基于小波分解的车牌定位算法

提出了一种基于小波分解的方法来定位车牌。该算法利用数学形态学对边缘图像进行处理，并进行小波分解，只需要进行水平扫描，克服了传统算法中需要水平和垂直扫描的弊端，同时有效地抑制了车辆边缘的干扰信息。     

基于行扫描和小波变换的车牌定位算法

为了能在复杂背景和不同光照条件下快速、准确地定位车牌位置,提出一种基于行扫描和小波变换的车牌定位算法。该方法首先对车牌图像实行边缘检测、二值化等预处理,在此基础上,利用行扫描法确定车牌的上下边界,对水平区域图像的垂直投影进行小波变换,设定阈值,确定左右边界。实验结果表明,该方法定位速度快、准确率可达到98%,具有很好的鲁棒性。     

基于NSCT变换的车牌定位算法研究

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,目前车牌定位的方法多种多样,各有所长,但存在着计算量大或定位准确率不高等问题。为了实现对车牌区域的精确定位,提出了一种基于非下采样Contourlet变换的车牌定位算法。首先,对图像进行非下采样Contourlet变换,得到车辆图像的8个方向的高频分量子图;然后,通过一定的结合规则将这些高频子图合成一幅能突出车牌区域的高频图;最后,运用数学形态学和连通域分析定位出车牌。实验结果表明,其算法不仅能成功提取车牌图像边缘,而且能很好地滤除噪声,从而实现准确车牌定位。     

基于小波变换和数学形态法的车牌定位方法研究

随着智能交通技术的发展,车牌识别系统已成为其中的一个重要环节,一般来说,车牌识别系统分为车牌定位、字符分割和字符识别三个部分。车牌定位作为字符切分和字符识别的前提,在车牌识别中起着关键的作用。在前人研究的基础上提出了一种基于小波变换域和数学形态法相结合的定位方法。首先利用小波变换后垂直细节图像的水平投影进行行定位,然后再对候选区域进行垂直投影,结合车牌自身的特点去除伪车牌区域,最后结合数学形态学知识实现车牌的精确定位。实验证明,该方法在背景较为复杂或存在干扰的情况下具有很好的效果。     

基于小波变换和数学形态法的车牌定位方法研究

随着智能交通技术的发展,车牌识别系统已成为其中的一个重要环节,一般来说,车牌识别系统分为车牌定位、字符分割和字符识别三个部分.车牌定位作为字符切分和字符识别的前提,在车牌识别中起着关键的作用.在前人研究的基础上提出了一种基于小波变换域和数学形态法相结合的定位方法.首先利用小波变换后垂直细节图像的水平投影进行行定位,然后再对候选区域进行垂直投影,结合车牌自身的特点去除伪车牌区域,最后结合数学形态学知识实现车牌的精确定位.实验证明,该方法在背景较为复杂或存在干扰的情况下具有很好的效果.     

非正交haar小波变换的车牌定位技术研究

车牌定位技术是车牌识别系统的关键技术之一,在haar小波变换的基础上,提出非正交haar小波概念,改进了haar小波不连续性特点。基于非正交haar小波变换,结合线扫描法快速性特点与数学形态学准确性特点,研究一种车牌快速定位算法,在此基础上运用visual C++ 6.0编程进行实验验证。实验结果表明,此算法车牌定位准确率达到95%以上,对倾斜车牌的检测鲁棒性较强。     

一种基于小波的快速车牌定位算法研究

车牌定位在车牌自动识别系统中占有非常重要的地位.在对小波的一些特性进行分析的基础上,提出了一种基于多分辨率分析的快速车牌定位算法.将分解出的高频图像经过后继处理即可定位出车牌,这种算法不仅提高了车牌定位的速度,而且大大提高了定位的准确率.     

基于小波纹理分析的彩色车牌定位算法研究

针对传统的车牌定位算法是采用灰度图像的纹理特征的,由于灰度图像的纹理特征诸多特性和局限性,给车牌定位算法带来很大的困难;鉴于此,提出了基于小波纹理分析的彩色车牌定位算法;首先对图像进行二维小波分解,计算滑动窗内图像的小波纹理特征;然后同时将低频子图转化RGB色彩分量为HSV色品值,提取颜色特征并得到综合特征向量;其次利用小波变化定位出车牌区域;最后对定位出的车牌进行后期校正处理并输出定位结果;该算法采用综合特征定位,克服了采用单一特征定位的缺点和局限性,从实验结果可以看出该算法能够较准确的从背景图像中提取出车牌位置信息。     

多阶段车牌定位算法

车牌定位是车牌识别系统中的关键环节.针对车牌图像区域丰富的边缘信息以及独特的特征,提出一种实用而有效的车牌定位方法.首先,将原始图像转换到HSI空间上,利用图像的字符边缘特征信息和数学形态学操作对目标区域进行粗定位;然后,根据车牌固有的特征定义4种不同的特征值,通过自组织神经网络的训练,实现对车牌区域的精确定位.最后,对80幅彩色图像进行测试,其有效率可达96.25%.     

