基于车牌识别的边缘二值化检测

通过介绍车辆牌照识别的相关知识,重点说明车牌定位中的二值化以及Sobel,Canny两种算法,通过VC的开发环境调用MATLAB的工具箱函数,给出相应仿真结果,得出结论.     

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。     

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。     

基于边缘检测的车牌图像分割技术

详述了用黑白图像处理方法对彩色车牌进行分割处理的过程,介绍了边缘检测理论以及迭代求分割阈值算法,并用于车牌的识别检测中,有效地分割目标和背景,实现了车牌的准确定化．     

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。     

基于背景估计和边缘检测的文档图像二值化

为提高文档图像在对比度低、光照不均、大块噪声等复杂图像背景下二值化效果,提出一种背景估计与边缘检测相结合的图像二值化方法。该方法先利用Sauvola算法有效地估计图像的背景,并在此基础上,结合改进的Canny算法获取边缘变化信息,利用基于局部阈值的策略进行二值化。实验结果表明,该算法取得了较好的二值化效果,在开放的DIBCO 2011数据集上测试,其性能与Otsu、Niblack、Sauvola经典方法相比有大幅提高,其F值比ICDAR2011二值化竞赛中第一名的算法略有提高。     

综合全局二值化与边缘检测的图像分割方法

针对邮局业务的自动化,信息化,设计了给扰函件的自动登单片系统,基于图像处理和模式识别的理论,提出了一种图像分割方法,实验结果表明,该方法比较成功地实现了复杂的信封背景下有用信息的提取和存档。     

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。     

基于边缘梯度方向的图像二值化方法

针对由于图像背景灰度不均导致不能很好地分离目标与背景问题,在已有工作的基础上,提出一种新的二值化方法。该方法结合Canny边缘检测,基于边缘梯度方向特征信息,通过投票标记边缘两侧和决定不确定点的归属,较好地解决了噪声和伪影问题,实验结果表明该方法具有良好的效果。     

基于车型的图像二值化研究

针对几种常用的图像边缘检测二值化方法.通过MatLab仿真时实验结果进行了比较研究.实验结果表明,基于Canny边缘检测的算法能很好地保留原图的边缘特征.并对低质量的图像处理具有较好的效果.     

一种基于灰度图像二值化的车牌定位算法

车牌定位是牌照自动识别系统中最为关键的环节,是智能交通系统中的核心技术。该文提出了一种利用车牌梯度特征,通过图像增强和闽值调整的方法来获得;住确的车牌区域定位的新方法。实验证明所提出的方法能简单快速地实现车牌定位。     

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。     

一种新的基于灰度图像的车牌定位算法研究与实现

汽车牌照的自动定位是智能交通系统中的重要组成环节之一,是实现车牌识别（LPR）系统的一项关键技术。针对不同背景和光照条件下的车辆图像,提出了一种基于灰度图像灰度变化特征进行车牌定位的方法。依据车牌中字符的灰度变化,以峰、谷规律分布确定车牌上下边界,对扫描行采用灰度跳变法确定车牌左右边界。测试结果表明,该方法是可行和有效的。     

偏暗或泛白背景的车牌图像二值化方法

在车辆牌照识别系统中,由于摄像机畸变、动态范围太窄、车辆牌照被污染等原因,灰度化的车辆牌照图像背景变得模糊,接近于字体的灰度或者动态范围不高,使得前景字体跟背景难以分开。该文采用高帽与低帽形态滤波增强车牌图像中的字体,去除背景对图像的影响,使用基于迭代的图像分块二值化算法进行二值化。实验表明,该算法可有效克服偏暗或泛白背景的影响,二值化效果良好。     

一种基于小波多尺度边缘表示的图像滤波方法

该文首先介绍了信号小波变换的模极大值点和过零点的特性以及信号的多尺度边缘表示方法,然后介绍了一种在尺度空间基于小波多尺度边缘表示的图像非线性滤波方法。实验结果表明,这种滤波方法能取得令人满意的结果。     

基于小波耦合阈值的边缘检测算法

针对Canny型边缘检测算法中高斯滤波对图像造成过度平滑及边缘移位的现象,论文提出了用非线性小波耦合阈值代替高斯滤波的一种新型边缘检测算法。实验表明,新算法能较好地保留图像细节,得到比较理想的边缘检测效果,对于含有白噪声的图像也有很高的检测精度。     

基于修正思想的车牌图像定位与二值化处理

车牌图像定位和二值化是车牌识别系统中一个关键的部分。传统的处理方法是使用单一的算法,以便能够满足实时性的要求。但是算法本身的缺陷性使其不能适应一些具有独特特点的车牌,不能正确地识别出结果。基于提高算法的适应范围考虑,在满足识别速率要求的前提下,该文提出了基于修正思想的“去粗取精”处理模式,可以大大改善定位和二值化处理的效果,为后续的处理提供了一个良好效果的输入。     

基于元胞自动机的毫米波图像边缘检测

考虑到毫米波图像噪声较强、模糊严重的特点,本文在边缘提取之前对图像进行了去噪预处理,并将元胞自动机引入到多灰度级图像边缘提取中。试验结果,证明了该方法的有效性和优越性。