用于飞行员视觉增强的快速红外图像增强方法

提出了一种基于图像分块并行处理的快速的红外图像增强的方法.在对图像进行分块并行处理的基础上,综合利用改进的中值滤波算法、快速Sobel边缘检测算法、自适应权值的加权平均图像融合算法对红外图像进行快速处理.改进的中值滤波算法效果好于MTM算法,自适应权值的加权平均图像融合算法比基于区域对比度的权值选择法更好地抑制噪声,对...     

自适应Canny算法的植物叶片图像边缘检测应用

研究一种自适应阈值的Canny算法并应用在植物叶片图像边缘检测上,利用中值滤波替换掉经典Canny算法里的高斯滤波,将通过梯度方向进行非极大值抑制,而后采用OSTU方法计算高低阈值并连接边缘,从而实现自适应植物图像边缘检测。实验结果表明,该方法能对叶片图像自适应检测,且检测边缘清晰连贯,能较好突出叶片边缘特征。     

自适应Canny算法的植物叶片图像边缘检测应用

研究一种自适应阈值的Canny算法并应用在植物叶片图像边缘检测上,利用中值滤波替换掉经典Canny算法里的高斯滤波,将通过梯度方向进行非极大值抑制,而后采用OSTU方法计算高低阈值并连接边缘,从而实现自适应植物图像边缘检测。实验结果表明,该方法能对叶片图像自适应检测,且检测边缘清晰连贯,能较好突出叶片边缘特征。     

基于自适应加权中值滤波的二维Otsu图像分割算法

为解决传统二维Otsu算法在含噪声较多的图像应用中分割效果较差这一问题,提出一种基于自适应加权中值滤波的二维Otsu图像分割算法.该算法首先利用一种新的自适应加权中值滤波对噪声图像中值滤波;然后将中值图像的二维直方图区域划分由四分法改为二分法;最后利用改进的二维Otsu算法对图像作精确分割.实验结果表明,该算法对灰度噪声图像具有更强的抗噪性且分割效果也更为理想.     

基于DCT域的公路车牌定位算法

车牌定位是将车牌区域从车辆图像中分割出来,是车牌识别的基础.本算法首先通过对图像进行离散余弦变换(DCT),得到DCT系数,之后计算提取出一种基于加权频率的新特征,采用自适应阈值法,实现车牌区、非车牌区的快速分割,再经平滑滤波之后,利用投影法实现车牌区域的定位.实验结果表明该算法准确率较高,有利于实现复杂背景中车牌区的快速定位.     

基于改进Sobel算法的实时边缘检测系统

针对传统的Sobel边缘检测算存在对噪声敏感和缺乏自适应能力等缺点,提出了一种结合中值滤波与自适应阈值的改进So-bel边缘检测算法。并使用Verilog HDL语言在FPGA上实现了基于该算法的实时边缘检测系统。实验结果表明,该系统对环境有很强的适应能力,能够实时有效地提取出图像边缘。     

基于灰度图像的车牌快速定位和分割方法

基于灰度图像水平差分和垂直差分图像的相关特点，提出了一种能在复杂交通背景下实现车牌快速定位和分割的方法。该方法首先通过中值滤波对图像滤噪并进行直方图均衡化处理；然后运用一种水平差分和自适应阈值方法对图像进行二值化，接着在对所得二值图像存水平方向作形态学膨胀运算后，对其垂直、水下方向的扫描线长度先后进行滤波处理而粗分割出车牌的候选区域；最后通过车牌垂商差分图像在竖直方阳扫描投影的相关特征对所得候选区域进行筛选，得到车牌在水平和垂直方向的精确位置。该方法对于图像背景复杂度和车牌在图像中的位置限制较少，而且实现简单，定位速度较快，是一种简单、高技的车牌定位方法，实验结果证明了该方法的有效性。     

图像脉冲噪声滤波算法

针对低噪声污染图像提出了一种改进的中值滤波算法.该算法通过计算滑动窗口内的像素均值和方差,根据数理统计特性,自适应选定阈值,对符合噪声条件的像素进行初次滤除,然后采用开关中值滤波算法对不符合条件的像素再次滤波.实验结果表明,该算法既能有效地去除噪声,又能清晰地保持图像边缘,降低了传统改进型中值滤波算法对阚值的依赖性和对图像边缘细节的损害程度,且滤波性能优于一些典型改进型中值滤波算法.     

