基于半分积分投影的车牌字符快速识别算法

提出了一种用于车牌识别的快速字符识别算法。首先利用半积分投影把大小为W×H的二值化字符图像转化为长度为2(W×H)的一维信号,保留了用于图像识别的关键特征,降低了后续算法的复杂度。然后将投影得到的数据进行离散Harr小波变换,抽取第二层小波变换后的低频系数并送入支持向量机进行训练识别。实验结果表明,所提算法可以使车牌字符的总识别率达到97.60%,平均识别时间为16.2ms,有效地提高了识别速度和精度。     

基于DSP Builder的二维提升小波变换实现

离散小波变换在图像压缩处理中有着重要的作用,并得到了广泛的应用.与传统的基于卷积的架构相比较,基于提升的架构具有需要较少的硬件资源,占用较少的芯片面积等优点.在DSP Builder中实现了基于提升的一维离散小波变换,并通过构造相关的存储器控制逻辑,完成了二维离散小波变换架构的设计.利用该架构对图像进行离散小波变换,与软件变换的结果相比较,并计算出图像的峰值信噪比,验证了其正确性.     

小波变换和神经网络在车牌识别中的应用

介绍了车牌识别的背景、意义和一般实现过程，阐述了小波变换和神经网络的基本理论，详细地分析和论述了小波变换和神经网络在车牌识别四个核心阶段（即图像预处理、车牌定位、字符分割和字符识别）中的应用，最后总结并对两者在车牌识别技术中的应用前景进行了展望。     

基于小波变换的字符图像分割

为了消除明暗不均等低频干扰的影响,将字符成功地从车牌图像中提取出来,提出了基于小波分解的车牌图像分割方法,根据干扰信号与字符信号属于不同频域的特点,利用小波的时频局部化分析能力,在保留字符信息的同时滤除或抑制低频干扰成分。首先采用逐行逐列扫描的方法对图像预处理后的图像进行车牌定位,再利用基于小波变换的阈值分割法对车牌进行字符分割。     

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。     

多级多维离散小波变换的快速提升计算

提升方法是计算离散小波变换的有效手段,它由一系列的提升步和拉伸变换组成.在计算多级和多维离散小波变换时,现有方法在每一次小波分解的过程中都做完整的提升步计算和拉伸变换计算.我们发现该方法存在运算过程的冗余,为此本文提出了一种称之为后拉伸变换的提升方法,基本思想是计算完所有的提升步后,再统一进行拉伸变换.它能减少离散小波变换的乘法运算量.例如,对图像与视频压缩中应用广泛的Daubechies 9/7小波,做一维5级分解时与现有方法相比,乘法运算减少20%,而二维5级分解时,乘法运算减少28%.     

基于小波变换的压电陶瓷动态迟滞特性建模

为了解决压电陶瓷迟滞系统的建模问题,提出了一种新迟滞建模方法--在小波域(时频域)对迟滞特性进行建模.该模型通过一维离散小波变换,实现输入信号从时域到小波域的转换;对转换后得到的小波域元素利用RBF神经网络进行逼近;再通过一维离散小波逆变换,使逼近后的小波域元素重新回到时域,整个变换过程间接地实现了对时域迟滞特性的描述.通过仿真表明,该建模方法是有效的,并具有较高的精度.     

基于Context模型的ECG信号二维压缩

 提出一种基于Context模型的ECG信号二维压缩方案.通过模极大检测和循环匹配识别R波特征,自动构建ECG图像,并根据心动周期信息制作编码数据图,之后对ECG图像进行一维离散小波变换和带截止区均匀量化,量化系数被分解为重要位置图、符号流、最高位位置流和剩余比特流,最后结合编码数据图进行基于Context模型的自适应算术编码.实验针对MIT-BIH心律失常数据库的两个数据集进行压缩.压缩比为20时,新方案的百分均方根误差分别为2.93%、4.31%,低于JPEG2000压缩方案的3.26%、4.8%.结果表明新方案优于其它ECG压缩算法.     

基于小波变换的红外图像滤波

为了提高红外图像的质量,对图像的滤波与增强是必需的,基于小波变换的滤波方法可以在一定程度上将噪声和图像细节分离,从而在基本不损失细节的情况下将噪声滤除.简要介绍了小波、小波变换、小波逆变换、离散二维小波变换和离散二维小波逆变换的基本概念.重点论述了小波变换的实现方法和小波滤波的实现方法.最后通过不同滤波方案的对比说明了基于小波变换的滤波方案的优越性.     

