一种自适应车牌识别系统设计方法

基于多种格式车牌的共性,提取车牌图像的纵向边缘,然后根据车牌区边缘灰度跳变和边缘密度等特征,采用一系列步骤去除无效和干扰边缘,保留类车牌特征区域;通过横向形态学运算,使类车牌区闭合,有效克服了形态学结构元素难以随车牌大小变化自适应选取的问题.基于扫描线种子填充算法来搜索车牌区域,利用颜色信息进行反色判断,并基于边缘检测的方法来进行车牌区域二值化,利用形态学和连通域检测方法进行字符的精细切分.对实际场景中大量车牌样本加以验证表明,算法准确率高,对车牌大小自适应性良好,具有较好实用价值.     

一种基于线条分类的视频文字检测算法

提出了一种基于边缘的视频文字检测算法.利用Canny算子对图像进行边缘检测,然后根据文字边缘线条的特征,过滤非字符的边缘线条.最后利用文字线条区域的相似性,设置综合阈值,得到最终的文字区域.实验结果表明该算法不仅对规则排列的文字有较高的查全率.对不规则排列及扭曲的文字也能够准确定位.并对光照、阴影等条件不敏感.     

一种用于网络动画过滤的文字提取方法

网络动画中往往包含丰富的字符信息,如果能够将这些字符信息加以提取和识别,将对网络动画的有效过滤具有重要意义。论文介绍了一种新的基于类边缘文本提取算法及其实现,该算法利用DCT方法提取出字符的类边缘信息,然后采用基于映射方法进行定位。实验结果表明,该方法能够准确、有效地定位和提取网络动画中的文字区域。     

复杂背景下的车牌自动分割方法

车牌分割是汽车牌照自动识别的基础。本文针对含有车牌的灰度图像，利用车牌字符具有明显垂直纹理的特征．提出了一种适合字符纹理特征的边缘检测方法，获取垂直边缘图。根据车牌固有的特征，运用改进的投影算法确定车牌区域。文中详细给出了车牌分割步骤。实验结果表明，在复杂的背景下，该方法能够快速有效地实现车牌自动分割。     

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.     

一种改进的集装箱箱号自动识别系统

针对已有集装箱箱号字符定位、分割、识别算法上的不足,分别提出了基于逆向扫描的箱号区域提取法,基于区域重心的字符定位分割法和基于概率神经网络的字符识别法。用Matlab编程,实现了对集装箱箱号的自动识别,识别正确率可达95%。本文提出的方法具有识别正确率高、算法简单、可靠性好等优点,有望提高码头道口通勤率,降低运营成本。     

一种改进的集装箱箱号自动识别系统

针对已有集装箱箱号字符定位、分割、识别算法上的不足,分别提出了基于逆向扫描的箱号区域提取法,基于区域重心的字符定位分割法和基于概率神经网络的字符识别法。用Matlab编程,实现了对集装箱箱号的自动识别,识别正确率可达95%。本文提出的方法具有识别正确率高、算法简单、可靠性好等优点,有望提高码头道口通勤率,降低运营成本。     

基于纹理特征和颜色匹配的车牌定位方法

在分析车牌定位现有算法的基础上,根据车牌的特点,提出一种新的综合利用车牌纹理特征和边缘颜色对的车牌定位方法.首先根据车牌的纹理特征和结构特点进行粗定位,确定车牌的候选区域,然后对候选车牌区域进行边缘颜色对的检测,根据车牌背景与字符有固定颜色搭配的特点,确定车牌区域.实验结果表明,该算法能有效地对车牌进行定位,提高了车牌定位的可靠性.     

基于Otsu阈值分割的边缘快速图像插值算法

为了满足视频监控、目标检测与识别过程中较高图像质量和较低算法复杂度要求,以及改善传统图像插值中细节模糊和边缘锯齿效应,文中提出一种基于Otsu阈值分割的边缘快速图像插值算法。利用Otsu算法,根据目标区域和背景区域的类方差最大,确定分割阈值,对非边缘区域进行双线性插值,边缘区域利用与待插值点周围6个或8个相邻降采样像素局部结构的多方向特点,自适应估计高分辨率像素值。实验表明,该算法运算复杂度低,很好保持了图像的边缘,获得了视觉质量较好的高分辨率图像。     

强噪声背景下在遥感云图中提取地球圆盘的快速算法

提出一种新的图像边缘提取的快速算法——通过建立马尔可夫预测模型对目标边缘位置进行前向预测，并根据边缘特性，采用最小均方误差分类器进行同步校正，与传统的边缘提取算法相比，该算法具有很强的噪声抑制和实时处理能力，实践表明，该算法对于任何非突变闭合区域均有良好的边缘跟踪特性，已成功应用于航天遥感图像的实时采集和处理系统中。     

一种遥感图像中的道路检测方法

道路是遥感图像的重要特征。提出一种从遥感图像中检测道路目标的方法。首先,进行图像预处理,提取边缘,然后进行图像分块并利用Hough变换进行道路检测。分析了Hough变换的特点,并研究了Hough变换域极值点参数的特点,改进了Hough变换在道路目标检测中的应用。该方法不仅快速地检测机场等严格的线状道路目标,而且对具有一定曲率的道路目标同样有效。     

一种有效的视频文字提取方法

根据文字区域内集中分布着短小的水平垂直边缘,而背景区的边缘则比较粗、比较长的特征,提出一种视频文字提取方法.它使用相关熵二值化和形态学膨胀获得候选文字区,然后提取候选区域的变异直方图,根据该直方图获得精确的文字区.选用不同视频截图实验,结果表明该方法简单,具有较高的正确率、精度和鲁棒性.     

