基于投影法与字符特征的车牌字符分割算法

提出一种结合投影法与车牌字符特征的车牌字符分割算法,先利用投影法对车牌图像进行字符分割,然后对投影结果进行判断,由于干扰投影法分割效果的主要为字符粘连,经过判断,对字符粘连的区域进行字符特征的判定,从而达到最终字符分割的目的。     

基于奇异值分解的车牌特征提取方法研究与实现

研究了基于小波分析的车牌图像定位、分割、大小归一化方法,并分析了奇异值分解算法的数学原理和算法。利用奇异值分解作为代数特征提取方法,获得图像的有效特征描述。以Matlab为开发环境,进行车牌字符的奇异值特征提取,得到车牌字符的奇异值特征,计算具有稳定性,并且有利于将得到的奇异值特征结果可视化,便于对车牌图像的奇异值特征进行分析。该特征能够较好地表达字符图像的细节和结构特征,通过数据和曲线分析,证明车牌字符特征具有较好的可分性。     

车牌识别方法的研究与实现

随着科技的进步,车牌识别系统有了很大的发展。其识别过程大概分为三个过程：车牌定位,字符分割和字符识别。由于在现实中车牌的识别会受到自然原因、人为原因以及图像采集设备的影响,这些会造成字符分割的不准确,从而导致识别的失败。基于此提出了在利用hough变换对车牌进行分割前用小波包变换的多分辨率进行降噪的方法,最后利用KL变换进行车牌字符识别的方法。实验表明其技术在速度和识别率等方面具有很好的效果。     

基于改进模版匹配的车牌字符分割

车牌字符分割是车牌识别系统中的关键技术之一。为了有效地对车牌字符进行分割,提出了一种基于改进模版匹配的新方法,该方法包括车牌区域图像预处理、车牌字符校正、车牌字符去边框处理和改进模版匹配的车牌字符分割处理等四个步骤。与传统的车牌字符分割方法相比,该方法不仅能够在正常条件下对车牌字符有效地进行字符分割,而且还可以有效地解决车牌字符粘贴、车牌字符残缺和车牌字符区域质量差等情况的车牌字符分割问题。实验结果表明,该方法具有算法简单、实时性强和分割效果好等优点。     

基于垂直投影的车牌字符分割方法

车牌的字符分割是车牌识别系统中的重要环节,通过车牌字符的垂直投影可以对字符进行分割,所以可应用于分割车牌图像中的字符。首先对车牌进行图像预处理,提取出车牌的灰度图像;然后根据垂直投影法确定字符边界以及车牌字符的7个投影块;最后结合实际车牌情况,提出了对粘连和断裂字符的处理方法。实验结果表明,该算法能有效的分割出车牌图像中的字符。     

基于数字图像处理的车牌字符分割方法

传统的字符分割方法一般针对单行车牌,本文提出一种针对单行和双行两种结构的车牌字符分割方法。首先进行图像预处理,减少噪声及环境干扰。将车牌图像分为两部分,对前两个字符的部分先垂直投影,再结合先验知识判断进而准确分割;对后五个字符的部分用垂直投影法确定动态阈值并结合连通域分析进行字符分割。实验结果表明,该方法同时适用于单双行结构车牌,对字符粘连断裂的情况也能很好的分割。     

基于一维离散周期小波变换的实时车牌识别方法

利用扫描窗口和一维离散周期小波变换以及BP人工神经网络进行车牌识别.被扫描的图像通过一维离散周期小波变换来选择图像的低频系数,这样可以提高执行车牌识别的速度.文中方法是直接对车牌进行扫描,不对单个字符进行识别,并通过MATLAB编程实现.新方法是一种实时识别,车牌识别的实验结果可高达94.7％.     