基于小波变换的车辆牌照定位研究

车辆牌照的准确定位是智能交通中车辆牌照识别技术的关键,提出一种基于小波变换的车牌质心定位方法,该方法可以很好地解决复杂背景与光照下的车牌定位.经过小波分析的车牌图像利用数学形态学进行车牌特征提取,对特征提取后的车牌图像采用连通区域质心的方法对车牌进行定位,最终得到车牌的准确区域.实验结果表明,该方法能够实现车牌的快速准确定位,是一种有效的车牌定位方法.     

基于数学形态学和行扫描的车牌定位算法

提出了一种基于数学形态学和行扫描的车牌定位算法：首先利用数学形态学使车牌区域形成一系列的连通候选区域;然后结合车牌的特征及白像素点数的统计,利用行列扫描对车牌精确定位。实验结果表明,该算法定位效果好、速度快,可用于对实际车牌图像的定位。     

基于数学形态学及车牌综合特征的车牌定位算法

车牌定位是车牌识别系统中的关键步骤;利用车牌图像区域丰富的边缘信息以及车牌本身的特征,提出一种实用而有效的车牌定位方法;首先,将原始图像转换到灰度空间上,利用车牌丰富的图像边缘特征信息和数学形态学操作对图像进行粗定位;然后,根据车牌本身的特征量化5种不同的特征,通过贝叶斯分类器的训练,实现对车牌区域的精确定位;最后,通过实验对1500幅彩色图像进行测试,其有效率可达95.20%。     

基于二进脊波变换的图像去噪

二进小波变换在每次分解时不进行下采样,与小波级数相比,它是冗余的,且二进小波变换的部分系数扰动不会带来重构信号的严重失真。在相同的误判概率下,基于二进小波变换的信号去噪效果会好于基于小波级数变换的信号去噪效果。基于这个思想,该文提出了一种基于二进脊波变换的图像去噪算法。实验结果证明,与小波级数相比,该算法具有更好的去噪效果。     

基于二进小波统计特征的纹理图像检索

二进小波变换利用模局部极大值来提取图像的多尺度边缘信息。该文研究了二进小波系数的统计特性，提出并验证了二进小波系数直方图服从于指数分布。分析了二进小波系数的一阶、二阶统计矩(共生矩阵)特性并将其应用于纹理特征提取。理论分析和实验说明，采用Manjunath方法和二阶统计矩方法的二进小波在纹理图像检索方面优于单小波。     

Top-hat变换在多车牌定位中的应用

为了提高多车牌定位的精度,提出了一种基于Top-hat变换的车牌定位算法。该算法根据车牌纹理的空间分布特点和Top-hat变换的特点,以Top-hat系数为依据,通过平滑、二值化、垂直信息提取、连通、密度计算等多个操作完成车牌定位,该算法可对单、多车牌定位。以实际监控的图像为实验数据,通过对比实验,其结果表明：在不同背景情况下,方法在定位精度、漏判率和误判率等方面均优于其他算法。     

基于二进小波变换阈值去噪方法的性能分析

在D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法的基础上,提出基于二进小波变换的阈值去噪方法。为分析此方法的去噪性能,对同一图像在叠加不同水平的Gaussian噪声的情况进行了去噪实验,仿真实验结果发现,基于二进小波变换的阈值去噪方法不但有效抑制了图像边缘附近的Gibbs现象,而且使去噪后图像的峰值信噪比在不同噪声水平下都有很大程度地改善,在不同噪声水平间有很小幅度的波动,这表明基于二进小波变换的阈值去噪方法的去噪性能具有很强的稳定性。     

基于小波变换与形态学运算的R波检测算法

本文提出了一种基于小波变换与形态学运算的R 波检测算法。采用二进Marr小波的Mallat算法对心电信号作多分辨率分解，利用数学形态学运算突出信号的峰谷点特征，将小波变换模极大值检测原理与形态学峰谷检测算法相结合，不仅可以实现对 R 波的准确检测和精确定位，同时也具有较好的算法实时性。     

小波变换预测移动节点定位算法

针对无线传感器网络移动节点定位精度不高的问题,提出一种基于小波变换预测的移动节点定位算法。根据历史运动轨迹通过小波变换预测节点当前位置,精确采样区域,应用自适应采样方法减少采样次数,通过加权滤波增大高质量样本点以及降低低质量样本点对定位结果的影响,提高定位精度。仿真结果表明,在锚节点数目、通信半径、最大样本点数目等条件变化的情况下,该算法与传统算法相比提高了定位精度,在低锚节点密度环境下表现出良好的效果。