基于改进Canny算法的图像边缘检测

鉴于传统Canny边缘检测算法在高斯滤波方差和高低阈值选取上需要人工干预,不具备自适应能力。文章提出了一种通过迭代分割求取最佳高、低阈值的方法,改善了人为设定阈值自适应性不强的缺点,提高了边缘定位的精度。与此同时,还将检测结果与原Canny、Sobel和Log等边缘检测算子对图像的处理结果进行了比较,实验结果表明,采用改进的Canny边缘检测算法可以得到较为完整、清晰的边缘轮廓,具有更好的检测精度和准确度。     

中值滤波和边缘检测技术在复杂背景图像分割中的应用

本文针对中值滤波和边缘检测技术在背景复杂的灰度图像分割中的应用进行了研究,采用了一种基于中值滤波、Sobel算子和数学形态学相结合的边缘检测算法,比传统的边缘检测能更有效地抑制噪声,提高边缘检测精度,具有更好的边缘提取效果和边缘连续性,着重研究了其基本思想,并给出了相应的仿真结果.     

基于扩展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,目前车牌定位的方法多种多样,各有所长,但存在着计算量大或定位准确率不高等问题。边缘检测是常用的车牌定位方法,边缘检测的质量决定了车牌图像的最终定位结果。一般人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘检测带来了困难。根据数学形态学原理与方法,提出一种扩展数学形态学车牌图像边缘检测算子,并结合水平和垂直投影进行车牌定位。实验结果表明,该算法不仅能成功提取车牌图像边缘,而且能很好地滤除噪声,从而实现准确车牌定位。     

一种基于机器学习的车牌识别系统的设计

以车牌识别的实用性为目的,设计一种鲁棒的车牌识别系统。首先提出了Sobel-Color算法,以Sobel边缘和颜色两种特征进行车牌定位,并结合MSER算法,设计了一种可靠的车牌定位方法来获取候选车牌区域,然后采用SVM算法对候选车牌区域进行车牌判断;最后根据车牌特征设计了一种车牌字符分割算法,能正确分割车牌的各个字符,并有效地去除车牌边缘部分的虚假字符,又根据分割出的车牌字符特征对LeNet-5深度网络模型进行改进,然后采用改进的LeNet-5网络对车牌字符进行识别。对设计的车牌识别系统进行了正常条件测试、恶劣条件测试以及效率测试等实验,实验结果表明设计的车牌定位和车牌判断方法具有较高的可靠性,车牌字符识别具有较高的准确率,因而设计的车牌识别系统具有较好的鲁棒性和实用性。     

基于边缘检测和颜色纹理直方图的车牌定位方法

针对已有车牌定位算法在分辨率高、背景复杂图像上存在准确率下降的问题,提出了一种基于边缘检测和颜色纹理直方图的车牌定位算法。该定位算法分为两个阶段：首先利用结合了Canny和Sobel算法的改进边缘检测算法提取图像的垂直边缘,并结合滤波、投影等方法进行车牌粗定位;然后提取候选区域的颜色纹理直方图,与训练好的分类器进行匹配,实现车牌的精确定位。实验表明,该方法对于背景复杂、光照不均等情况均有良好的鲁棒性,在白天和晚上都能取得较好的定位效果。     