基于字符包围盒特征参数的车牌定位分割研究

现有的车牌识别流程中,车牌定位和字符分割关联性较小,有效融合这两个过程可以提高检测的效率。为此,提出了一种基于字符包围盒特征参数的车牌字符定位分割算法。该方法首先使用高斯-拉普拉斯算子对车牌图像进行滤波和边缘检测,在此基础上,使用连通区域分析和轴对齐包围盒检测和表征边缘图像中的连通域,根据车牌字符的分布规律来筛选目标包围盒,最后基于目标包围盒中心点对车牌字符进行倾斜矫正和定位分割。实验结果表明,该方法可以有效地定位车牌和分割字符,准确率可达到93.5%。     

车牌识别系统设计与实现

通过对车牌定位、车牌字符分割和车牌字符识别进行研究,提出了一种车牌识别系统的设计和实验方法。车牌定位模块中,提出了采用基于小波变换的车牌边缘提取和数学形态学相结合的方法定位出车牌,进行二值化、滤波后使用垂直投影法分割出车牌字符,最后使用多模板匹配和二次细分识别相结合的方法识别出车牌字符。经实验验证,基于该算法的车牌识别系统能够达到较高的车牌识别率。     

基于边缘检测的车牌识别算法的实现

针对传统车牌识别的不足,本文提出了基于边缘检测的车牌识别的算法.该算法首先对摄像头获取的车牌图像预处理,去除图像无用信息,然后运用Robert算子检测车牌边缘,并对车牌区域进行图像较正,用高斯滤波法去除噪声并且提取车牌信息特征,接着对车牌区域水平和竖直方向运用触点定位法分割字符,对车牌分割后与相应字符模版匹配,利用预测模型预测识别结果,最后识别出车牌字符.     

基于边缘特征的多传感器图像融合算法

针对传统像素级图像融合方法在低频系数融合中,采用偏袒法和平均法容易导致融合图像出现模糊、对比度下降的问题,结合像素级和特征级融合的优势,提出一种基于边缘特征的图像融合算法。算法对于低频系数,采用区域能量自适应加权的方法;对于高频系数,通过对低频边缘特征的融合以指导其融合。分别对红外与可见光图像和多聚焦图像进行实验,并对融合图像进行主客观评价,实验表明,该算法得到的融合图像具有较好的主观视觉效果和客观量化指标,融合性能优于传统的融合方法。     

小波分析和灰色神经网络融合的光纤陀螺误差建模与补偿

为补偿捷联姿态测量系统中光纤陀螺因外界干扰引起的高频噪声和强漂移,提出一种基于第二代小波变换和灰色Elman神经网络融合的误差建模和补偿方法。采用Allan方差法分析了在外界干扰下的光纤陀螺输出信号,利用第二代提升小波单独重构的方法分离出陀螺误差模型中的漂移误差和白噪声,灰化漂移误差数据后建立了Elman神经网络模型并进行了补偿。实验结果表明,相较于传统的灰色理论模型和单一的Elman神经网络模型,新算法有效滤除了白噪声,并将预测模型的精度提高到96%以上,证实了模型的有效性。     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。     

基于DSP的最优小波包基算法的实现

小波包分析能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高时-频分辨率。为了能在DSP嵌入式设备中应用小波包分析方法进行信号处理,首先讨论小波包分解的过程和最优基及代价函数的选择方法,然后提出一种在DSP上实现香农熵代价函数的小波包分解算法的方法,并在浮点型DSP TMS320C6713B上实现了此算法。最后针对具体的数字信号进行小波包分解和最优基选择的实验,实验结果证明了该方法的正确性和高效性。     

基于小波融合的图像残差金字塔超分辨率研究

提出了基于小波融合的残差金字塔超分辨率方法.算法包括2部分:1) 通过残差金字塔分别估计多幅低分辨率图像的高频信息;2) 对获得的多幅高分辨率图像进行小波融合.图像的低频部分采用能量加权法融合,高频部分采用最大值规则融合,融合后经过小波反变换得到最终的高分辨率图像.研究结果表明,该算法避免了大量的迭代运算,降低了计算复杂度,使大尺寸图像的超分辨率成为可能.     

