利用反馈的车牌字符分割算法

字符分割是车牌识别系统的重要步骤。提出一种利用反馈的车牌字符分割算法。首先,对车牌图像进行预处理;其次,根据车牌图像的垂直投影进行字符粗分割;最后,通过两级反馈进行字符精分割。第一级反馈是字符个数与字符宽度反馈,第二级反馈是字符识别反馈。实验结果表明,算法对光照不均、对比度较小、倾斜、污迹、字符粘连和断裂等严重退化的车牌图像具有很好的字符分割性能。     

字符分割前车牌图像的预处理

本文针对车牌图像的特点提出了一种针对字符分割的车牌图像预处理方法。该方法首先将定位出的彩色图片进行彩色图像的灰度化处理,再进行目标增强、二值化、去除铆钉干扰、倾斜校正,从而实现车牌的精确定位,为字符分割做好准备。实验结果表明,该方法处理效果好,对光照不均、对比度低、污迹及倾斜度较大的车牌图像具有很好的鲁棒性。     

一种新的面向字符分割的车牌图像预处理方法

首先进行图像增强以滤除噪声、校正不均匀光照,增强对比度,然后分析了车牌的倾斜模式,提出了一种新的车牌倾斜校正方法。该方法采用水平和垂直边缘检测结合旋转投影求取车牌的水平和垂直倾斜角度并通过垂直边缘检测进行上下位置精定位,对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正。实验结果表明,该方法简单实用,对光照不均、低对比度、污迹及倾斜等退化图像具有很好的鲁棒性。     

基于条件随机场的低图像质量车牌字符分割

提出一种基于条件随机场的车牌字符分割算法,能够对光照不均、相机拍摄角度造成的低图像质量的车牌图像,特别是日益增多的车牌边框与字符相连接车牌图像进行有效的字符分割。算法首先进行车牌图像校正,然后利用标注车牌数据进行模型学习,对车牌图像像素列进行分类识别,最后组合成车牌字符分割结果。理论分析与实验结果验证了算法的有效性。     

一种低图像质量车辆牌照的字符分割方法

提出一种应用于车牌识别系统中车牌字符分割的方法,能够对由光照不均匀,车牌表面污损等原因造成的低图像质量的车牌进行有效字符分割。首先通过连通区域分析和车牌校正对车牌进行预处理,然后利用车牌固有的先验知识与间隙分析方法,实现整个车牌字符的精确分割,克服污损、边框和倾斜等干扰因素。通过在两组数据集上进行的实验结果表明,该算法具有很强的实用性与鲁棒性。     

复杂背景下的车牌定位和字符分割研究

提出了一种综合边缘检测、投影特征的车牌定位方法和基于垂直投影及模板匹配的字符分割方法，提取车牌灰度图像边缘，实验结果显示该算法检测边缘的速度快，车牌区域轮廓清晰，采用投影法确定车牌区域，用HOUGH变换检测倾斜角度进而对倾斜的车牌进行矫正，通过字符分割算法对车牌字符进行切割，有效地解决了复杂环境的干扰、车牌尺寸变化等问题。对不同背景下的光照车牌进行了大量实验，结果表明该算法能准确地进行车牌定位以及字符分割，具有较好的鲁棒性。     

退化车牌字符的两级分割算法研究

为了准确进行车牌字符分割,提高车牌字符识别的准确率,提出了一种改进的车牌字符分割算法.对定位出来的车牌进行有效预处理,通过两级字符分割算法对车牌进行单字符分割.第一级字符分割是结合连通域分析法和垂直投影进行字符粗分割,第二级字符分割是基于车牌字符的先验知识通过多次判断进行车牌字符精分割.实验结果表明,该算法对受到光照不均、污迹、字符粘连和断裂、质量退化等严重影响的车牌字符能进行很好的分割.     

