基于边缘检测的OMR图像倾斜矫正

提出一种基于边缘检测的OMR图像倾斜矫正算法.在纸质文档以图像扫描方式转化成文档图像的过程中,由于传动装置或其他的一些因素不可避免的会造成一定倾斜角度.此算法结合了OMR图像特点对图像进行边缘参考线的检测,仅对符合条件的边缘参考线Hough变换,以此得到整个图像的倾斜角度.此算法改进了传统的Hough图像倾斜矫正算法因计算量过大,导致图像倾斜矫正时间过长的缺点.     

车牌识别系统中车牌定位及倾斜矫正算法研究

为了提高车牌定位的实时性和有效性,利用车牌的几何特征和纹理特征,提出了基于边缘检测和投影法相结合的车牌定位算法.由于车牌图像摄取的特殊性,使得拍到的车牌图像有不同程度的倾斜变形,而倾斜的车牌很难被分割和识别,必须对车牌定位之后的车牌图像进行倾斜矫正,该文给出了基于Radon变换的倾斜矫正算法.实验结果表明该车牌定位算法和倾斜矫正算法都是快速有效的.     

基于数学形态学的汽车牌照提取算法

定位汽车牌照在车牌识别应用中是很关键的一步。提出了一种基于数学形态学的新方法。以车牌宽度和高度、车牌字符高度及字间宽距等信息为依据来设计一种新的结构元,通过对汽车边缘图像进行形态学运算,能从图片中得到包含汽车牌照的候选区域,最后,基于汽车牌照纵宽比等固有特征,采用连通域体态分析,对包含车牌的多个候选区域进行去伪,得到真正车牌区域。通过对大量汽车图片实验,验证了该方法的有效性。     

复杂背景图像中的车牌检测算法

针对在复杂背景图像中汽车牌照检测定位的课题,提出了一种基于可信度评价的汽车牌照检测定位算法。在对图像进行预处理后,算法利用车牌区域由于字符排列的规则性而在梯度图像上产生的特征,分割并提取出车牌可能存在的候选区域,然后根据汽车牌照的几何特征对每一个候选区域进行可信度评价并按一定的合并规则对候选区域进行合并,以获取更高的可信度,最后根据区域可信度值的大小确定车牌的位置。算法对于图像光照条件变化、视角变化而造成的车牌的倾斜和变形等情况都具有较好的处理效果。     

直线拟合方法在瓷砖角点定位中的应用

在基于机器视觉的瓷砖尺寸检测系统中,为了定位瓷砖的角点,在检测到边缘以后,还要对边缘进行拟合。针对Hough变换拟合瓷砖边缘精度不高的问题,将Hough变换与最小二乘法相结合对瓷砖边缘进行拟合。先对边缘点作Hough变换,再取Hough变换得到的直线附近的点作最小二乘法拟合,从而定位角点。实验表明,本方法具有精度高和抗干扰能力强的特点,将其用于实际瓷砖尺寸检测,效果良好。     

改进的倾斜刃边法获取边缘扩展函数

在倾斜刃边法的基础上提出了一种改进的用于获取边缘扩展函数的方法。该方法采用改进的Hough变换获取目标边缘的倾斜角度,用几何投影的思路来获取边缘扩展函数的数据,用5点滤波平滑处理得到了最终的边缘扩展函数。实验通过对理想倾斜刃边图像创建人工模糊,对模糊化后的图像分别用改进的Hought变换和直线拟合计算倾斜角度,并将结果进行对比,验证了该方法的准确性和快速性;再将得到的边缘扩展函数数据用于计算MTF值并与理论值进行对比,验证了本方法获取边缘扩展函数数据的准确性。     

被动测距系统汽车目标提取算法研究

研究了以高速公路为背景的被动测距系统中汽车目标提取算法.该算法在采集图片中检测路面边缘，根据道路区域在图片中呈三角形的特点，提出一种新的边缘检测模板.此模板突出图片中倾斜边缘的特点，抑制垂直和水平边缘.边缘提取后利用Hough变换检测车道边缘并判断测距系统所在的车道，缩小检测区域，并在该车道内分割提取出目标汽车.解决了同一车道内存在两辆或更多车辆时，区分目标汽车与无关汽车的问题.     

基于数字图像处理的条形码识别预处理算法研究

针对以摄像头为图像采集设备获取的条形码图像,研究了几种常见的条形码预处理算法,包括二值化算法、条形码区域的定位算法及条形码的校正算法.对条形码图像中的灰度背景用大津阈值法进行分割;利用形态学腐蚀的方法将条形码区域划分为几个连通域,提取最大连通域即可定位条形码区域,完全滤除其他与条形码识别无关的背景信息;对于有一定倾斜角度的条形码,首先利用Canny边缘检测算子提取条形码的边缘,再结合Hough变换找到条形码水平与竖直的直线及其倾斜角度,将条形码旋转该角度即可得到校正后的边缘识别的条形码图像.实验证明,该预处理算法有较好的处理效果.     