基于多尺度几何分析的SAR图像融合

在穿墙雷达成像技术中,建筑布局成像对确定墙后人体目标的空间相对位置以及多径虚假目标的提取有重要意义。目前的建筑布局成像一般采用多通道多视角图像融合方法,对此提出一种基于多尺度分析,即基于小波分解下的多通道多视角图像融合算法。该算法分为两个阶段,第一阶段涉及到单视角下的多通道图像融合,该阶段的融合目的主要是为增强图像细节信息和提高图像清晰度。因此对其小波分解后的图像高频分量采用平均梯度增强的加权融合算法,低频分量采用平均加权融合,后经小波反变换后形成多幅单视角图像;第二阶段涉及到多视角融合,该阶段的融合目的主要是为了增强图像的对比度,并且考虑到此阶段不同视角下图像经小波分解后的三个高频分量对比度各不相同,因此高频分量采用对比度增强的加权融合算法,低频分量仍采用平均加权融合,后将融合后的频率分量经小波反变换,便可得到一幅完整融合图像。仿真结果表明,提出的基于小波分解下的多通道多视角图像融合算法不论在图像视觉效果的改善和信噪比的提高等方面都有较大的作用。     

人工鱼群算法优化的小波图像融合

针对甲状腺肿瘤的B超、核素图像和颅腔横断面的CT,MRI图像,提出一种使用人工鱼群算法寻优的小波图像融合方法。利用小波变换将源图像进行小波分解,得到源图像的低频部分和高频部分。低频部分的系数使用加权融合算法进行融合,为使融合结果包含足够的信息量,以综合熵作为适应值对低频部分使用人工鱼群算法进行优化,得到融合系数的最优权值。高频部分的系数采用取绝对值最大的融合规则。通过小波逆变换得到融合图像。实验过程中,分别对这两组医学图像进行融合。客观评价参数表明该算法能够得到更优的融合图像。     

基于公路收费系统的车牌定位与字符分割算法

针对收费站点环境的特殊性,在使用新的边缘检测与图像二值化方法的基础上,提出了仅基于车牌特征信息进行车牌定位与字符分割的算法。经过现场检测,该算法定位与分割准确率较好,且具有很好的鲁棒性,车牌定位准确率为98．7％,字符分割正确率为99％。     

傅里叶变换与小波变换在信号去噪中的应用

对于高频信号和高频噪声干扰相混叠的信号,采用小波变换去除噪声可以避免用傅里叶变换去噪带来的信号折损。对于噪声频率固定的平稳信号,在对信号进行傅里叶变换后使用滤波器滤除噪声。对高频含噪信号则采用正交小波函数sym4对信号分解到第4层,利用极大极小值原则选择合适的阈值进行软阈值处理,最后利用处理后的小波系数进行重构。实验结果表明,对于高频含噪信号傅里叶去噪会出现严重的信号丢失现象,使用极大极小值原则选择阈值进行小波去噪可以有效地保留高频部分的有用信号。     

基于小波域多尺度Retinex的复杂光照的人脸识别

针对Retinex模型在处理光照不均匀图像的不足,提出了组合小波域多尺度Retinex模型(DWT-MSR)和ICA识别方法,并将其用于不同光照下的人脸识别。在二维小波变换后的小波域中,将其低频小波系数变换到对数空间,使用三种不同的高斯滤波系数和对数空间中的小波系数进行卷积运算,将三种标准偏差尺度下得到的结果进行加权平均,采用gain/offset的方法,对输出图像进行灰度值线性拉伸;小波域中其他三种高频系数保持不变,然后再将变换后的低频系数和高频系数作小波反变换,得到的新图像则为小波域多尺度Retinex模型的处理结果,最后使用定点独立分量分析和神经网络进行分类识别。经实验证明,基于该模型的方法在处理不同光照下的人脸图像时,效果明显优于Grey,Hist,SSR,Embossing,MSR,Quotient等常见的光照处理方法。