基于复合顺序形态变换的车牌边缘检测

边缘检测是图像分割的重要环节,边缘提取的好坏直接影响了整个图像处理的效果。数学形态学用具有一定形态结构的“结构元素”去度量图像的形态,以解决图像处理和分析问题。文章通过对多种边缘检测方法的分析比较,结合高速公路路口汽车图像噪声大的特点,提出了基于复合顺序形态变换的车牌边缘检测。该方法不但能有效地改善有噪图像边缘检测的效果,鲁棒性好,而且并行快速,便于硬件实现。     

一种自适应车牌识别系统设计方法

基于多种格式车牌的共性,提取车牌图像的纵向边缘,然后根据车牌区边缘灰度跳变和边缘密度等特征,采用一系列步骤去除无效和干扰边缘,保留类车牌特征区域;通过横向形态学运算,使类车牌区闭合,有效克服了形态学结构元素难以随车牌大小变化自适应选取的问题.基于扫描线种子填充算法来搜索车牌区域,利用颜色信息进行反色判断,并基于边缘检测的方法来进行车牌区域二值化,利用形态学和连通域检测方法进行字符的精细切分.对实际场景中大量车牌样本加以验证表明,算法准确率高,对车牌大小自适应性良好,具有较好实用价值.     

基于数学形态学的灰度图像车牌字符提取算法

在深入研究数学形态学的基础上,提取了一种灰度图像车牌字符提取算法。该算法构造4种结构元素,采用数学形态学的膨胀和腐蚀算子依次求出梯度算子对车牌字符进行边缘检测处理和迭代阈值分割,最后结合数学形态学的区域填充方法弥合字符中的空隙。与传统边缘检测算子相比较,实验结果表明该算法具有较强的提取字符能力和良好的抗噪能力,并保护了字符的边缘。其计算量小,在保证处理效果的同时,保证了处理速度,具有一定的可用性和可行性。     

智能交通车牌自动识别系统的设计

利用图像增强、边缘检测首先对车牌图像进行预处理,然后利用基于边缘特征和形态学相结合的方法对车牌进行定位,接着进行字符分割处理,并采用神BP经网络字符识别算法对车牌进行识别,最终实现车牌自动识别。实验结果表明,该系统对车牌识别效果较好。     

基于边缘检测的车牌识别算法的实现

针对传统车牌识别的不足,本文提出了基于边缘检测的车牌识别的算法.该算法首先对摄像头获取的车牌图像预处理,去除图像无用信息,然后运用Robert算子检测车牌边缘,并对车牌区域进行图像较正,用高斯滤波法去除噪声并且提取车牌信息特征,接着对车牌区域水平和竖直方向运用触点定位法分割字符,对车牌分割后与相应字符模版匹配,利用预测模型预测识别结果,最后识别出车牌字符.     

LPR中车牌分割的Matlab解决方案

车牌的分割是车牌识别中比较重要的环节。通过Matlab,运用二值梯度边缘检测对生成的二值化图像进行检测,通过形态学的膨胀算法形成连通区域并判决连通区域,然后使用蒙板分割出车牌类似区域,并计算其间的欧拉数,最终筛选出车牌区域。     

基于模糊增强的医学图像分割分水岭算法研究

医学图像存在病变区域和背景区域,病变区域是分割的重点。针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将多尺度形态学边缘检测、模糊增强和控制标记符分水岭相结合的分割策略。该方法首先结合大结构元素和小结构元素各自的优点,用多尺度形态学边缘检测降弱过分割;其次用模糊增强算法使原始医学图像中粗细的边缘都能够得到增强;最后采用基于前景和背景标记的分水岭分割算法进行分割。仿真实验表明,该算法不仅可以有效的克服分水岭变换严重的过分割问题,得到有意义的区域分割,而且还具有较强的区域轮廓定位能力,不需要再进行后续的合并处理,算法简单,同时具有多尺度的特点,能够适应医学图像分类与信息提取的需求。     

复杂背景下的自适应车牌检测算法的研究

车牌识别技术在现代智能交通系统中有越来越重要的应用(如收费站、停车场的车辆检测系统).为了有效的检测一个车牌,寻找车牌的位置是最关键的一步,本文提出了一种基于边缘的复杂背景下车牌的检测算法.该方法综合利用图像对比度增强、边缘检测、形态学处理、连通域分析、矩形性质分析等多种方法,解决了复杂背景中车牌定位难的问题,能够准确定位杂乱背景中的车牌,对天气、光照变化、车牌在图像中的移动和旋转等具有良好的适应能力,该方法为后续的字符分割和字符区域定位信息、车牌的超分辨率重建带来了方便.     

一种基于形态学的多结构元素多尺度图像边缘检测方法

提出了一种基于数学形态学算子的多结构元素多尺度边缘检测方法,首先构造6种具有代表性的结构元素,用改进的形态学边缘检测算子对灰度图像进行边缘检测,然后改变结构元素的尺寸大小得到多尺度下的边缘图像,根据不同尺度抗噪性能不同来确定权值,将不同尺度下的边缘图像合成,得到在噪声存在条件下较为理想的图像边缘,实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时,有很强的去除噪声能力,具有一定的实用性和可行性.     

