恒锐系统处理偏角运动模糊车牌的方法研究

目的 造成车牌图像模糊的因素很多,典型的因素之一便是运动模糊,利用恒锐痕检/文检图像处理系统,探索研究不同时速、不同拍摄角度下的运动模糊车牌的复原方法,从而得到一幅具有鉴定价值、可供辨认的图像.方法 通过调整恒锐软件中质量改善菜单中的操作方法和具体参数,可以增强模糊车牌图像的质量.结果 实验结果表明,处理后的车牌图像可以辨认出数字号码和英文字母,可以为案件的侦破提供线索.结论 此方法可以作为运动模糊车牌处理的一般方法,为寻找侦查线索提供技术支持.     

基于警用图像处理系统对超分辨率图像重建分析

目的利用识慧图像影音处理系统与警视通图像处理系统对模糊车牌进行清晰化处理,分析对比处理结果和影响因素,为视频处理提供参考。方法分别对相同一段运动车辆视频图像进行分析,截取有效关键帧对图像进行稳定重建和多帧平均,将8帧合成为一帧,使用维纳滤波对车牌进行清晰化处理及稳定重建。选择高斯模糊和运动模糊作为主要清晰化处理手段,通过函数计算与临近像素平均产生结果。结果车牌区域像素分辨率为220×90,在客观数值评判上,峰值信噪比(PSNR)值越高表示画质越清楚。使用MATLAB软件进行仿真计算得PSNR数值,识慧软件和警视通软件处理后的峰值信噪比分别为:18.891 4和18.814 8。结论大量实验发现,PSNR的数值结果与人类直观感受的视觉品质并不完全一致,肉眼的视觉对于误差的敏感度并不是绝对的,其感知结果会受到许多因素的影响而产生变化,尤其公安领域重要在于能否识别车辆信息并不以数据为唯一指标。想要从图像或者运动视频中提取有效信息有一定的条件,整个画面的分辨率达到352×288以上、被处理画面里物体的像素数量尽可能地保证在150×150个以上。     

结合卷积与转置卷积特征的模糊车牌复原方法

深度学习算法在图像去噪领域已经得到了很好的效果;但目前对于深度学习算法在模糊图像复原领域的研究没有更深入的研究。直接应用图像去噪的方法对模糊车牌进行复原实际上可行的,但会产生复原图像细节缺失,时间代价高的缺点。针对这些问题,吸取去噪方法的优点,提出将原始图像信息与转置卷积复原后的图像信息相结合的方法,重新构建了图像复原网络结构;并根据图像特点自定了损失函数。实验通过与已有的方法进行对比说明,提出的复原方法在复原车牌图像质量上和复原效率上都有很好的表现;同时对模糊运动角度与不同噪声具有健壮性;而模糊运动像素越大的图片,复原图像的质量也会下降。     

基于Relief算法的智能车辆牌照模糊识别方法

由于当前已有方法未能对车牌照进行降维处理,导致车牌照识别结果不准确,为此,提出一种基于Relief算法的智能车辆牌照模糊识别方法。采用Relief算法计算不同车牌图像特征的权重系数,对特征集进行降维处理。通过序列视频图像对智能车牌进行增强处理,利用全卷积网络对车牌照显著区域进行检测,粗略提取图像中的显著区域,使用滑动窗方法对候选区域车牌进行精准检测,定位车牌准确位置,加入字符的上下文信息,对字符进行精确检测和识别,最终实现智能车辆牌照模糊识别。仿真实验结果表明,所提方法可获取高精度的车牌照识别结果。     

车牌号识别系统中的车牌图像预处理研究

系统地阐述了车牌号识别系统中车牌图像预处理的几个关键步骤.在传统的图像处理方法的基础上加以创新,经过处理,最后得到比较完美的、没有边框和随机小噪点的车牌图像.提出的车牌图像预处理方法对灰度图像可以达到较好的处理效果.     

