畸变车牌定位与矫正方法研究

算法实现了对畸变车牌的准确定位、矫正并完成分割、识别,结合形态学对HSV模型定位方法进行改进,提升车牌区域粗定位准确性,之后由定位子算法实现对车牌粗定位结果的精确定位。Hough变换获取定位后车牌图像端点信息,以此利用数学方法重构、矫正车牌图像,从而对车牌进行分割与识别。实验证明,本算法对畸变车牌图像矫正效果显著,对提高车牌识别准确率具有重要意义。     

基于小波神经网络和证据理论的零件图像识别的研究

从零件图像的小波分解系数和相对图像边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法.首先,对多源零件图像分别进行小波分解,荻取零件图像的小波分解系数.对零件图像进行小波多尺度边缘检测,将被检测的零件边缘轮廓图像分成若干个区域并分别统计各区域的相对边缘像素系数.然后,多源零件图像的小波分解系数和零件边缘轮廓图像的相对像素系数作为零件图像的特征并作为神经网络的输入,获取多源零件图像识别的基本概率分配.最后,依据证据理论的合成规则得到零件的识别结果.实验结果表明,基本概率分配构造和多源零件图像特征识别的方法是有效的.     

基于边缘检测小波变换的红外与可见光图像融合方法

简要地论述了图像融合中主要的三种像素级融合算法,即简单方法、基于塔形分解以及基于小波分解的融合方法,在现有的红外与可见光图像融合方法之上,提出了以边缘检测为基础的一种小波变换图像融合方法,并对融合效果进行了评价。实验结果表明,经该方法对红外与可见光图像的融合可以提供更多、更有效的信息,提高了图像的分辨效果和人眼对场景目标的发现和识别概率,融合效果较为理想。     

基于小波神经网络和证据理论的零件图像识别的研究

从零件图像的小波分解系数和相对图像边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法。首先,对多源零件图像分别进行小波分解,获取零件图像的小波分解系数。对零件图像进行小波多尺度边缘检测,将被检测的零件边缘轮廓图像分成若干个区域并分别统计各区域的相对边缘像素系数。然后,多源零件图像的小波分解系数和零件边缘轮廓图像的相时像素系数作为零件图像的特征并作为神经网络的输入,获取多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,基本概率分配构造和多源零件图像特征识别的方法是有效的。     

钢板缺陷特征的识别及提取算法研究

应用计算机图像处理理论与模式识别理论,对钢板图像缺陷特征的识别与提取算法进行了深入研究,利用VC 6.0计算机语言编制了相应的处理程序.用图像灰度理论编制了像素搜索算法,对钢板图像上各灰度级像素信息进行了提取,并进行相应的分布概率统计.根据统计结果,推导并利用基于二维直方图Fisher评价函数来处理该钢板图像,应用实践证明该算法程序能较好地满足钢板工业生产需求.     

冷凝器管口图像多目标搜索与定位算法

提出一种基于图像行列像素值累加统计规律的多管口识别与定位算法,可实现对冷凝器管板平面图像中多管口的轮廓识别与质心定位.通过行列像素值累加和求均值进行质心粗略定位,求取管口横纵轴径长,绘制矩形窗口初步筛选出多个待定位的类圆管口目标;针对不同的定位精度要求,采用采样密度可调整的轮廓拟合定位算法,实现对多管口数量统计、采样网格可调的轮廓近似、链码编码和质心定位.实验证明该算法能快速识别图像中的多个管口,通过链码编码完成图像数据压缩,具有较好的准确性.     

基于分层模型与局部复原的多聚焦图像融合方法

针对多聚焦图像融合后清晰像素信息损失较为严重的问题,提出一种分层模型与局部复原相结合的方法。首先,根据源图像模糊区域分布情况,对不同灰度特征源图像进行多尺度分解选取恰当的分层模型,并利用此模型对图像进行初步融合;在此基础上,通过计算对应区域的功率谱曲线斜率以推导图像中局部模糊区域像素值,提高图像融合算法的细节提取能力,再结合维纳滤波策略对其进行恢复,以实现图像清晰融合。最后,利用3个实例验证了该方法的有效性与可行性。     

视觉可量测实景影像的道路交通标志自动检测

提出了一种基于颜色和形状神经网络的视觉可量测实景影像交通标志自动检测算法.该算法设计了2种类型的概率神经网络,一种可以将图像中像素分为黄色、红色、蓝色和其他颜色4类;另一种可以识别三角形、圆形、矩形和倒三角形4种形状.从而先利用颜色识别神经网络对影像进行颜色分割;然后,在分割后的二值图像上利用灰度投影确定交通标志的候选区域;最后,利用中心投影向量和形状识别神经网络,实现候选区域的形状判断和交通标志自动检测.使用车载三维数据采集系统拍摄的视觉可量测实景影像进行了实验,证明了该方法的有效性和鲁棒性.     

基于像素分类的自适应SAR图像融合算法

提高纹理清晰度、保护边缘信息是合成孔径雷达（SAR）图像融合的重要目标。针对该问题,提出了一种基于像素分类的自适应SAR图像融合算法。首先使用canny算子提取图像的边缘并分类,然后利用混合高斯模型和隐马尔可夫树模型对小波系数进行建模;在此基础上使用EM算法求得模型参数,并进一步得到隐状态的概率,也就确定了小波系数的混合高斯分布;接着对两个待融合小波系数不同的类型组合采用不同的融合策略,并以隐状态概率加权;最后通过小波反变换、边缘分类增强获得融合以后的图像。实验结果表明,和传统的融合算法相比,该算法取得了更好的融合效果。     

工业CT图像圆精确测量

圆形结构特征大量存在于工业CT图像中,有效地检测出圆并获得其参数,在图像测量及逆向工程应用中具有重要的意义。利用基于Facet模型的亚像素边缘检测算法检测图像边缘,利用计算圆存在的概率大小识别边缘图像中的圆,实现工业CT图像中圆的检测和参数测量。研究圆存在概率算法特点,通过构造专用链表数据结构存储计算数据、限制计算时圆心选取范围的方法,改进圆存在概率计算效率低、占用内存大的缺点。使用空间分辨力为2.0lp/mm的电子直线加速器工业CT系统,扫描重建出包含10个圆的800*800像素工业CT图像,首先对图像进行基于Facet模型的亚像素边缘检测,然后进行基于存在概率的圆检测和测量。试验结果表明,改进的圆存在概率算法计算效率明显提高,图像中圆参数测量精度优于0.5%。