基于边缘算子的车牌图像二值化方法

提出一种基于Canny边缘算子的车牌图像二值化方法。该方法综合考虑了边缘信息和灰度信息，根据与边缘像素点相邻的像素点的灰度值变化特点，得到图像的高、低阈值，综合利用高、低阈值对原灰度图像进行二值化。实验表明，此方法对于车牌图像的二值化处理有令人满意的效果。     

图像处理系统在网上阅卷中的作用

该文讨论了图像处理系统在网上阅卷中的作用,对图像处理系统中图像灰度化,二值化,去除噪声,图像分割等关键步骤进行了分析。灰度化过程中采用彩色模型转换的方法得到灰度图,二值化过程中采用阈值方法得到二值图像,去除噪声采用中值滤波方法,大大加快了图像处理速度,减少了运算时间,并采用MATLAB编程实现了图像分割。     

一种基于投影算子的二值图像处理算法

二值图像的处理是图像内容分析领域的一个关键环节,处理效果严重影响图像分析的结果.以历史文档为处理对象,提出了基于投影的二值图像处理算法,通过对投影数组的处理实现灰度图像二值化阈值的合理选取、文档外边框的自动检测和图像污点的自动检测.实践证明该算法处理效果好,时间复杂度和空间复杂度低,是一种切实可行的好方法.     

边沿检测与噪声消除方法研究

应用灰度台阶的概念,对二值图像和灰度图像的噪声与边沿的特征进行分析,给出边沿与噪声的本质特征,并给出区分噪声与边沿的函数关系式,据此公式,可以比较简单地进行边沿检测与噪声消除。     

结合Canny算子的图像二值化

对经典的二值化方法Ostu算法和Bernsen算法中存在的缺点进行了分析,提出一种结合Canny算子的图像二值化方法,该方法综合考虑了边缘信息和灰度信息,通过边缘附近种子点在高阈值二值化图像中的填充和低阈值图像对它的修补而得到二值化结果图像,较好地解决了经典二值化方法中存在的抗噪能力差、边缘粗糙、伪影现象等缺点,实验结果证明,该方法能够较好地解决低对比度图像和目标像素灰度不均匀图像的二值化问题。     

车牌字符识别的预处理算法

文章介绍了车牌图像的二值化和字符分割算法。提出了一种图像二值化的改进算法,应用简单统计法及Roberts边缘检测算子,在具有噪声以及灰度不均匀的复杂背景中提取出待识别的字符,同时运用数学形态学进行二值图去噪。最后讨论了基于投影法的车牌字符分割方法,取得了较满意的结果。     

基于大津法的图像分块二值化算法

本文对灰度图像二值化的方法进行研究,提出了一种新的以大津法为基础的图像分块二值化方法.通过对采集到的火车轮字符进行实验,结果表明了这种新的二值化方法在不均匀光照、图像模糊的情况下能很好地对图像目标(字符)进行分割,该方法的思想可以推广到对一般灰度图像的二值化中去.     

边界跟踪与序贯算法在二值连通区域标记中的应用

1 引言在工业检测中图像处理应用大多都是图像识别,其输入图像为灰阶图像,然后进行边缘检测、图像分割、目标识别等一系列有效的图像处理。在最终的处理结果中一般都归结为对二值图像的处理,二值图像是只具有两个灰阶的图像,它是数字图像的一种简单形式。为了简单起见,图像处理的各种方法无非是采用各种算法将目标特征以二值图像的形式表现出来,再对二值图像这种简单的图像形式进行分析、判断得出结论。对二值图像进行标记是二值图像分析处理的一个重要方面,如在工业检测中要求得到被检测目标的结构特征(位置坐标、周长、面积、长、宽等),如图1.a是带有氧化点的铜箔基板图像,图1.b是二值化后的氧化点图像。在生产过程中带有氧化点的基板产品是不允许出厂的,但氧化点的特征参数也是必需的,这包括氧化点的方位坐标、面积、长和宽等,以确定氧     

基于形态学的图像二值化方法

提出了一种自适应图像二值化方法，它基于数学形态学理论，求取彩色图像边缘特征，并将它与灰度直方图二值化方法相结合，实验表明，这一算法能较好地保留原图像中的特征，二值化后的图像效果不错。     