自然场景下的车牌分割方法

自然场景下的车牌面临着光照不均匀、角度倾斜、运动模糊等影响,易造成车牌分割错误。针对以上情况,对车牌进行旋转校正及二值化处理,提出一种基于模板匹配与二分法结合的方法对车牌进行分割。通过二分法进行分割,通过模板进行校准寻找最优分割点。实验结果表明,无论光照条件良好还是光线较弱或不均匀,该方法都能对车牌进行准确分割,有效克服字符粘连及断裂的情况,在自然场景下鲁棒性良好。     

基于投影和固有特征结合的车牌字符分割方法

根据车牌字符的固有特征,提出一种新的基于投影的车牌字符分割方法.该方法首先对车牌图像进行预处理,检测车牌倾斜角度,如果倾斜角大于指定角度则进行车牌倾斜校正,然后利用车牌的水平方向投影去除车牌的上下边框以及铆钉,对处理得到的图像进行二值化.再根据车牌字符的排列规则和字符间距的关系,利用车牌的垂直投影定位字符,先分割出第二个和第三个字符,从第三个字符开始分割出后五个字符,再利用已分割字符的知识来分割前两个字符,然后对分割出来的候选字符块进行处理,有效解决字符粘连和断裂的情况,最终实现车牌字符的准确分割.实验结果证明,该方法有较好的分割效果.     

一种新的车牌倾斜校正方法

车牌的倾斜对车牌的字符分割与识别带来不利的影响.本文分析了车牌的倾斜模式,提出了一种新的车牌倾斜校正方法.该方法采用水平和垂直彩色边缘检测结合旋转投影求取车牌的水平和垂直倾斜角度,对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正.实验结果表明,该方法简单实用,对光照、污迹等不敏感,抗干扰能力强.     

一种新的字符图像倾斜矫正与分割算法

针对传统的倾斜矫正与分割算法对不同类型的字符图像处理效果各异的问题,本文提出了一种改进的算法,加入了新的倾斜角度确定准则、阈值动态调整以及区域后处理,不仅解决了传统方法易受噪声和复杂背景干扰、可操作性差的问题,而且也有效地实现了字符图像的倾斜矫正与分割.实验结果表明,尽管新算法在像素点判断次数上多于最大类间方差算法,但...     

一种针对手机彩色图像中的数字分割算法

由于图像质量和计算能力较低,传统的图像字符分割算法并不适合在手机中应用。针对手机图像特点,提出了一种快速手机图像中的数字分割算法,该算法对行投影信息运用Hough变换快速检测倾斜角,然后进行行校正和行分割,最后根据相邻的波谷值对灰度投影图中的波峰值进行变换后进行列分割。实验结果表明,所提出的算法较传统的字符分割算法更为适合于手机应用。     

Towards a Multinational Car License Plate Recognition System

A full-fledged image-based car license plate recognition (CLPR) system is described in the paper. CLPR provides an inexpensive automatic solution for remote vehicle identification. Gray-level input images are assumed. The localization stage of the CLPR yields a plate clip followed by character segmentation and recognition. The recognition scheme combines adaptive iterative thresholding with a template-matching algorithm. The method is invariant to illumination and is robust to character size and thickness, skew and small character breaks. Promising results have been obtained in the experiments with Israeli and Bulgarian license plates including images of poor quality. Also, the possibility of using an “off-the-shelf” OCR has been explored.     

利用Hough变换和先验知识的车牌字符分割算法

随着科技的发展，车牌识别系统得到了很多应用。车牌识别系统包含三个部分：车牌定位、字符分割和字符识别。车牌字符分割是车牌自动识别系统中的重要步骤。车牌字符分割中存在噪声干扰、边框影响、铆钉和间隔符影响、车牌旋转、光照不均等问题。这些问题容易造成分割不准确，甚至分割错误。针对这些问题，该文提出了一种先分段，再利用Hough变换拟合直线的水平分割方法和基于先验知识约束的垂直分割方法，同时提出目标增强的预处理方法。大量实验表明，该算法较好地解决了以上问题，适用于各种质量的车牌图像，分割的准确率较高。     

