一种新的车牌识别预处理算法

提出了一种八方向Sobel处子模板提取图像边缘的方法，并根据边缘图像中车牌区域纹理特征来切分出车牌区域，然后利用类别方差自动门限法来确定字符色和底色的阈值，以进行字符二值化，经测试，此方法定位准确，二值化效果较好，为后字符分割和识别做了较好的预处理工作。     

车牌识别系统中的图像预处理研究

车牌图像预处理是车牌识别系统中的一个关键步骤,预处理的结果直接影响后续的识别结果.先对彩色图像进行灰度化处理,再进行目标二值化、滤波,从而实现车牌的精确定位和字符分割.采用形态学细化算法对图像进行未完全细化处理,再用剥皮算法对其进行细微处理,最后得到比较好的车牌图像.仿真实验表明,提出的细化算法克服了传统算法中的缺点,...     

基于彩色图像信息的车牌自动识别系统仿真研究

针对汽车牌照自动识别技术在现代社会车辆管理中的应用,本文研究了一种基于Matlab软件的车牌识别系统。该系统包括图像预处理、车牌定位、字符分割及字符识别几部分。对采集好的车牌图像进行图像预处理,采用统计像素法对车牌图像进行定位,二值化已定位好的车牌图像,对处理过的车牌图像字符进行分割,并采用模板匹配法对分割好的车牌字符进行识别,同时选用100张不同场景、不同省份、不同品牌的汽车牌照,采用Matlab软件进行仿真实验。仿真结果表明,有79张汽车牌照识别正确,说明本文可以实现较为准确的车牌识别。该研究具有一定的实际应用参考价值。     

手写字符样本自动采集研究

提出用行程段信息表示字符图像的编码方法 ,以二进制形式存取 ,能节省大量的文件存储空间。预处理阶段 ,使用最佳阈值二值化方法和平滑技术处理样本表格图像。为保证字符图像正确分割 ,先提取样本表格图像垂直边缘 ,然后使用Hough变换检测图像倾斜角度。提出了快速标记行程段中心迭代算法实现字符图像的分割。手写数字样本自动采集实验表明本文方法的有效性     

一种基于模板匹配的船铭牌字符分割方法

字符分割是船舶身份识别系统中的关键步骤,提出了一种船铭牌字符分割方法.该方法首先进行图像增强、灰度化和二值化等图像预处理操作,采用了一种基于Hough变换和K均值聚类直线拟合算法校正倾斜变形的牌照图像,然后在分析船铭牌字符特点的基础上,采用一种快速的模版匹配结合垂直与水平投影法对船铭牌上的单个字符进行分割,提高了字符分割的速度和精度.实验结果表明,该方法能够对船铭牌字符进行准确分割,具有良好的鲁棒性和实用性.     

BP网络预测阈值的仪表重影字符识别方法研究

针对仪表数字获取过程中多出现光照不均匀和字符重影现象,导致二值化困难、识别率低等问题,提出了一种新的二值化方法。在对图像二值化之前,由于图像质量不佳,首先需要对图像进行预处理。针对光照不均现象,使用了非线性函数彩色图像校正方法。针对重影现象,以图像的灰度级分布统计量作为输入,自适应二值化全局阈值作为标签训练BP神经网络预测模型,使用训练好的BP网络对图像全局阈值进行预测并二值化,达到分离重影的目的。同时,采用改进LeNet-5网络对分割后的单个字符进行识别。结果表明,提出的二值化方法效果优于经典方法,改进的LeNet-5能够满足分割后的仪表字符识别,其识别率能达到98.94%,分割后单个字符识别时间只需要0.001 4 s。     

车牌图像自动识别系统预处理算法研究

车牌预处理是汽车牌照自动识别系统中的一个重要的环节,预处理的好坏直接影响到后面的识别结果.在开发一套实用的自动车牌识别项目的过程中,分析研究了车牌预处理的各个环节,对其中关键算法———倾斜校正算法、二值化算法、字符分割算法做了详细的研究.在大量试验的基础上,提出了一种基于区域滤波的预处理算法和一种改进的车牌倾斜校正算法,并用于工程实际中,取得了良好的效果.     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重。基于VC＋＋6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别。车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤。利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效。     

基于数字图像处理技术的针式仪表读数识别

基于数字图像处理技术的针式仪表读数识别是针式仪表自动检定的关键技术.针对角度法读数识别精度不高的缺点,采用将仪表表头原始图像预处理后,进行二值化将有用信息分割出来;用改进的Hildtch细化算法对二值化后的图像进行细化处理;利用最小二乘法拟合表头刻度线和指针.在此基础上提出了利用刻度线示值作为基准值和距离法相结合的识别算法.     

