基于灰度图像及其纹理特征的车牌定位算法

车牌定位技术是车辆牌照识别系统和智能交通系统的关键技术之一,基于灰度图像的车牌定位算法,通过利用车牌的纹理特征,实现车牌定位.该算法就图像灰度化、灰度拉伸、二值化、边缘增强、水平及垂直投影定位的方法进行了详细阐述,并根据实验结果对算法的准确性进行了说明.     

改进的高低帽变换对固定阈值二值化算法的优化

由于车牌识别系统大多工作在复杂的光照环境中,如何解决不均匀光照对车牌图像的影响仍然是车牌识别领域的一个难题。数学形态学中高低帽变换的重要用途就是校正不均匀光照对图像的影响,但如果直接将其用于车牌图像的二值化处理,因为图像的灰度值变换不大导致部分边缘损失,不仅不利于确定良好的阈值,而且检测结果也不理想。利用高低帽算法的特点,首先用形态学膨胀算法调整结构元素尺度,改进传统高低帽变换的边缘检测算法,然后利用检测图像边缘熵确定权值进行融合,再对其进行固定阈值二值化处理。实验证明这一方法有效提升了车牌图像的边缘灰度,减小了光线不均对车牌图像造成的影响,增强了车牌识别的准确度。     

基于灰度累积投影与边缘图像跳变统计的车牌定位方法的研究

针对交通检测系统中数码相机所拍摄到的图片,提出一种车牌定位方法:首先对图像进行二值化和边缘检测等预处理,然后根据边缘二值图中车牌区域的边缘特征,利用行扫描方法对图像进行灰度累积投影与边缘图像跳变统计,再根据车牌区域的字符纹理特征及灰度值特征确定车牌的水平位置.利用列扫描方法对图像进行灰度累积投影,用形态学的方法对细长线条的过滤,从而达到对车牌进行准确的垂直定位.实验表明,这种方法取得了较好的效果,具有较高的实用性.     

基于改进掩模法的自适应图像增强算法

针对掩模法存在边缘模糊负面效应的问题,提出了一种基于掩模法的新型图像增强算法.该算法利用拉普拉斯微分算子对像素灰度值的不连续性进行量化,根据微分算子对灰度突变的响应强度进行自动调整掩模内的各像素权值.因此,图像的边缘不再变模糊.实验结果表明,该算法既平滑了图像噪声,又锐化了图像边缘.     

基于Ⅱ型模糊集的车辆图像二值化算法

车辆图像二值化是车牌识别系统中一个关键的部分,其性能的好坏直接影响到后续的工作的效果.本文提出了一种新的针对于车辆图像的二值化算法:基于Ⅱ型模糊集的二值化算法,此算法是在Ⅰ型模糊隶属度的基础上,建立了Ⅱ型模糊集,同时基于Ⅰ型隶属度函数的选择,采用灰度遍历搜寻在最小模糊度意义下的最佳灰度值作为分块后的车辆图像的二值化阈值.此算法保持了原有模糊集所具有的鲁棒性,减少了后续工作中图像背景对图像目标的影响,实验结果证明此算法的性能要优于Otsu等二值化算法.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘; 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘； 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

基于边缘检测及灰度跳变的车牌定位算法研究

为了能在复杂背景及不同光照条件下准确地定位出车牌,提出了一种基于边缘检测和灰度跳变的车牌定位算法．该算法首先对获取的图像进行灰度化、图像二值化等预处理操作,提高图像质量,突出车牌信息,接着对车牌图像进行边缘检测,在此基础上采用水平方向和垂直方向上的灰度跳变统计来确定车牌区域的上下边界和左右边界,从而实现车牌定位。实验结果表明,该方法可以比较准确、快速地实现车牌区域的定位．     

基于Otsu算法的车牌图像二值化及其Matlab实现

本文利用Otsu算法二值化车牌图像的技术,给出了Otsu算法的原理,以及对车牌灰度图像进行二值化处理的方法原理;最后用MATLAB来实现车牌图像二值化的效果。     

基于灰度跳变与形态学的车牌定位法

车牌定位是车牌识别系统的关键步骤,定位的准确与否直接影响车牌识别的结果.提出了一种基于灰度跳变与形态学的定位方法.对于车牌候选区的二值图像,根据车牌的水平分布特点,从长宽之比、面积之比等多个方面进行综合分析,从而可以更加精确地对车牌进行识别.实验验证表明,基于该算法的车牌识别系统能够达到较高的车牌识别率.     

边缘点颜色分布结合车牌自身结构的车牌检测

提出了一种基于边缘点颜色分布结合车牌自身结构的二次车牌定位方法。首先,根据牌照区域的纵向纹理特性,提取灰度图像的竖直边缘突出车牌特征,然后计算边缘点的颜色分布,滤除不满足车牌特定颜色搭配的背景边缘点,最后通过形态学运算、滤波、矩形区域覆盖等得到候选目标。在验证模块中,依据车牌的结构特征对候选区域进行验证分类,最终确定车牌位置。本文对实际收集的样本车牌图像进行试验,结果表明,算法对车牌目标定位具有较高的准确率。     

基于MALAB的车牌定位算法研究

利用Matlab工具实现车牌定位算法研究。利用灰度修正，滤波和图像增强等预处理方法。较好地消除了图像的噪音，提高了图像质量。通过对车牌特征的研究，利用边缘检测和扫描方法实现车牌定位。     

基于模糊集的车牌提取方法

利用了车牌的颜色特征与纹理特征,提出一种新的基于模糊集的车牌提取方法.该方法用图像颜色对区域检测、颜色对边缘检测、色度峰值统计及密集小边缘增强,使用模糊集算子综合它们的结果,精确提取出车牌.实验结果表明:对在不同条件下拍摄的图像应用本方法,车牌提取准确率达到98.0%.特别地对光照不均、背景复杂的图像,本方法仍具有很强的鲁棒性.     

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段:首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段:针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。     

像素连接车牌定位技术的研究

车牌定位作为车牌识别的先导部分,其准确性决定了车牌识别系统的可靠性.现有车牌定位技术对融合后的图像进行形态学操作时,存在结构元素大小不易控制,并且若车身有着与车牌同样的颜色,形态学膨胀容易造成两者相连接的问题.针对该问题,提出了像素连接的车牌定位方法,达到较好的车牌识别边缘检测效果.     

基于最大梯度差和边缘搜索的车牌定位方法

车牌定位是车牌识别系统的关键技术,定位的准确与否直接影响车牌识别的结果.为了实现车牌的准确定位及车牌识别,依据车牌区域具有丰富的边缘信息,提出了一种改进的车牌定位算法.利用最大梯度差缩小车牌图像范围和矩形匹配法粗定位车牌,根据搜索车牌的边缘信息来精确定位车牌.实验结果证明了该方法的可行性及定位的准确性,并且比单一使用最大梯度差法的定位准确率有较大的提高.     

车牌字符分割前的颜色预处理

介绍了车牌字符分割前的颜色处理过程．车牌字符分割是车牌识别系统的第二步，是在车牌定位之后进行的，因为定位出的牌照一般来说是彩色的，这些彩色信息对字符分割及最后的识别均没有帮助，所以首先将图像转换成灰度图，然后进行一定范围的灰度拉伸，最后进行二值化，为字符分割做好准备工作．