集装箱箱号字符识别算法研究

针对集装箱箱号图像中存在的光照不均、箱号的偏转和倾斜等因素,着重研究箱号字符识别中的关键技术问题。对于箱号图像光照不均问题,采用一种改进型的差分边缘检测粗定位算法;利用改进的最小二乘法有效地解决箱号偏转难以精确定位问题;运用基于梯度下降投影字符矫正及分割算法,实现对倾斜箱号的校正与分割;采用BP神经网络进行字符识别。对1?050幅不同条件的拍摄图像进行实验,结果表明上述算法相对于传统算法与深度学习算法,综合识别率明显提高,且符合实时性要求。     

结合局部灰度差异的噪声图像分割模型

针对未知强度和分布规律的噪声图像难以得到正确分割，现有模型无法适应多种噪声环境的问题，提出了一种基于图像局部灰度差异的噪声图像分割模型。首先，分析局部K均值聚类（LCK）模型和局部相似性系数（RLSF）模型中能量泛函对噪声点的降权机制的不足，提出优化方案；其次，将一种结合局部灰度差异的噪声点修复函数引入能量泛函，降低了显著偏离局部均值的噪声点对分割结果的干扰；最后使用变分法推导出该模型的水平集迭代方程。与局部二值拟合（LBF）模型、LCK模型和RLSF模型相比，使用该模型进行噪声自然图像分割时，可得到更高的查全率、查准率和F值。实验结果表明，所提模型可稳定、有效地分割非均匀和高噪声图像。     

古代汉字文献切分研究

针对古代汉字文档的特点,提出了适合于古文档的列切分方法和字切分方法。提出的列切分方法直接对文档的笔画投影进行分析,采用一种基于分层投影过滤和变长间隙阈值的递归切分算法。该算法在列间隔较小、列与格线存在粘连、文档具有一定程度的倾斜的情况下,也能准确地抽取出列,尤其对短列的切分达到了较好的效果。提出的字切分方法分为两步,进行粗切分确定大致的切分位置,采用基于连通域分析与粘连点判断的方法做进一步的细切分。该算法对具有较多粘连和重叠汉字的列,也能较好地切分出完整的单字。实验结果表明,提出的方法用于古代汉字文档切分能够获得较好的效果。     

正则化图形模糊聚类及鲁棒分割算法

针对现有图形模糊聚类算法合理性差和抗噪能力弱的问题，提出嵌入对称正则项的图形模糊聚类鲁棒算法。将样本聚类所对应的中立度与拒分度相结合构造对称正则项，嵌入现有图形模糊聚类所对应的目标函数；同时，利用像素邻域所对应的均值信息辅助当前像素聚类并构造了空间信息约束正则项，采用拉格朗日乘子法获得正则化图形模糊聚类鲁棒分割算法。不同噪声干扰图像分割结果表明，所建议的分割算法是有效的，相比现有的鲁棒模糊聚类分割算法具有更强的抑制噪声能力。     

Fully automatic segmentation of breast ultrasound images based on breast characteristics in space and frequency domains

Due to the complicated structure of breast and poor quality of ultrasound images, accurately and automatically locating regions of interest (ROIs) and segmenting tumors are challenging problems for breast ultrasound (BUS) computer-aided diagnosis systems. In this paper, we propose a fully automatic BUS image segmentation approach for performing accurate and robust ROI generation, and tumor segmentation. In the ROI generation step, the proposed adaptive reference point (RP) generation algorithm can produce the RPs automatically based on the breast anatomy; and the multipath search algorithm generates the seeds accurately and fast. In the tumor segmentation step, we propose a segmentation framework in which the cost function is defined in terms of tumor?s boundary and region information in both frequency and space domains. First, the frequency constraint is built based on the newly proposed edge detector which is invariant to contrast and brightness; and then the tumor pose, position and intensity distribution are modeled to constrain the segmentation in the spatial domain. The well-designed cost function is graph-representable and its global optimum can be found. The proposed fully automatic segmentation method is applied to a BUS database with 184 cases (93 benign and 91 malignant), and the performance is evaluated by the area and boundary error metrics. Compared with the newly published fully automatic method, the proposed method is more accurate and robust in segmenting BUS images.