基于不同颜色模型对比度校正的水下降质图像处理

光通过水体介质传播过程中的衰减,为水下图像成像带来了一系列的问题.水下目标在成像时会受到海水水质及悬浮物的影响,使采集到的图像变得模糊、对比度下降.文中利用模拟仿真软件对水下图像进行处理,优化出一种基于不同颜色模型对比度修正的自适应直方图水下图像清晰化的有效方法.从实验结果的数据分析可以得出,通过对比度的调整实现了水下图像可视度的增强和图像细节信息的有效放大,由于光照不均匀带来的问题能得到有效缓解.     

基于二值图像的车牌精确定位方法

提出一种基于二值图像灰度变化特征进行车牌精确定位的方法.在车牌粗定位的基础上,对分割出的车牌图像进行二值化,对二值车牌图像进行逐行扫描,利用每一行像素的黑、白跳变规律确定车牌的上下边界;对二值车牌图像进行处理得到特征图像,通过对特征图像进行垂直投影确定车牌左右边界.测试结果表明,该方法精确定位的准确率达到99%.     

基于Matlab平台的运动模糊图像复原研究

目的研究运动模糊图像的模糊参数计算方法,为模糊图像复原提供依据。方法本文以运动模糊图像为研究对象,借助目前流行的数字图像处理系统Matlab,研究运动模糊图像参数中模糊方向和模糊尺度的计算方法,在此基础上对图像进行复原。结果模糊尺度较小时,模糊角度的计算误差稍大;当模糊尺度比较大(大于15像素)时,模糊方向的计算比较准确,而且随着模糊尺度的增大,角度计算精度越来越高;当模糊尺度大于30像素时,模糊角度计算精度很高,误差最大值为1°。模糊尺度计算符合精度要求。在计算模糊参数基础上对运动模糊车牌进行复原。结论运动模糊角度和模糊尺度已经能够通过算法实现鉴别,误差分析的结果也验证了算法的可行性,在模糊图像复原方面具有重要意义。     

基于遗传算法的图像模糊增强的研究

为了实现图像的模糊增强,采用遗传算法得到的模糊参数,选择图像像素灰度的相对等级作为模糊特征,通过模糊映射建立图像的模糊特征平面,采用模糊对比度增强的方法实现图像的增强.实验结果表明采用基于遗传算法的图像模糊增强算法,可以根据不同的图像自动选择最佳的模糊参数,图像质量得到了改善,突出图像的细节,有效地实现了图像的增强效果.     

模糊C-均值聚类法在车牌识别系统中的应用

针对车牌识别系统中的图像存在模糊、噪声干扰等问题,利用改进的模糊C-均值聚类算法来提高图像的分割效果.图像经边缘检测后,根据车牌中字符分布的特点,车牌内部存在着较丰富的边缘.由于边缘处灰度值与车牌中其它部分的灰度值不同,可利用灰度值的变化频率,来实现对车牌定位.实验表明该算法在车牌识别系统中是有效的.     

基于数学形态学的车牌定位算法

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,为了能对汽车牌照精确定位,提出了一种基于数学形态学的车牌定位方法。首先利用中值滤波方法对汽车图像进行消噪处理,然后用迭代阈值选择法将图像进行二值化,并运用数学形态学的膨胀、腐蚀对二值图像进行处理,得到几个车牌候选区,然后利用面积、长宽比以及垂直投影特征值等进行综合分析,准确定位车牌区域。实验结果表明,该方法简单易行、准确率高、并且具有一定实效性,可用于对实际车牌图像的准确定位。     

基于Matlab的车牌字符提取

基于Matlab强大的图像处理功能,首先对采集的车牌图像进行灰度化和去噪预处理,然后利用Sobel算子进行边缘检测,最后依据车牌字符对应的不同L值进行字符提取,得到了较为理想的视觉效果．     