基于边缘自相似特征的遥感图像边缘检测算法

据分形理论可知，物体或物体各组成部分的边缘应具有自似性，图像边缘上的像素应具有较大的灰度化值和自相似系数。本基于这种思想，提出了一种结合边缘自相似特征和图像灰度梯度变化进行边缘检测的新算法，并利用该算法对试验图像进行了边缘检测试验。试验结果表明，该算法有效地提取图像边缘，且对含有噪声的遥感图像仍能提取较为丰富的边缘细节，具有一定的抗噪声性能。这对于含有噪声的遥感图像边缘所取与检测，尤其是雷达遥感图像，具有一定的实用价值。     

基于几何特征的灵武长枣图像分割算法

智能采摘机器人在采摘灵武长枣果实时，其视觉系统采集的目标图像中，目标在自然场景下存在粘连、遮挡、重叠、阴影等问题，造成在图像目标识别时的误识对象问题，这对智能采摘是极其不利的。针对这一问题，提出了一种基于几何特征的灵武长枣图像分割的算法。根据灵武长枣的外形接近椭圆的特征，通过大量统计灵武长枣果实的外形特征数据，建立基于灵武长枣外形的几何模型。通过一系列图像预处理获得二值图像，再利用形态学变换进行连续腐蚀得到目标物的相对质心点位并标记，以确定目标物个数。以标记的质心作为模型的中心，在变换后的二值图像中建立该几何模型，利用所建立模型的边界曲线拟合出灵武长枣图像中目标物的分割线，从而实现灵武长枣图像的分割。实验结果表明，该方法能够简便快捷地解决图像目标物之间的粘连、阴影问题，并能保证高准确率。对于果实粘连较轻的图像，其分割准确率可达到92.31%。     

利用VC实现真彩色位图到灰度图的转换

给出了一种真彩色位图到灰度位图的转换方法 ,该方法采用创建好灰度图像调色板 ,让系统自动按照最接近的调色板颜色去转换 2 4位真彩色位图。结果表明 ,转换后的图像能保留原图像的除去颜色以外的所有信息 ,且磁盘存储容量缩小了 2 /3。     

基于轮廓与SIFT特征组合的商标图像检索

针对单一特征对商标图像描述的局限性,提出了一种基于轮廓和SIFT特征组合的商标图像检索方法。该方法对二值化的商标图像进行轮廓提取,采用规则算法对其进行轮廓分解,对分解的参考点集进行Fourier变换,将得到的Fourier系数作为参考点的轮廓特征。针对商标图像的尺度空间进行极值点检测,并对检测到的极值点进行特征描述,该特征描述即为商标图像的SIFT特征描述。最后,SIFT特征与轮廓特征进行特征融合,并将融合后的组合特征作为对商标图像的特征描述。     

一种虹膜图像的质量评价算法

在虹膜识别系统中,质量较差的虹膜图像可能被系统拒识,导致身份识别或身份认证的失败。因此有必要在虹膜图像的采集端引入质量评价环节,从虹膜图像采集仪输出的视频序列中挑选出符合识别系统要求的虹膜图像。首先提出了一种快速的基于连通域分析的瞳孔定位方法,然后在此基础上,针对具有散焦模糊和眼皮睫毛遮挡的虹膜图像,提出了一种分步式的虹膜图像质量评价算法。实验结果表明,该算法能够有效地筛选出符合要求的虹膜图像。     

量子衍生图像边缘检测方法

利用量子比特表示图像像素的灰度,用双量子位叠加态来描述两像素之间的关联,通过线性厄米算符在该量子叠加态中的平均值来判断像素的边缘特征,由此建立了一种新的图像边缘检测方法,并从概率论的角度对该方法的合理性给予解释。理论和计算机仿真结果均表明该方法具有视觉补偿功能,能检测出图像中高亮度和低亮度区域的灰度微弱变化引起的边缘效应。     

Adaptive picking of microseismic event arrival using a power spectrum envelope

An automatic, adaptive, spectrogram-based algorithm for picking the arrival time of microseismic data is proposed. The algorithm provides a significant improvement in the ratio of detected events to false triggers and in the resolution of the microseismic structure. It mainly addresses the problem of automatic picking when the signal-to-noise ratio (S/N) is low and so false and missed triggers frequently occur. It combines the short time average/long time average (STA/LTA) algorithm with an envelope algorithm. It also constructs an envelope from a time-frequency representation of the signal. The threshold is set dynamically, according to the existing noise level and the S/N ratio. The algorithm also uses the fixed LTA value to represent the noise level for a seismic record. It is applied to pick the arrival times of P-waves of local events recorded at eight stations.     

