方法先将整幅灰度车牌图像等分成多个小块,对每个小块中的像素点根据其灰度值进行聚类,再将聚类结果二值化而得到各小块的二值化结果,合成各小块的二值化结果得到整幅车牌图像的二值图像。实验结果表明,与OTSU二值化方法相比,不仅经该方法处理得到的二值图像能很好地体现车牌特征、有效地降低车牌图像背景的复杂性,而且方法更适用于处理非正常光照条件下的车牌图像。在此基础上能有效地提高车牌定位系统的实时性和适应性。     

基于形态学的图像二值化方法

提出了一种自适应图像二值化方法，它基于数学形态学理论，求取彩色图像边缘特征，并将它与灰度直方图二值化方法相结合，实验表明，这一算法能较好地保留原图像中的特征，二值化后的图像效果不错。     

一种基于模糊聚类的快速二值化方法

通过确定阈值实现图像的二值化分割是一种重要且实用的图像分割技术.本文提出了一种基于模糊聚类的二值化方法.这种方法将模糊C-均值算法加以推广(GFCM)后,应用于图像的二值化分割.通过与Otsu阈值法的分割结果比较后表明,该方法的分割效果好,分割耗时少且适用性强.     

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.     

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。     

改进的谱聚类图像分割方法

图像分割作为图像识别的一个重要处理步骤,但存在效果不理想或者计算复杂度过高的问题。提出一种新的灰度图像二值化的方法。该方法将Ncut作为谱聚类的量度,在计算该值时使用基于图像灰度级的权重矩阵,而非普通基于图像像素的权重矩阵。这样,计算复杂度和空间复杂度都明显降低。通过对实际场景中文本图像的实验,数据表明此方法在时间和系统开销方面比传统基于阈值的分割方法具有更优的性能。     

结合方向信息和模糊聚类的指纹图像二值化方法

尽管指纹图像具有局部方向一致性,但在一些局部区域,尤其是包含指纹奇异点的区域点方向变化仍然较大.鉴于此在求出指纹各个像素的点方向以后对指纹图像进行分块,引入了方向信息可靠块和方向信息不可靠块的概念.对方向信息可靠块提出一种用方向信息分割指纹图像的方法.对方向信息不可靠块,采用两种方法区分出指纹决和背景块:一是利用该块的均值、方差;二是利用邻域信息.在此基础上对不可靠块中的指纹块采用加权模糊C.均值聚类的方法对其进行二值化.实验表明:用本文提出的方法对指纹图像进行二值化处理后得到的二值图像脊线光滑无孔洞.对断线起到了一定的连接作用,而且对于方向变化较大的分块避免了二值化后纹线的偏移.     

结合Canny算子的图像二值化方法

用Robert、Sobel、Prewitt、Laplacian、LoG和Canny算子,对图像进行了边缘检测实验,分析了边缘检测的结果,得出Canny边缘检测算子,是图像边缘检测的一种十分有效的方法。然后,根据图像的Canny算子边缘信息,将最佳全局阈值法与局部阈值自适应法在边缘信息的基础上融合起来,对图像进行了二值化处理。实验表明此算法在二值化图像时,能很好的保留图像的边缘信息。     

图像二值化时图像特征的保留

讨论了在进行图像二值化时如何保留图像的边界特征,基于图像的边界信息和微分算子,提出了一个局部阈值和整体阈植相结合的新的自动选择阈值算法,实验表明,这个基于边界特征检测算子的算法能很好地保留原图的边界特征,并能处理低质量的图像。     

一种快速响应码的图像二值化方法

采集到的QR码图像首先需要转换为二值图像然后译码识别,但是在使用摄像头采集QR码图像中存在光照不均和反光等现象,经过全局二值化处理后会有全白或全黑的区域,而经过局部二值化处理会有"伪边界",并且计算量大导致耗时长.本文提出一种联合阈值二值化方法,首先对QR码图像采用全局二值化方法,然后利用QR码图像特征找到光照不均或反光的区域,并对该区域采用一种嵌套式的局部二值化方法,这种方法提高了准确率,减少了计算时间并且防止"伪边界"的产生.将最后结果和几种常用的二值化算法比较,实验结果表明:使用该方法可以明显提高QR码识别的效率和准确率.     

一种基于迭代阈值法的身份证图像二值化算法研究

针对身份证扫描图像受激光防伪阴影网格线影响较大的特点,对图像二值化的方法进行了深入分析和研究．提出了一种基于像素邻域特征的迭代阈值方法。该算法模型简单、易于实现．能滤除噪声、使字符笔划清晰地从背景中分割出来．获得了较好的二值化效果。     

一种车牌号码图像二值化的新方法

利用数学形态学的开运算消除图像光照不均匀影响,根据欧几里德距离确定图像阈值。基于人类视觉特性确定每个像素点的视觉敏感度系数,并根据图像像素点灰度值、图像阈值和视觉敏感度系数对图像进行二值化处理。该方法能有效地消除伪影,较好地保护字符笔画。模拟实验结果表明,该方法是有效的。     

一种基于分块二值化思想的图像检索方法

提出了一种基于分块二值化思想的图像检索方法,利用二值化阈值将图像分割为目标和背景,在此基础上进行分块,在每一块内分别提取颜色特征后再进行相似度匹配,并在检索中突出图像目标的重要性。实验证明,这种方法能够更有针对性地检索图像,能够在保证查全率的同时较大的提高查准率。     

基于大津法的图像分块二值化算法

本文对灰度图像二值化的方法进行研究,提出了一种新的以大津法为基础的图像分块二值化方法。通过对采集到的火车轮字符进行实验,结果表明了这种新的二值化方法在不均匀光照、图像模糊的情况下能很好地对图像目标(字符)进行分割,该方法的思想可以推广到对一般灰度图像的二值化中去。     

基于Sauvola算法和神经网络的图像自适应二值化方法

二值化处理是文档图像OCR识别中非常重要的一个环节。针对目前主流Sauvola二值化算法存在参数需要人为确定、效果受设定的参数影响等问题，提出了基于Sauvola算法和神经网络的图像自适应二值化方法。在针对Sauvola算法的参数进行分析的基础上，阐述了开窗大小r与参数k对二值化结果的影响。使用SWT算法实现了开窗大小r的计算，将二值化视为对像素点的二分类问题，根据Sauvola算法的思想提取窗内的灰度均值、灰度标准差及当前像素点灰度值作为特征向量，并搭建全连接神经网络进行训练，训练后的神经网络可为每个窗生成特定的参数k，并判定各个像素点的二值化结果。实验结果表明，相较于使用人工精确调节的全局参数k的Sauvola算法，所提出的方法具有更好的自适应性和二值化效果，且具有较好的实用性和普适性。     

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。     

一种有效的文本图像二值化方法

针对一般文本图像二值化方法--全局阈值法和局部阈值法所存在的不足,提出了一种整体与局部相结合的二值化方法,该方法根据文本图像的特点,自适应调整局部二值化的窗口大小,能有效避免断笔,伪影等现象,同时保持较快的处理速度。     

一种政府资源档案图像的二值化方法

针对政府资源档案灰度图像,应用线性变换增强图像对比度,利用空域滤波减少噪声对图像的影响,在此基础上,使用改进的大津率法计算图像的整体阈值T2,使用Bernsen算法计算图像的阈值曲面T1,进而定义笔划断裂阈值T3、邻域平均阈值T4、全局和局部相结合的阈值T5;然后综合利用T1-T5五个阈值,对灰度图像进行二值化。实验表明,这种基于全局和局部阈值相结合的方法对政府资源档案具有广泛适应性,对伪影和断笔划处理的效果令人满意。