一种基于彩色纹理特征的车牌定位方法

准确快速的车牌定位是汽车牌照自动识别系统的一个重要环节．利用Roberts算子对车牌图像进行边缘检测,根据车牌的彩色纹理特征和灰度跳变特征,提出了一种基于彩色纹理特征的车牌定位新方法,利用采集的80幅车牌图像,在MATLAB环境下进行车牌定位实验,定位准确率达92．5％,实验结果验证了该算法的有效性和鲁棒性．     

Hough变换在汽车车身缝隙检测中的应用

提出通过检测汽车车身缝隙来评定汽车防雨密封性能的方法，利用CCD摄像机拍摄缝隙图像，采集到计算机中，经过图像处理提取缝隙尺寸信息，评定汽车防雨密封性能。该方法中最重要、最复杂的环节是图像处理过程中的缝隙边缘检测，文中主要讨论在图像处理过程中利用Hough变换进行边缘检测，提取缝隙轮廓信息的方法，并且用Maflab6．0编程实现。     

人民币纸币冠字号码字符识别方法研究

以倾斜校正算法和模式识别算法2项核心技术为目标,充分利用霍夫变换法和最小二乘法在直线检测中的优点,采用一种结合霍夫变换法和最小二乘法的直线检测算法来求得人民币纸币图像的边缘直线及边缘直线的倾斜角度参数,并采用图像旋转变换算法实现对原倾斜人民币图像的倾斜校正。采用Hopfield神经网络的联想记忆功能,缩小待识模式与标准模板的差异,再用模板匹配法对Hopfield神经网络的输出结果进行识别,得到最终的识别结果。实验证明,结合Hopfield神经网络和模板匹配法的人民币冠字号码识别方法具备较高的识别率。     

汽车牌照字符识别系统设计

随着交通事业的迅速发展,人工管理方式已不能满足实际的需求,针对这一问题,提出了汽车牌照字符识别系统设计,采用了数字图像处理技术、车牌定位技术、车牌字符分割技术、BP神经网络识别技术来解决车牌字符的识别问题,研究了图像预处理、边缘提取、车牌定位、字符分割、字符识别5部分内容,并给出了BP神经网络实现车牌字符的识别,实验表明,此方法能实现良好的定位精确度和较高的识别率.     

车牌提取方法研究

提出了一种基于模糊边缘检测和纹理特征的牌照提取方法。首先由投影法确定车牌候选区域，然后由12个边缘模板计算每个候选区域中边缘两侧的平均灰度差，并作出灰度梯度的二维直方图。据此确定每个候选区域模糊边缘检测中广义渡越点的值。然后根据车牌区域特点来提取牌照。经测试，该算法简单快速、定位准确，为后继字符分割和识别做了较好的预处理工作。     

基于LabVIEW IMAQ的移动车辆牌照识别

车牌识别是指通过图像处理、模式识别和统计分析等方法从实时车辆图像中提取车牌字符信息,从而确定车辆身份的技术。通过对车牌识别中的图像采集与处理、车牌定位、字符分割和字符识别这4个核心技术的研究,在LabVIEW平台上,利用IMAQ强大的图像处理功能,对USB摄像机获得的实现车牌图像进行格式转换,灰度变换以及二值变换等预处理,将边缘提取与图像投影两种方法相结合精确定位车牌,最后根据特征匹配的方法识别出车牌字符信息。结果表明,基于IMAQ程序可以很好的对车牌图像进行处理,并在平均时间为3s左右情况下完成对车牌字符的识别。     

基于脊波变换的车牌边缘检测

通过分析现有的一些边缘检测方法,针对在复杂环境下对车牌图象进行分割提取这一问题,提出了一种基于脊波变换的边缘检测方法。这种方法以脊波变换为理论基础,具有多方向和多尺度性,能对车牌中的不同方向的边缘特征进行有效的检测。实验表明,该检测方法抗噪声更强,定位更准确。     

基于改进Hough变换的针板孔边缘检测

研究改进随机Hough变换检测针板的安装孔和定位孔边缘,解决常规随机Hough变换检测时针板安装孔、定位孔和送布牙槽边缘相互干扰的问题.采用边缘分离法将针板上的各个孔边缘表示为链表,依照各链表的矩特征量剔除干扰.通过改进的随机Hough变换在各个分离的边缘中检测孔的存在,可以避免针板各个孔边缘之间的相互干扰.实验证明本方法不仅能够检测出针板上的各圆孔边缘,而且可以检测针板的外圆轮廓,可以实现针板孔的非接触测量.     

基于RBF神经网络的车牌自动识别系统设计与实现

车牌自动识别系统分为图像预处理、车牌定位、字符分割、字符识别4步.车牌准确定位是LPR系统中的关键,本文利用形态学变换对图像进行滤波聚类,HOUGH变换方法对车牌图像进行水平校正,基于RBF网络的方法识别字符.在DELPHI 7.0环境下设计开发的车牌自动识别系统,经检验取得满意的效果.