笔划宽度变换直方图在车牌识别中的应用

对于很多车牌识别中使用的算法而言,主要存在两种车牌类型:深色文字浅色背景车牌和浅色文字深色背景车牌。这两种车牌主要是二值化结果不同,进而导致后续字符分割和识别处理的图像类型不同。因此,判断车牌的二值化类型对于车牌识别来说是基础且重要的工作。提出了一种基于字符笔划宽度变换直方图的二值化算法,根据正色图像和反色图像计算比较两者笔划宽度变换直方图的最大值来判别车牌类型。同时,根据判别结果还可以估计笔划宽度,为局部二值化算法的邻域窗口大小的选择提供依据。使用多样式的美国车牌作为实验对象,与其他算法相比,实验结果表明该算法具有更好准确率,但也有更高的复杂度。     

基于波粒去噪的图像清晰化方法

为了应对雾天图像对比度低、能见度低的缺点,提出一种基于波粒重构的雾天图像清晰化方法。采用波粒重构对均衡化后雾天图像进行处理,选取合适的阈值对图像的细节系数增强,经直方图匹配修正得到增强后的雾天图像。实验结果表明:该方法对雾气图片处理后,图像的细节和层次感得到了提高,视觉效果明显改善,是一种有效的雾天图像清晰化方法。     

基于模糊集的车牌特征提取与识别的方法

提出一种新的基于模糊集的车牌特征提取与识别的方法.该方法先利用车牌检测算法初步定位车牌,然后利用车牌的颜色、纹理及形状的模糊特征,在提取目标的多个特征的基础上用模糊隶属度表征各个特征的重要性的方法来选取目标,准确地提取出车牌.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98.8%.特别对于光照不均、背景复杂的图像,本方法具有很强的鲁棒性.     

基于模糊对比度的雾天图像清晰化算法

针对雾天模糊图像对比度低的特点和数学形态学增强后的远景效果不佳的缺点,提出了基于模糊对比度和数学形态学相结合的雾天图像清晰化算法.该算法采用数学形态学中的高低帽变换对模糊图像进行预增强处理,将处理后的图像从空域映射到模糊特征平面,然后利用新定义的模糊域隶属度函数进行模糊对比度增强变换.实验结果表明,采用本算法处理后远近景对比度明显提高,视觉效果也明显改善,图像变得更加清晰.     

车牌图像预处理研究

在汽车牌照自动识别系统中,由于天气或拍摄角度等原因造成车牌图像模糊、倾斜和光照不均等现象,使得车牌的处理非常困难。针对这些问题,本文采用了相应的处理方法,有效地解决了车牌字符预处理中的难题。     

车牌识别中倾斜度调整算法

为减少计算机对车牌图像识别的复杂性，在图像识别前，要对车牌图像进行倾斜度的调整。针对二值化后的车牌图像进行特征分析，利用垂直投影，计算出字符间的距离，根据倾斜车牌和非倾斜车牌垂直投影的字符间距离大小的变化，确定图像的倾斜角度；利用图像旋转的算法，得到非倾斜的图像，从而完成车牌的倾斜度的调整。基于效率的考虑，又提出了该倾斜算法的优化算法。     

笔划宽度变换直方图的车牌识别中的应用

对于很多车牌识别中使用的算法而言,主要存在两种车牌类型：深色文字浅色背景车牌和浅色文字深色背景车牌。这两种车牌主要是二值化结果不同,进而导致后续字符分割和识别处理的图像类型不同。因此,判断车牌的二值化类型对于车牌识别来说是基础且重要的工作。本文提出了一种基于字符笔划宽度变换直方图的二值化算法,根据正色图像和反色图像计算比较两者笔划宽度变换直方图的最大值来判别车牌类型。同时,根据判别结果还可以估计笔划宽度,为局部二值化算法的邻域窗口大小的选择提供依据。我们使用多样式的美国车牌作为实验对象,与其他算法相比,实验结果表明该算法具有更好准确率,但也有更高的复杂度。     

基于云计算的汽车车牌自动识别系统

采用云计算的方法将汉字的笔画引入汽车车牌识别系统中,通过提取运动汽车的车牌图像,对车牌字符进行准确识别与输出.该识别系统识别准确、效率高,不仅可以准确有效识别汽车车牌,而且可以通过云计算进行数据的后期处理并实现输出结果资源共享,为实现交通智能化管理提供帮助.