基于直线模型的道路边界识别技术

为了能为汽车实时提供前方道路信息,文中建立了直线道路边界模型,并提出了道路边缘识别算法。通过灰度化、直方图均衡化、滤波,边缘增强与二值化的处理粗略得到图像的边缘,再利用道路边界的邻域特征从图像边缘中识别出道路边界。仿真结果表明,该算法能准确识别出道路的边缘。     

Automatic Image Segmentation by Dynamic Region Growth and Multiresolution Merging

Image segmentation is a fundamental task in many computer vision applications. In this paper, we propose a new unsupervised color image segmentation algorithm, which exploits the information obtained from detecting edges in color images in the CIE L_*a_*b_* color space. To this effect, by using a color gradient detection technique, pixels without edges are clustered and labeled individually to identify some initial portion of the input image content. Elements that contain higher gradient densities are included by the dynamic generation of clusters as the algorithm progresses. Texture modeling is performed by color quantization and local entropy computation of the quantized image. The obtained texture and color information along with a region growth map consisting of all fully grown regions are used to perform a unique multiresolution merging procedure to blend regions with similar characteristics. Experimental results obtained in comparison to published segmentation techniques demonstrate the performance advantages of the proposed method.     

基于数学形态学的灰度图像车牌字符提取算法

在深入研究数学形态学的基础上,提取了一种灰度图像车牌字符提取算法。该算法构造4种结构元素,采用数学形态学的膨胀和腐蚀算子依次求出梯度算子对车牌字符进行边缘检测处理和迭代阈值分割,最后结合数学形态学的区域填充方法弥合字符中的空隙。与传统边缘检测算子相比较,实验结果表明该算法具有较强的提取字符能力和良好的抗噪能力,并保护了字符的边缘。其计算量小,在保证处理效果的同时,保证了处理速度,具有一定的可用性和可行性。     

自适应图像插值的Hermite型混合样条方法

分析了Hermite型插值样条的基本特性,研究了图像放大时边缘区域产生模糊的原因,并考虑到数字图像实时传输的要求,给出了一类新的自适应图像插值算法.　由于采用单核插值以及弹性边界的处理方法,提出的算法计算复杂性较小,且尽可能保持了边缘像素原有特征. 数值模拟与仿真显示该方法比传统方法有更清晰的边界.     

应用特征点的彩色图像边缘检测算法

传统的边缘检测技主要通过全局图像扫描,寻找大于设定阈值的点,然后进行伪边缘点的筛除以及断裂边缘的连接。本文提出了一种基于图像特征点检测与边缘生长相结合的边缘检测算法。该方法将边缘看成一种特殊的区域,使用图像分割中区域生长的原理来生成边缘。首先在图像中寻找特征点作为边缘生长的种子点,然后以边缘梯度响应和区域相似度为生长规则,以层序遍历方式得到图像边缘。仿真结果显示,本文提出的算法可以减少参与比较的像素个数,去孤立的边缘,保证边缘的连续性和单一像素宽度。      

一种新的车牌图像字符分割与识别算法

提出了一种新的字符分割算法,该算法利用由中间向两端搜索的方法确定字符的上下边界,且利用一维循环清零法及先验知识垂直分割得到单个的字符。实验结果表明,该算法较好的解决了以上问题,适用于各种质量的车牌图像,分割的正确率较高。     

Self-affine mapping system and its application to object contourextraction

A self-affine mapping system which has conventionally been used to produce fractal images is used to fit rough lines to contours. The self-affine map's parameters are detected by analyzing the blockwise self-similarity of a grayscale image using a simplified algorithm in fractal encoding. The phenomenon that edges attract mapping points in self-affine mapping is utilized in the proposed method. The boundary of the foreground region of an alpha mask is fitted by mapping iterations of the region. It is shown that the proposed method accurately produces not only smooth curves but also sharp corners, and has the ability to extract both distinct edges and blurred edges using the same parameter. It is also shown that even large gaps between the hand-drawn line and the contour can be fitted well by the recursive procedure of the proposed algorithm, in which the block size is progressively decreased. These features reduce the time required for drawing contours by hand.     

基于Tsallis熵的红外偏振热像分割算法

传统红外热像存在对比度低、边缘模糊等不足而使目标区域分割困难,红外偏振热像能够凸显边缘和轮廓特征,因此在环境监测、军事侦察、工业无损检测等领域得到广泛的应用,但如何进行红外偏振热像分割目前研究较少。为此,本文提出了一种基于Tsallis熵的红外偏振热像分割算法。首先通过Tsallis阈值对偏振方位角热像进行初分割,然后以最小化初分割热像交集与并集误差率优化Tsallis指数,再利用指数优化后的Tsallis阈值对偏振方位角热像进行优化分割并通过连通域检测去除误分割得到二次分割图,最后以二次分割图交集区域为种子区域、并集区域为边界,通过区域生长法得到最终分割热像。实验结果显示,本文算法相对最小Tsallis交叉熵法、Otsu法和模糊聚类法错分区域小,在主观视觉效果和区域间对比度、形状测度评价指标上有较大的改善,能够更准确地分割出目标。