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。     

基于车牌识别的二值化算法研究

二值化算法在车牌识别系统中的车牌定位方面有着很重要的作用,但是光照条件的影响,使得二值化算法中的阈值T确定较为困难。该文提出了一种灰度值拉升的改进算法,可以降低二值化算法过程中的阈值的确定难度,并通过实例证明了这种算法的可行性。     

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。     

基于灰度跳变与字符间隔模式的车牌定位方法研究

车牌定位是车牌自动识别的第一步,而如何考虑光照影响是车牌定位是否成功的关键;通过深入分析不同的车牌图像,提出一种基于灰度跳变与字符间隔模式的车牌定位方法;首先,针对不同光照条件下采集到的车牌图像明暗度的不同,利用多阈值处理方法得到车牌信息不丢失的、最佳的二值图像,然后,在其二值图像中首先利用灰度跳变定位车牌的上下边界,接着对字符垂直投影后的宽度进行统一的调整并以固定的字符间隔特征定位车牌的左右边界,从而完成车牌定位;最后,通过实验验证了该方法的有效性。     

一种精确高效车牌定位算法

车牌自动识别是现代智能交通的重要组成部分,而车牌定位技术又是车牌识别系统的核心技术之一。本文提出一种精确高效的车牌字符定位算法,该算法采用差分来描述灰度变化进行初步定位,并对不同类型的车牌使用不同的二值化处理方法。实验表明,该算法快速有效。     

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。     

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.     

一种基于灰度期望值的图象二值化算法

给出了一种基于图象灰度分布统计特征期望值为阈值的二值化方法。该算法在计算机复杂度,执行时间,二值化效果以及适用范围等方面均有较佳表现,并已应用于实际系统,取得了较好的实验结果。     

一种区域收缩及分类的车牌二值化方法

对车牌区域进行二值化一直是车牌识别系统的一个关键问题。针对车牌区域的特征,提出了一种基于分类思想的二值化方法。该算法从统计判别分析的思想出发,将二值化问题看成是一个分类问题。首先对区域进行收缩取样,然后进行分类。为了提高二值化精度,其中还使用了迭代分类技术。另外为了评价车牌二值化效果,从车牌二值化应用角度出发提出了粘连度、字符断裂度、噪声颗粒数、运行消耗时间的指标体系,用来评价车牌二值化的效果。有了这套指标体系,就可以方便地对各种车牌二值化技术进行评价。实验结果表明,该二值化算法简单有效。     

基于边缘算子的车牌图像二值化方法

提出一种基于Canny边缘算子的车牌图像二值化方法。该方法综合考虑了边缘信息和灰度信息,根据与边缘像素点相邻的像素点的灰度值变化特点,得到图像的高、低阈值,综合利用高、低阈值对原灰度图像进行二值化。实验表明,此方法对于车牌图像的二值化处理有令人满意的效果。     

一种基于灰度图像的车牌定位方法

采用粗定位—倾斜矫正—精确定位三步结合的方法实现车牌定位,克服了由于拍摄角度问题带来的倾斜车牌定位不精确的问题,减少了计算量,继而提高了车牌定位技术中后续的字符分割和识别的精确性。     

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。     

一种简单快速的车牌定位算法

车牌定位是汽车牌照识别系统的关键技术之一。通过对图像进行预处理,去除干扰的噪声,然后利用隔行扫描和矩形窗口搜索法来定位车牌的上下边界和左右边界,从而提高了车牌定位的速度。提出了利用车牌定位出来的区域面积的变化情况来判断车牌的倾斜情况,并对倾斜的车牌进行了准确的校正。实验结果表明,该算法简单高效。     

基于波峰合并算法的汽车牌照定位方法

以实现汽车牌照的准确定位为目标,在充分利用牌照图像纹理特征和投影特征的基础上,提出一种基于投影波峰合并算法的车牌定位方法,并在VC 环境下编程实现,算法具有直观、流程简单的特点.经对实际采集的多幅图像进行处理后,证明这种方法简单、高效、定位准确.     

基于灰度跳变的车牌定位算法及其实现

研究车牌识别定位算法问题。传统的车牌设识别定位算法的识别精确度难以满足现实在交通管理和流量监测中的应用,存在车牌图像定位的精度的不高等问题。为解决上述问题,在对车辆图像预处理基础上,提出了一种基于图像灰度跳变特性的车辆牌照定位算法。主要给出了粗定位和细定位两种定位算法,并用VC++设计实现定位算法。通过实验对实际交通中多幅车牌图像进行处理,对不同的车牌图像进行定位。实验结果表明,新算法能够对车牌图像进行高精度定位,并且具有较强的鲁棒性,为车牌字符的识别与分割奠定了一定的基础。     

基于小波纹理分析的彩色车牌定位算法研究

针对传统的车牌定位算法是采用灰度图像的纹理特征的,由于灰度图像的纹理特征诸多特性和局限性,给车牌定位算法带来很大的困难;鉴于此,提出了基于小波纹理分析的彩色车牌定位算法;首先对图像进行二维小波分解,计算滑动窗内图像的小波纹理特征;然后同时将低频子图转化RGB色彩分量为HSV色品值,提取颜色特征并得到综合特征向量;其次利用小波变化定位出车牌区域;最后对定位出的车牌进行后期校正处理并输出定位结果;该算法采用综合特征定位,克服了采用单一特征定位的缺点和局限性,从实验结果可以看出该算法能够较准确的从背景图像中提取出车牌位置信息。     

车牌定位方法的研究

车牌定位是车牌识别系统的重要组成部分。由于车牌颜色、大小、位置的不确定性以及环境因素的干扰,因此车牌很难准确地定位。研究了一种基于灰度跳变定位车牌区域的新方法,引入跳变点密度概念。对于预处理以后的车牌图像进行一阶差分运算,得到车牌图像的跳变点,利用阈值滤去部分跳变点,判断相邻跳变点之间的间距与跳变点密度的大小关系,同时根据车牌区域的特征完成车牌的初步定位。然后进行车牌的精确定位     

基于数学形态学及车牌综合特征的车牌定位算法

车牌定位是车牌识别系统中的关键步骤;利用车牌图像区域丰富的边缘信息以及车牌本身的特征,提出一种实用而有效的车牌定位方法;首先,将原始图像转换到灰度空间上,利用车牌丰富的图像边缘特征信息和数学形态学操作对图像进行粗定位;然后,根据车牌本身的特征量化5种不同的特征,通过贝叶斯分类器的训练,实现对车牌区域的精确定位;最后,通过实验对1500幅彩色图像进行测试,其有效率可达95.20%。