基于投影阈值分割和数字序列校正的高噪声数字仪表图像识别方法

针对数字仪表图像噪声大、图像特征信息不足导致图像识别准确率低的问题,提出了一种基于卷积递归神经网络结合投影阈值分割和数字序列校正的高噪数字仪表图像识别方法。首先,用投影阈值分割二值化算法对图像进行预处理：使用垂直投影法将图像划分为不同区域,根据不同区域的噪声强度自适应设定二值化阈值,对图像进行二值化处理,降低噪声;其次,根据图像之间数字规律变化特点,利用数字序列校正算法将单个数字识别转换为数字序列识别,通过对比不同数字序列的识别概率得出识别结果,解决单张图像特征信息不足导致识别准确率低等问题。实验结果表明,在高噪声数据集上,相较于卷积递归神经网络模型,提出的高噪声数字仪表识别模型在准确率方面提高了约61.95%,达到93.58%。     

鲁棒的掌纹图像特征提取方法

提出了一种基于低分辨率彩色图像的鲁棒的掌纹图像特征提取方法.采用均值平移算法对彩色图像帧中像素进行聚类,应用Ostu二值化方法分割出手掌,并提取出有效掌纹区域.采用KLT角点检测算法提取出有效掌纹区域内的特征点,给每个特征点赋予方向,并根据局部区域特征构造方向不变的特征向量,所有特征点及其特征向量的集合构成了掌纹图像特征.在识别时只须在两个特征点集之间查找匹配对应,并通过随机采样一致性检验最大一致集中内点个数是否大于自适应域值来确定两个手掌是否匹配.利用该算法对网络摄像头采集的手掌样本进行了实验测试,获得了较高的识别精度与性能.该算法对手掌的距离、方向、姿势没有特殊要求,是一种鲁棒高效的掌纹图像特征提取方法.     

一种语义级文本协同图像识别方法

为解决单纯依赖图像低级视觉模态信息进行图像识别准率低的问题. 考虑到许多图像中存在文本信息,提出了利用图像中的文本信息辅助图像识别的语义级文本协同图像识别方法. 该方法通过文本定位方法定位到图像中的文本块,对其进行分割、二值化、提取特征等处理;然后获取语义,提取图像底层视觉信息,计算两模态的相关性,从而得到协同后验概率; 最后,得到联合后验概率,并取其中最大联合后验概率对图像进行识别. 在自建体育视频帧数据库中,通过与以朴素贝叶斯为代表的单模态方法进行比较,方法在3种不同视觉特征下均具有更高的准确率. 实验结果表明,文本协同方法能够有效辅助图像识别,具有更好的识别性能.     

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 Transportation 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,常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),把牌照图像空间分布特性与最大类间方差的统计特性有机结合,大大加快了最大类间方差模式分类速度．与Bernsen、Otsu、LEVBB等算法比较,CASDA具有速度快,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．     

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。     

腐蚀线材的阈值分割算法研究

针对钢材生产销售过程中人工计数费时费力,而引入生产线成本过高的现状,用计算机视觉方法实现在线计数。把边缘灰度变化剧烈的腐蚀线材从多值的图像背景中脱离出来,关键在于二值化处理时阈值的选定.提出一种具体针对线材尤其是腐蚀线材的阈值分割算法。实践表明该方法能从噪声较大的图像中获取良好的目标物体。     

几种阈值分割法在工程图自动识别中的应用

工程图自动识别系统中，首先遇到的问题是工程图的二值化，而二值化中关键的步骤是闽值的选取．根据工程图纸的特点，在众多闲值选取方法中选择逼近迭代闲值选取法作为处理方法，同时与Otsu算法和峰谷阈值算法作了分析和比较．试验结果显示逼近迭代闵值选取法既能提高处理效果又能提高处理速度．     

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.     

基于MODI的验证码识别系统设计与实现

从验证码识别的角度设计并采用VC实现了一种检验验证码安全性的方法。该方法首先对验证码图片进行灰度化、二值化、字符分割、重新排版等预处理,然后调用微软MODI组件完成对验证码图片的识别。通过对多个不同网站批量的验证码图片进行识别,表明该系统对于字符规整易于分割的验证码图片具有较好的识别效果。     

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。