Sobel算法在车牌识别系统中的改进与实现

经典Sobel算法是图像边缘检测中常用的方法之一,但在车牌识别系统中也检测出了很多的噪声点和造成了车牌字符的断裂,加大了后期车牌提取和字符识别的难度,降低了车牌定位的精确度。针对车牌识别系统,对Sobel算子进行了改进,在实际运行中取得了良好的车牌定位效果和很强的抗干扰能力,并能在最大程度上保持字符的完整性。     

基于三次样条插值的亚象素边缘检测算法

文章将灰阶Sobel算子、中值滤波、三次样条插值和边缘细化算法相结合而提出的一种新图像边缘检测算法,该算法在实际应用中具有较好的边缘检测效果,不但能使目标的边缘连续、光滑,而且其几何形状和大小与实际目标更接近,有效地解决了模糊图像边缘检测的问题,并使得边缘定位的精度提高到亚象素级。     

基于梯度与形态学的低质量车牌定位

针对低质量车牌的定位问题,提出一种水平梯度信息和数学形态学操作相结合的定位方法。利用自适应梯度图阈值分割算法分割出车牌部分的梯度信息;通过形态学和区域合并操作得到连通的候选区域;结合车牌自身特点进行区域搜索,粗定位出车牌;用扫描线法去除边框,实现车牌的精确定位。实验结果表明,该方法对光线昏暗、噪声严重、车牌区域污损、倾斜等条件下的车牌定位具有较强的鲁棒性,能满足实际交通场景中的车牌定位需求。     

基于模糊边缘检测算法的车牌定位

车牌定位是自动车牌识别系统的一个关键步骤,车牌定位结果直接影响对车牌的最终识别效果。因此为了保证实际应用中车牌的识别准确率,文中提出了一种新的车牌定位算法,该算法利用一种改进的快速模糊边缘检测算法来进行车牌图像的边缘检测,得到整个原车牌图像的边缘图像,然后基于边缘图像的丰富的边缘信息设计一个高效、准确的车牌区域定位算法,检测出车牌区域。实验结果表明:算法定位速度较快、准确度较高,具有良好的应用前景。     

基于CNN彩色图像边缘检测的车牌定位方法

针对现有车牌定位算法准确率不高、步骤多和速度慢等问题, 提出一种彩色图像车牌定位方法(License plate locating based on CNN color edge detection, LPLCCED). 首先利用细胞神经网络(Cell neural network, CNN)模型导出一种与车牌颜色特征相结合的车牌定位专用边缘检测算法, 将车牌的颜色对约束条件融合到边缘检测算法中, 本文专用边缘检测算法可以大大缩小车牌初步定位的范围. 接下来提出一种针对车牌特征的边缘滤波算法, 最后根据车牌结构和纹理特征对候选区域进行判别验证. 该流程的各个环节都可以通过硬件实现, 为面向智能交通领域的实时车牌识别系统的前期车牌定位处理提供了依据.     

边缘特性筛选与多判定机制下的车牌定位方法

针对复杂背景下的车牌定位,利用目标区域的边缘梯度特性筛选出车牌边缘;选取合适的结构元素做数学形态学填充,得到车牌候选区域;融合车牌灰度纹理特征与颜色特征通过多判定机制剔除伪车牌区域,实现车牌的准确定位;通过实验对大量实拍的复杂背景下的车辆图像进行测试。结果表明,该方法准确率高、速度快,克服了传统算法对拍摄环境、光照条件、颜色、角度等较为敏感的问题,具有良好的定位效果。     

基于数学形态学和颜色特征的车牌定位方法

为了解决单一车牌定位算法在复杂背景中定位效果不理想的现状,提出一种数学 形态学和颜色特征相结合的算法对车牌进行定位。首先利用最大类间方差法(Ostu 算法)找到一 个最佳的阈值,根据所得阈值把得到的灰度图像二值化,然后采用一种改进的数学形态学算法 对图像进行边缘检测,最终结合数学形态学和车牌颜色特征进行准确定位。实验表明该算法明 显优于传统或单一的车牌定位方法,定位准确率高,对背景限制少,应用范围广。