车牌识别系统中反色判断及二值化算法

通过对车牌纹理特征和灰度特征的研究,提出基于车牌字符垂直笔划检测的自适应反色判断算法和基于分块平移的二值化算法,解决目前车牌反色判断适应性不够和对光照不均、对比度低等车牌的快速二值化问题。对自然环境中采集得到的3653例车牌图像数据库进行实验,实验结果表明,反色判断算法的准确率为99.48%,分块二值化方法对阴影、低对比度等干扰具有较好的适应性,两个算法都满足实时性要求,可以应用到实际车牌识别系统中。

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。

车牌图象定位方法的研究与应用

智能车牌识别系统由图象获取、图象定位、数据库管理等几部分组成,图象定位部分在整个系统中的地位非常重要。在分析常用的图象定位方法存在的问题后,提出了一种新的定位车牌的方法即二值化定位方法,具有定位准、实时性强和鲁棒性好等特点。

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。

车牌照识别系统在高速公路中的实施应用

介绍了车牌照识别系统的工作原理、结构组成,并结合高速公路联网收费的特点详细阐述了车牌号识别系统在收费系统中的硬件安装、处理流程等具体应用,同时给出了相关的收费管理模式图、网络拓扑结构图和工作处理流程图。

基于信息粒度的聚类分析及其应用

在处理复杂问题时,通过改变问题所在的粒度空间,不仅可以有效获取对象的特征,而且可去除干扰和非本质属性,使问题易于分析解决。所谓从粒度计算的观点来讨论聚类分析问题,就是认为聚类是在原问题的粒度下(同一问题的最细粒度空间)进行问题分析。为了简化处理,引入不同的聚类相似性函数,其实质就是得到不同粒度空间的等价类。在实际问题求解中,可以根据问题需要取不同相似性函数,以便将问题变换到所需的粒度空间进行处理。为推广其应用,将该思想应用于车牌二值化,提出了基于信息粒度的聚类变换的二值化算法,实现了从彩色3维空间到黑白1维空间的粒度变换。实验结果表明,该算法所得结果更加切合实际图像,不仅具有普适性,而且有利于下一步的识别操作,尤其对于各种斜车牌、光照不均车牌更具有一定的优越性。