一种基于数学形态学的图像边缘检测方法

针对经典形态学方法在边缘检测时可去除图像噪声,但难以保留边缘细节的问题,提出一种能有效去除噪声且能准确检测图像边缘的方法。该方法首先利用大尺度的轮廓结构元素对图像进行滤波开、闭运算,接着用小尺度结构元素在进行经典形态学的膨胀、腐蚀运算后对图像进行梯度运算,从而得到含噪声图像的边缘信息。实验表明,该方法在准确检测图像边缘的同时,能够有效地去除图像中的噪声,且运算量相对较小。     

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。     

基于多尺度多方向结构元素的形态学图像边缘检测算法

为进一步改善图像处理中的噪声抑制和边缘检测性能,提出了一种多尺度多方向结构元素形态学图像边缘检测算法.该算法基于数学形态学中结构元素的方向性差异,充分利用了腐蚀、膨胀、开、闭及其变换和组合运算.对图像进行去噪、边缘提取等预处理操作,以提高图像的信噪比和边缘细节;利用递归的多尺度多方向结构元素形态学滤波得到图像的初始轮廓;利用多尺度形态学和多方向结构元素进行图像边缘检测.实验结果表明提出的算法抗噪性强,能有效准确地提取边缘信息.     

利用自适应灰度形态学检测噪声图像边缘

传统的形态学边缘检测算法采用固定的结构元素时图像边缘进行提取,通用性不强.本文提出一种结构元素种类、滤波所使用的结构元素的尺寸郜白适应的图像边缘检测算法,该算法根据模板匹配方法,选样最优匹配的结构元素;针对不同浓度的噪声图像自适应选取结构元素的尺寸进行滤波,并进一步检测图像的边缘.仿真表明,该算法在不同噪声图像的边缘检...     

一种飞行器结构特征提取与识别的方法

提出了一种基于SUSAN算法、灰色系统理论和数学形态学结合的飞行器结构特征提取与识别的方法.首先利用SUSAN算法从背景中提取飞行器目标的结构边缘信息, 通过灰度的窗口变换和图像相加法实现目标增强;然后用灰色系统理论检测出飞行器目标的结构特征边缘,同时利用形态学算子对飞行器进行闭运算,利用种子填充算法识别出飞行器目标区域.实验结果表明:该方法对于飞行器目标的跟踪、结构特征提取以及事后判读有重要的意义,同时验证了该方法的可行性.     

基于Tsallis熵的自适应红外图像边缘检测方法

针对红外图像边缘检测这一难题,结合红外图像的特点,提出了基于Tsallis熵的自适应红外图像边缘检测方法.该方法分别计算图像子空间的边缘与非边缘的Tsallis熵,根据子空间最优Tsallis熵,构造出子空间最佳阈值的评价函数,根据评价函数,选择不同方向的边缘检测模板,增强了图像的边缘信息,从而避免了单一模板造成的边缘丢失现象.实验结果表明,与传统的边缘检测方法相比,该方法对于红外图像可以最大程度上抑制噪声,有效地提高图像的边缘检测效果.     

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。     

多结构元多路加权形态边缘检测算法研究

边缘检测是图像特征提取与模式识别的基础。形态学边缘检测因其算法简单,噪声抑制和边缘保持能力已成为研究热点。但很多算法采用单一结构元素,很难对弱边界进行有效处理。基于此,利用多结构元思想构造多结构元抗噪型数学形态学边缘检测器,很好地抑制了噪声和提取到弱边缘。     

改进的分水岭算法在医学图像分割中的应用

针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将同态滤波增强与控制标记符分水岭相结合的分割策略.该方法先进行同态滤波增强预处理,再采用改进控制标记符的分水岭分割算法进行分割.仿真实验表明,提出的算法很好地抑制了过分割,实现了有意义的医学图像区域分割,同时还具有较强的区域轮廓定位能力,不需要再进行后续的合并处理,算法简单,并且能够适应医学图像分类与信息提取的需求.     

激光散射式技术在钢球表面缺陷检测中的应用

针对目前钢球表面反射率高、缺陷特征难以提取等问题,提出了一种基于机器视觉技术,利用钢球表面激光散射图片快速检测表面缺陷的方法。介绍了系统的结构和检测原理,搭建了系统检测平台。分析了利用形态学、边缘连接等图像处理算法提取缺陷散斑,利用圆度因子和延长因子判别缺陷类型的处理过程,并基于LabVIEW软件平台,选取不同缺陷的钢球样本进行了试验测试。实际试验表明,利用钢球表面激光散射图可以有效提取表面凹坑、麻点、刻痕等缺陷信息,系统可以快速准确地识别钢球的表面缺陷,可用于钢球表面缺陷的在线检测,具有很好的实用价值和应用前景。     

PMMW金属目标图像处理与计数技术实现

被动毫米波金属目标图像识别并自动统计出目标个数是军事自动化技术的一个重要环节。给出了毫米波探测目标的简要原理,针对目前有关毫米波被动探测并自动计算出金属目标个数方法的欠缺,首次尝试并给出了被动毫米波金属目标图像处理方案及详细处理过程,在毫米波图像分辨率低的条件下,将图像二值化,用数学形态学对图像进行处理,用Canny算子进行边缘检测并提取图像的边缘轮廓,再用Visual C++6.0开发工具,实现二值图像连通域像素标记算法,搭建起金属目标个数的计数系统。给出系统的定量分析,并与面积法计算目标个数做了对比。经分析,系统具有准确性,且响应时间短。