基于边缘检测和形态学的车牌定位

提出一种基于边缘检测和形态学的新的车牌定位方法。该方法首先对车牌图像进行预处理,然后用Sobel算子进行边缘检测,再用数学形态学进行图像处理,进而根据车牌的先验知识,得到长宽比精确定位的车牌号码,最后使用水平投影和垂直投影来准确定位车牌号码。仿真结果表明该算法速度快、精度高,达到预期效果。     

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.     

Radon变换在倾斜车牌图像校正中的应用

倾斜车牌图像的校正是车牌识别中的重要环节之一.根据Radon变换思想,对三种倾斜方式提出了相应的校正方法.用数学形态学的方法对车牌图像进行边缘检测;利用Radon变换检测车牌倾斜角度,对水平方向进行旋转无损校正,对垂直方向进行双线性插值错位偏移校正.实验结果表明该方法是快速有效的.     

基于小波变换和形态学的织物疵点边缘检测

为了精确确定织物疵点边缘,提出了一种基于小波变换和形态学的织物疵点边缘检测方法.在利用形态学实现疵点检测后,对其进行小波分解,用小波模极大值法和基于数学形态学的算法分别提取高低频子图像的疵点边缘,采用合理的融合规则将两个边缘图像进行融合.实验结果表明,该算法能有效地抑制噪声,且边缘清晰、准确,效果优于经典的边缘检测算法,具有可行性和有效性.     

基于HSV色彩空间与数学形态学的车牌定位研究

车牌识别系统在高速路收费口与住宅小区车库管理中得到越来越多的应用,车牌定位是整个识别系统实现的前提.基于灰度图像的定位方法和基于彩色车牌图像的定位方法,实现效果均不大理想.在充分利用车牌先验信息的基础上,提出基于HSV色彩空间与数学形态学的车牌定位方法.先利用色彩信息对可能包含车牌目标的区域进行过滤,再利用数学形态学技术生成连通区域,判断并生成正确的车牌区域,最后,使用radon变换进行倾斜校正.     

基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法。该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像。然后通过分析噪声（主要是椒盐噪声）污染图像的特点对彩色图像形态学基本算子进行了改进。改进后的算子有很强的抗噪性,可以直接实现边缘检测。实验表明,与传统方法相比,该算法能够更有效地抑制噪声对边缘检测的影响,并较好地保持图像边缘细节。     

遥感影像目标边界提取算法比较

本文对高分辨率遥感影像目标边界提取的方法进行了阐述,分别对Canny边缘检测算子、边界跟踪和数学形态学方法进行了分析与实验,通过实验对比得出,边界跟踪受噪声的影响大,Canny边缘检测算子和数学形态学边缘检测效果较好,但提取出的边界完整度和定位准确度较差.     

用多结构元素实现医学图像边缘检测

为了简单有效的获得医学图像边缘,本文从数学形态学的角度出发,利用多结构元素对不同方向的边缘敏感来保留更多的边缘细节信息,提出了一种改进的形态学边缘检测算法.本文首先将形态学的BTH与WTH运算相结合进行图像增强,再结合开闭运算提出了一种抗噪型的边缘检测算子,对运用多结构元素得到的边缘图像进行累加,最后对该叠加后的边缘图像进行修正得到最终结果.实验证明,该算法在抑制噪声对边缘的影响和保持图像的边缘细节上,均取得了很好的效果,具有一定的实用性.     

基于变差函数的噪声图像的多尺度边缘检测

基于区域化变量理论,针对受噪声污染的图像,本文提出了一种基于变差函数的多尺度边缘检测新方法.该方法根据图像各个不同区域的数据的不同方向的变差函数值来判断该区域是否存在边缘以及边缘的方向性,然后根据该区域边缘的方向性,在水平和垂直方向分别进行不同尺度的小波变换,进而达到在确保边缘定位准确的同时,尽最大可能去除由于噪声以及图像灰度不均匀产生的伪边缘点.仿真实验表明,本文算法在对受高斯白噪声污染较严重的图像进行边缘检测时能有效的去除噪声对图像边缘检测的影响,从而证明了该方法的可行性、有效性.     