小波变换与神经网络复合的图像清晰度识别研究

基于小波变换与神经网络复合模型的图像清晰度识别方法具有较强的图像边缘特征提取、非线性处理、自适应学习和模式识别能力.提出一种通过神经网络模拟人眼的调焦机制,基于小波变换与神经网络复合模型,实现对图像清晰度评价的方法.利用二维离散小波变换对图像信号的特征进行提取,并对7个小波分量及原始图像做统计处理得到16个统计值,作为图像的特征量供后续的识别分析.构建了5层BP神经网络模型对图像清晰度进行识别,采用可变步长附加动量项的最速下降法调整网络权值.所设计的神经网络首先对由75幅图像组成的训练集合进行训练,再对102幅图像组成的测试集合进行实验验证.结果表明,这是一种相当有效的判别方法,取得了较高的识别率.     

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LabVIEW Vision的车牌识别系统设计

文中设计了一种基于LabVIEW Vision的车牌识别系统。该系统根据车牌颜色在HSL色彩空间上的特征,采用色彩阈值分割、腐蚀等图像处理方法将车辆图像转化成二值图,并在二值图中进行边缘检测,再根据检测到的车牌与背景间的边缘线的信息组建方程组,求出车牌边缘特征点的坐标,以确定车牌在图像中的位置。然后,以车牌在图像中的位置是否在指定区域内作为是否进行车牌识别以及当前车辆图像是否保存为车牌识别输入图像的触发条件。如果条件不满足,则系统将重新采集车辆图像,否则会根据车牌位置抓捕车牌,并采用均匀性度量法等方法对抓捕到的车牌进行二次处理,并将其转化成车牌二值图,再由OCR函数对该图进行字符识别。经实验验证,该系统具有较高的识别精确度与稳定性。     

基于多尺度小波边缘检测的车牌定位研究

车辆牌照的准确定位是车牌识别系统中的关键步骤,利用车牌区域丰富的边缘和纹理信息以及车牌自身的特征,提出一种基于多尺度小波边缘检测的车牌定位方法.该方法能够更好地解决在复杂背景和复杂光照下的车牌定位.首先用图像增强和多尺度小波算子提取出车牌图像的边缘,然后利用数学形态学和连通区域标记的方法对车牌进行初步特征提取去除伪车牌区域,最后采用水平垂直投影法进行车牌的精确定位.实验结果表明,该方法能够实现车牌的快速准确定位,对复杂背景下的车牌具有很好的鲁棒性和实时性.     

车辆牌照字符的提取

车辆牌照字符的提取是牌照自动识别系统中几大关键步骤之一。本文先用小角度Hough变换对倾斜的牌照进行校正，再利用牌照字符的灰度特征，采用基于种子的区域增长方法二值化牌照图像，最后根据车辆牌照的制造标准，提取字符，大量实验证明本文具有很好的结果。     

采用二次定位的车牌图像定位算法研究

提出了一种二次定位的车牌图像定位方法.在第一次定位中首先对车辆图像进行灰度化、边缘检测及直线检测处理,根据车牌区域的特征初步找出包含车牌边框的车牌图像区域;再根据车牌边框对车牌图像进行倾斜校正;在此基础上,对车牌图像采用投影法进行二次定位,最终获得精确的车牌区域.测试证明,提出的二次定位方法能够适应不同背景,对光照、环境及车牌种类不敏感,得到的车牌图像不会包含车牌边框等无用的信息,为后续的车牌字符识别打下良好的基础.     

一种基于灰度图像的车牌快速定位算法

在图像增强的基础上,对得到的二值图像进行处理从而得到特征图像,对特征图像进行水平扫描与垂直投影并结合车牌的先验信息来确定正确的车牌区域,实验结果表明该方法能够正确快速地定位车牌区域。     

车辆牌照识别中车牌定位的研究

车牌定位是车牌识别系统的第一步,也是非常重要的一步,对车辆牌照的特征及几种常用的定位方法进行简要介绍,对车牌图像进行图像预处理之后,用微分算子对图像进行边缘提取,并且针对Sobel算子的缺点用形态学出来进行弥补。根据图像行、列像素点灰度值累加和对车牌图像进行定位,最后给出定位出的车牌图像。