一种新的自适应二值化方法

提出了一种新的自适应二值化方法。基于解决全局二值化方法分割图像的整体轮廓和细节不能兼顾的问题，首先，提取图像细节部分区域作为子象块，并对每一块小区域进行全局二值化；然后，再对整个图像进行全局二值化。由于这些区域非常小。区域二值化对全局二值化的结果的影响可以忽略不计。另外，提出了利用边缘提取后的图像作为提取区域的依据。实践证明，这种二值化方法能够取得非常好的效果，并且具有相当强的场景适应能力。     

New image matching technique based on hyper-vectorisation of grey level sliced binary image

Image matching is an important area of research in the field of artificial intelligence, machine vision and visual navigation. A new image matching scheme in which grey scale images are quantised to form sub-band binary images is presented. The information in the binary images is then signaturised and the signatures are sorted as per significance. These sorted signatures are then normalised to transform the represented image pictorial features in the form of a hyper-dimensional vector cluster. For the image matching, the two clusters from both the images are compared in the transformed domain. This comparison yields efficient results directly in the image spatial domain avoiding the need of image inverse transformation for the interpretation of results. As compared with the conventional techniques, this comparison avoids the wide range of square error calculations all over the image. It also directly guides the solution in an iterative fashion to converge towards the true match point. The process of signaturisation is based on image local features and is moulded in a way to support the scale and rotation-invariant template matching as well. A four-dimensional solution population scheme has also been presented with an associated matching confidence factor. This factor helps in terminating the iterations when the essential matching conditions have been achieved. The proposed scheme gives robust and fast results for normal, scaled and rotated templates. Speed comparison with older techniques shows the computational viability of this new technique and its much lesser dependence on image size. The method also shows noise immunity at 30 dB additive white Gaussian noise and impulsive noise.     

Automatic detection and picking of P-wave arrival in locally stationary noise using cross-correlation

Accurate picking of seismic wave arrivals plays a central role in many seismic studies. Nowadays, automatic-picking schemes are indispensable due to the large amount of digital data recorded by wide seismic networks and the need for rapid analysis. The increase of computer power allows the development of more sophisticated algorithms. Many of these algorithms are based on finding change in power, envelope, or statistical properties of the seismic signal in time or frequency domain. But, they have often ignored kind and characteristics of seismic background noise at each recording site. Such information may improve the detector and picker performance if it is taken into account. The aim of this study is to propose a method for picking the arrival of the P-wave in locally stationary seismic background noise. In fact, through analysis of background noise, we have found that it shows local regularity at seismically quiet sites. Therefore, if the background noise satisfies local stationarity, it is evident that occurrence of a seismic event will violate this stationarity. The transition from stationarity to non-stationarity is exploited to pick the P-arrival. To quantify the degree of signal stationarity, we use the normalized cross-correlation function. This method can detect and pick changes both in frequency and amplitude. Thus, it provides robust detection and picking of P-phase onsets even when the signal-to-noise ratio is low. Experimental results on real seismic data, consisting of local seismic events of different signal-to-noise ratios, and comparison with commonly used methods in practice demonstrate the reliable performance of the proposed method.     

基于图像融合技术的Retinex图像增强算法

针对单尺度Retinex图像增强算法存在的光晕现象和图像泛灰问题,提出一种基于图像融合技术的Retinex图像增强算法。针对光晕现象,使用高斯加权双边滤波代替单尺度Retinex算法中的高斯核函数估计光照图像,能够有效去除光晕现象。针对图像泛灰问题,引入图像融合的思想。首先,采用非线性变换拉伸反射图像,并通过Otsu阈值分割算法确定图像的亮、暗区域;然后,以信息熵为标准,通过调整非线性变换的参数来获得亮区域最优图像和暗区域最优图像,并将原始图像、亮区域最优图像和暗区域最优图像采用分块融合的方法进行融合;最后,为克服图像分块融合算法的块效应,在融合过程中加入一致性校验。实验结果表明,新算法能够充分获得图像的细节信息,同时有效去除光晕现象、改善图像泛灰的不足。相比于单尺度Retinex算法、基于双边滤波的Retinex算法、直方图均衡算法以及反锐化掩膜算法,新算法的图像增强能力具有显著的提升。