复杂环境下的车牌定位方法研究

车牌定位是车牌识别的关键步骤,而由于室外环境的变化,对稳定的车牌定位方法提出较高要求。快速准确的车牌定位能为最终车牌识别提供重要保障。通过提取彩色图像的水平梯度边缘图像,对其进行基于积分图像的二值化,并对图像进行连通域处理,将纹理丰富的车牌区域提取出来。通过实验证明该方法简单有效,能够满足复杂场景的车牌识别需要,具有较强的鲁棒性。     

基于机器视觉的车距检测系统设计

为了探测前车车距,采用机器视觉方式,以 CCD构造单目成像系统采集前车图像,以检测车牌在图像中像素的数量方式实现车距的测量。系统以单目摄像头的成像模型,通过物像位置关系及大小关系,建立车牌图像与车距信息之间的模型;以CCD成像原理,建立车牌图像与传感器像元像素之间的模型。由此构建测距检测算法模型。采用MATLAB软件平台设计人机交互界面,对采集图像进行预处理提高图像的对比度;通过匹配连通域等算法,对车牌进行定位、分割,检测车牌水平方向像素数量;在此基础上,采取小孔成像原理计算车距的大小,并显示在软件平台上。实验证明了本系统能对前车图像进行分析从而计算出车距,该系统对3 m之外的车距检测平均误差为4%。     

一种基于形态学多结构元素的图像边缘检测算法

运用数学形态学的理论和方法,从多结构元素形态学变换的角度出发,利用形态学结构元的自然属性,自适应确定权重,在此基础上采用腐蚀运算构造边缘检测算法,最后将多结构元的检测信息加权求和。实验结果表明,自适应确定权重比平均权重具有更好的图像处理效果,在保持图像边缘清晰的同时,具有很强的去除噪声能力。     

汽车牌照快速定位算法

汽车牌照的快速准确定位是汽车牌照实时自动识别技术中非常关键的一步。本文利用汽车牌照尺寸、字间距、字数和字体统一的纹理特征,提出了基于边缘检测和投影法相结合的牌照定位算法和基于二值化和投影法相结合的牌照定位算法。大量实验结果表明,两种算法都具有快速、简洁实用和跟图象背景的复杂程度相关小的特点。     

基于纹理及小波分析的车牌定位方法

提出了一种基于纹理和小波分析的车牌定位方法。针对图像背景复杂,且车牌所占比例较小的特点,提出了一种确定基元分类阈值的二值化方法;根据车牌字符分布规律,提出了二值纹理基元分析方法,提取车牌候选区域;基于小波分析提取车牌区域竖笔画特征,采用隶属度定量表征车牌竖笔画特征、位置特征及形状特征,给出综合这些特征、从候选区域提取车牌区域的方法。测试结果表明,该方法正确定位率超过96%     

复杂背景下基于HSV空间和模板匹配的车牌识别方法研究

车牌识别技术作为交通管理自动化的重要手段,在交通监视和控制中占有很重要的地位.车牌识别过程可分为车牌定位、车牌校正、字符分割和字符识别四个部分.在车牌定位中,若单纯采用纹理特征或颜色特征来进行定位,往往适用于背景较为简单的场景,对复杂背景的定位效果尚有待改进.在字符分割中,目前单行车牌的分割已比较成熟,但双行车牌的分割仍不理想.提出一种在HSV空间下两次颜色标定和纹理特征相结合的定位方法和一种单双行车牌的字符分割方法.该定位方法利用车牌固定颜色搭配特性,对图片两次标记并利用投影法定位车牌,对200张不同背景图片测试,定位准确率达到98％.在字符分割部分,利用改进的模板匹配方法对字符分割,可适用于单、双行车牌分割,准确率达到95％.