虹膜图像内外边缘定位算法研究

虹膜定位是虹膜识别过程中的重要环节,定位的速度和精度决定了整个虹膜识别系统的性能,精确的虹膜定位是有效进行虹膜识别的前提,所以一种简洁有效的虹膜定位算法是至关重要的。针对现有的虹膜定位算法的局限性,提出了一种新的虹膜定位算法。首先从虹膜图像的灰度直方图入手,分析虹膜图像的结构及其灰度分布,先用二值化的方法分离出瞳孔,再用数学形态学方法对其进行膨胀和腐蚀运算,然后确定瞳孔的圆心和半径,对内边缘进行精确定位。利用虹膜定位的先验知识,在缩小搜索范围的基础上,再用形态学算法与新的Hough变换相结合来进行虹膜图像外边缘的定位,确定外圆圆心及半径。实验结果证明了该算法的有效性和可行性。     

基于数学形态学的车牌定位研究

车牌定位研究是车牌识别的基础,是智能交通系统的重要组成部分。数学形态学是建立在集合代数基础上,应用于图像处理上可以简化图像处理,可提高车牌定位的图像分析和处理的速度。文章研究了数学形态学的理论,将数学形态学用于车牌定位,并在实验中验证了有效性。     

一种快速的虹膜定位算法

针对虹膜定位存在速度慢,外边缘模糊导致提取困难等问题,提出一种利用灰度直方图增强对比度,粗定位与精定位结合的三步定位算法。首先利用灰度投影粗定位出瞳孔圆心,再根据灰度直方图将图像二值化后,用算子提取边缘,然后通过粗略搜索缩小搜索范围,最后实现精确定位。试验表明,本算法减少了传统方法中搜索的盲目性,解决了外边缘定位效果不佳的问题,对图像质量要求不高,且快速有效,精度高。     

基于数学形态学和边缘特征的车牌定位算法

车牌图像定位是自动车牌识别系统的关键步骤.根据车牌特征,首先经过图像预处理,然后进行数学形态学操作,并设计了一种简便的车牌区域搜索算法进行粗定位,最后根据字符边缘特征进行精定位.实验表明该方法定位时间较短,定位效果较好.     

一种基于圆周差分法的新颖虹膜定位算法

虹膜定位是虹膜识别中非常重要的一个环节.Daugman提出的圆周差分定位法鲁棒性和精确性较好,但当在整幅图像中搜索虹膜时,将非常的耗时,同时也会因为受到睫毛等的干扰而降低定位的精确性.本文在圆周差分方法的基础上,利用行、列的灰度信息和直方图来实现瞳孔的粗定位,然后采用一种新颖的快速迭代搜索方法来实现瞳孔和虹膜的精定位.采用此种粗定位与精定位相结合的方法极大的缩短了虹膜定位的时间,提高了定位的准确性.通过对大量虹膜图像的定位实验表明,新方法取得了非常好的结果.     

多尺度形态学边缘检测算法

形态学作为一门新兴的非线性图像处理技术,已得到人们的广泛关注,并应用于图像处理的许多方面。文中提出了一种结合形态学滤波的边缘检测算法,该算法采用自适应方法确定锥形结构元素,然后利用双锥形结构元素对图像进行形态学迭代滤波,对滤波后的图像进行多尺度形态学边缘检测,并将各尺度下边缘检测的结果进行合成,最终得到在噪声存在条件下较为理想的图像边缘,并且与其它边缘检测算法进行了对比实验,实验验证了该算法的可行性和有效性。     

基于Sobel算子边缘检测和数学形态学的车牌定位算法

随着智能化交通管理系统的飞速发展,对车牌的定位和识别提出了更高的要求,因此提出了一种结合边缘检测和数学形态学的车牌定位算法。采用Sobel算子进行边缘检测,经数学形态学处理得到连通的车牌候选区域,然后对其进行分析,实现车牌区域定位。实验结果表明,该方法能准确实现车牌定位,性能良好。     

基于多尺度数学形态学光纤环边缘检测技术

现在所具有的各种边缘检测技术都具有相对的局限性,本文主要分析了现有技术的优点和缺点,并且在研究的基础上提出一种基于多尺度数学形态学的边缘检测方法。通过实验证明,采用此方法比经典的边缘检测算子能更好的满足视觉测量的各项要求。     

一种基于数学形态学的图像对比度增强算法

由于数学形态学边缘提取算法优于微分边缘提取算法,故提出一种数学形态学图像对比度增强方法.利用数学形态学的相关原理,使用双梯度多尺度、多结构元素进行边缘检测,成功地实现了对模糊图像的去模糊处理实验.仿真结果表明,该方法优于拉普拉斯去模糊方法,并且提取出的图像边缘较好地保持了原来的细节特征,去模糊效果好,图像的对比度得到明显增强.     

