基于小波包分析和BP神经网络的字符识别方法

利用小波包分析具有提取图像时、频两域细节和局部特征的能力,提出了将字符图像的小波包分析和BP神经网络相结合以达到识别字符的新方法。该方法首先对字符图像进行小波包分解,然后对分解系数进行重构,求得重构图像的能量;然后提取了不同字符图像的能量构造成能量特征向量,作为神经网络的输入;然后通过选取初始权值、隐层节点数和权值学习算法,创建BP神经网络;最后通过神经网络模型进行训练。实验证实该方法具有识别正确率高、速度快等优点。     

基于边缘检测和形态学处理的车牌定位

车辆牌照识别技术(License Plate Recognition,LPR)是实现智能交通管理的重要技术之一,车辆牌照识别技术主要包含了车牌的准确定位、车牌中字符的分割以及字符的识别.通过对问题的分析,找到一种基于边缘检测和形态学处理的车牌定位方法,通过对样本图像的边缘检测和一系列的形态学处理,实现了对车牌的初步定位,基于车牌上字符水平方向的跳变次数来判断出车牌的上、下边界,从而实现了车牌的准确定位,最后通过仿真验证了这种定位方法的可行性.     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

基于字符特征约束的自适应车牌校正提取

针对复杂多变环境中难以快速、精确提取车牌的问题,提出了一种利用字符特征智能校正提取车牌的方法。首先通过Gamma校正和Canny算子结合的方法在灰度图中实现自适应阈值边缘检测,解决了分割阈值选取的难题;然后应用字符特征约束条件提取特征轮廓,根据特征轮廓分布规律提取车牌候选区,避免复杂运算的同时提高了定位准确性;最后对候选区进行线性畸变校正并利用行灰度跳变统计实现了车牌真实性验证和精确提取,为后续的识别工作提供了良好条件。对不同环境中随机采集的700幅高清图像进行测试,综合提取准确率为96%,提取车牌字符规整、无多余残留信息。实验结果显示,该方法对图像中车牌状态、背景环境、光照条件等限制极少,具有更广的适用范围和更强的鲁棒性。     

基于视频流的车牌识别研究及系统设计

该文深入研究从视频流中提取运动车辆进行车牌识别的问题,提出了一种车牌识别算法,根据该算法开发了基于MFC的视频流车牌识别可视化系统。算法采用三帧差分与背景消减相结合的方法提取含有运动车辆的关键帧,对关键帧进行灰度化,采用Sobel算子进行边缘检测,融合形态学处理对关键帧进行去噪,从而实现车牌的定位,用投影法结合字符特征对车牌字符进行精确分割,采用BP神经网络算法提取字符特征,输出字符识别结果,由此完成车牌字符识别。通过对50组不同的车辆视频进行检测识别,识别率(包含汉字)达到96%以上。     

车牌字符自动提取方法研究

本文针对现实车牌成像特点.提出了采用基于快速小波变换、数学形态学和阈值法二值化来提取车牌区域模板,然后用相关函数来匹配图像.实现了车牌字符的自动提取,该技术分割效率高、速度快.有着广阔的应用前景.     

融合小波变换与形态学的车身刮痕边缘检测

针对车身表面外部噪声干扰的影响,导致无法准确提取到车身刮痕边缘有效信息,提出一种融合小波变换和数学形态学的边缘检测方法。首先,为减弱车身刮痕边缘提取过程中受光照等外界噪声干扰影响,对刮痕源图像利用小波模极大值边缘检测方法,消除部分噪声干扰,提高边缘检测定位的准确性;然后,为了优化刮痕边缘的连续性,避免在多尺度小波检测下边缘有效信息的丢失,提出一种改进的数学形态学边缘检测算法;最后,将小波模极大值与数学形态学两种方法的检测结果进行小波分解,分别得到图像的高频和低频分量。两图像低频分量根据图像能量大小分配权重进行融合,对应的高频分量通过绝对值取大的方式融合,将融合后的高频和低频分量重构,获取最终的刮痕边缘。通过实验分析,该融合方法能保证在去噪的同时,获得更完善清晰的边缘特征信息,效果优于传统边缘检测算法,能为后续刮痕精确定位修复提供理论与技术支持。     

多层焊填充层焊道图像处理及边缘提取

结合二维小波变换方法与数学形态学方法对多层焊填充层焊道图像进行处理,实现对焊道边缘及坡口边缘的提取。首先通过对图像进行小波变换获取明区及暗区信息,鉴于坡口边缘及焊道边缘两端暗区及明区的峰值绝对值大于其他位置,将图像小波变换结果进行二值化处理,取对应峰值的位置信息。然后根据图像明区及暗区的峰值所处位置特征采用图像形态学方法对其进行处理,最后提取焊道及坡口边缘。采用该方法获取的边缘与实际焊道及坡口边缘吻合。     

基于NSCT的航拍绝缘子图像边缘提取方法

绝缘子图像边缘提取是实现航拍绝缘子缺陷检测与识别的重要前提,结合航拍绝缘子图像的特点,提出了一种基于非下采样轮廓波变换(non subsampled contourlet transform,NSCT)的航拍绝缘子图像边缘提取方法。先利用分段线性灰度变换实现预处理,然后进行NSCT分解,基于分块思想对系数进行分块并求局部阈值,得到边缘图像,最后对边缘检测结果进行形态学滤波使边缘图像更清晰。分别对Lena图像和现场绝缘子图像用Canny算子法、小波模极大值法和所提方法进行图像边缘提取,并对各方法进行性能指标的评价。实验结果验证了所提方法对绝缘子图像边缘检测的有效性,并表明了该方法优于基于Canny算子和小波模极大值的边缘提取方法。     

一种非均匀光照图像字符二值化小波分析法

图像二值化阈值的选取是灰度图像二值化处理中的关键，本文提出一种基于小波边缘检测的图像二值化方法。通过对图像进行二进小波变换，在最佳尺度上寻找出图像字符的边缘点，再根据边缘点处的灰度值来确定出二值化的阈值。应用于光照不均匀的多噪声车牌图像二值化，取得了良好的效果。