基于同态滤波与改进Bernsen算法的不均匀光照下车牌图像二值化研究.docVIP

基于同态滤波与改良Bernsen算法的不均匀光照下车牌图像二值化研究

赵玲祥

摘要：不均匀光照下的图像二值化是数字图像处理中的一个难题，汽车牌照自动识别系统工作在复杂的光照环境下，经常会出现车牌光照不均的现象，给图像二值化带来困难。为此，提出一种解决方法，首先使用同态滤波去掉车牌图像的不均匀光照的影响，然后使用改良的Bernsen算法对车牌图像进行二值化。实验说明，使用该算法能有效地克服不均匀光照的影响，二值化效果良好,车牌识别率得到显著的提高。

关键词：车牌；图像二值化；同态滤波

基于灰度的车牌图像二值化算法即选择一个适宜的阀值，将车牌背景和字符有效分开。现有的阈值选取技术可以分为全局的和局部的阈值选取方法。全局的阈值选取是指根据整幅图像确定一个阈值。局部阈值选取方法是指将图像划分为假设干子图像，根据每个子图像确定相应的阈值。常用的全局阈值选取方法包括直方图法和最大类间方差法。直方图法是指直接从原图像的灰度分布直方图上确定阈值，包括p-tile法、最频值法和直方图凹面分析法，最大类间方差法即Otsu法。常用的局部域值法有Bernsen法，Chow和Kaneko法，Yanowitz和Bruckstein法，Sauvola法和Pietikainen法。对于目标和背景比拟清楚的图像，全局阈值化方法可以取得较好结果。但是如果图像的背景不均匀，或是目标灰度变化率比拟大，一般就用局部阈