基于多尺度形态学的弱目标图像处理方法

提出一种基于目标及背景结构特征的多尺度形态学图像处理方法，针对弱目标和背景噪声的结构差异，选择合适的结构元素和合理的形态算子达到较好的滤波效果。形态滤波器是从数学形态学中发展出来的一类新型非线性滤波器。由于形态算子实质上是表达物体或形状的集合与结构元素之间的相互作用，结构元素的形态决定了这种动算所提取的信号的形态信息，因此数学形态学对信号的处理具有直观上的简单性和数学上的严谨性，使数学形态学在描述信号形态特征上具有独特的优势。通过改变结构基元的尺度，对图像进行多尺度分析，能准确提取图像在不同尺度下形状的分层特征和有用信息。     

利用数学形态学实现车牌的快速定位

本文主要针对车辆图像中的车牌区域定位问题进行研究分析.首先介绍了数学形态学,随后根据车牌的整体和局部特征,对基于数学形态学的车牌定位方法进行研究分析,并对其加以改进,实现了车牌的快速、准确定位.     

基于数学形态学和投影法的车牌定位方法

在车牌定位系统中,针对图像中存在的复杂背景、车辆自身的车灯或标志这些因素的影响,提出了车牌初步定位和精确定位的方法.首先,对车牌图像进行灰度化、灰度拉伸、边缘检测后,运用数学形态学运算和车牌自身的宽高比例初步定位出车牌区域.然后,运用投影法分别进行水平方向和垂直方向的定位,得到准确的车牌区域.该方法能够很好地排除干扰因素,精确定位出车牌.     

基于HSV空间与数学形态学的车牌定位方法

车牌区域的颜色特征是车牌的重要信息,基于此特征,提出了基于HSV颜色模型和数学形态学相结合的车牌定位算法.并利用Matlab软件对该算法进行仿真,实验证明该方法在复杂背景下具有较强的适应性与稳健性.     

基于数学形态学的密集转发干扰抑制算法

基于数字射频存储器(Digital Radio Frequency Memory,DRFM)的干扰机在一个脉冲重复周期内通过重复转发截获的雷达发射信号形成密集假目标干扰,严重影响雷达对真实目标的检测和跟踪.针对这一问题,提出了一种基于数学形态学的密集假目标干扰抑制算法.该方法先用Otsu算法对脉压后的回波二值化处理,利...     

基于数学形态学变形虫的自适应图像滤波

针对形态学滤波中的一个关键问题——结构元的选择,提出了一种基于数学形态学的变形虫结构元,它是一种没有固定形状和大小的结构算子。按照导引图像建立的梯度准则,以像素为中心在其邻域内进行结构元的生长,然后在每个像素点利用所生成的结构元进行灰度形态学中值或者均值滤波。实验结果表明：这种非线性滤波算法能够很好地去除噪声、增强边缘,克服了传统滤波的缺点,而且相对于经典保边滤波各向异性扩散法具有计算量小的特点。     

一种快速而准确的虹膜定位算法

为了提高虹膜定位速度以及准确性和鲁棒性,给出一种快速而准确的虹膜定位算法.首先通过灰度投影和瞳孔中心检测算子,粗略找到瞳孔中心的位置;然后从粗略瞳孔中心出发,利用方向边缘检测算子和投票的方法,找到虹膜内边界上的4个不共线的点,根据4个边界点确定虹膜内边界;再从瞳孔中心出发,利用方向边缘检测算子和投票的方法,找到虹膜外边界上的4个不共线点,根据4个边界点确定虹膜外边界.实验结果表明,该算法比现有的虹膜定位方法速度快,而且定位准确率高,算法鲁棒性强.     

基于边缘检测和形态学的车牌定位算法

针对车牌自动识别系统的车牌定位方法进行了研究分析,提出一种结合边缘检测和数学形态学的车牌定位算法。利用边缘检测和形态学分析得到车牌候选区域,对候选区域进行连通域分析,实现了对车牌区域的定位。实验结果表明,该方法降低了各种背景噪声对图像中目标区域判别的影响,降低了车牌定位时间,有效地实现了车牌定位。     

基于小波包变换和形态学的图像分割算法

数字图像分割技术是一种重要的提高计算机图文识别的手段.文章利用小波包变换去噪结合形态学方法提出一种数字图像阈值分割算法.依据该算法,首先施行小波包变换,去除图像中的噪声,然后利用形态学方法集合最佳阈值判别对图像进行分割.实验证明,本算法的分割效果较佳.     

多结构元素的数学形态学图像边缘检测算法

数学形态学作为一门新兴的、以形态为基础对图像进行分析的学科，已得到人们的广泛关注，并应用于图像处理的许多方面。本文提出一种基于多结构元素的数学形态学图像边缘检测算法，该算法通过构造4个不同方向的结构元素，应用形态学梯度算子得到图像4个方向的边缘检测结果，并将这些结果进行加权平均，得到最终的图像边缘。为验证算法的效果，给出了本文算法和几种传统算子对Lena图像进行边缘提取的实验结果。结果表明：本文算法成功地完成了图像的边缘检测，且检测效果明显优于经典的Sobel算子，Laplace算子和Canny算子。     

基于笔画分析和形态学的汽车牌照定位算法

分析了目前存在的车牌自动定位方法及其相应的问题,提出了一种多分辨率下结合数学形态学和字符笔画分析的车牌定位算法.通过大量的实验证明该方法准确率高,速度快,召回率较高.