一种新的基于Radon变换的车牌倾斜校正方法

车牌的倾斜给车牌字符分割与识别带来不利的影响。基于Radon变换,提出了一种新的车牌倾斜校正方法。对车牌图像在[-20°,20°]范围内进行Radon变换,并对变换后的结果求一阶导数绝对值的累加和,将累加和的最大值所对应的Radon变换的角度作为倾斜角度。对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正。实验结果证明,该方法简单实用,对光照、污迹等不敏感,抗干扰能力强。     

车牌图像的局部倾斜畸变校正方法

针对车牌图像的倾斜畸变会对后继字符切割和识别结果带来不利影响的问题,提出使用局部技术和适度缩放技术对车牌图像倾斜畸变进行校正。根据车牌图像不同位置倾斜畸变程度不一样的特点将车牌图像分成若干份;分别对每份图像使用“连接点”法进行倾斜畸变校正,根据字符高度的变化对字符宽度进行同样的缩放;将校正之后的各个子图像连接在一起成为校正之后的车牌图像。实验表明,使用局部法对倾斜畸变车牌图像进行校正的效果要优于使用全局法。     

车牌倾斜校正算法研究及改进

车牌倾斜校正是字符分割前的必要步骤,校正效果直接影响分割结果。车牌倾斜可以分解为水平旋转倾斜和竖直错切倾斜两种模式。研究现有的水平倾斜校正主要算法：Hough变换法、旋转投影法、特征直线法、方向图像法,分析各种经典算法的缺陷并给出其改进算法。通过实验分析比较各种算法的校正效果,结果表明改进算法比各自原始算法在识别效果上都有提高。设计实验研究现有竖直错切校正算法：基于预分割的旋转投影法和直线拟合法,实验结果表明旋转投影法效果远优于直线拟合法。     

基于Radon变换的文本图像倾斜校正

归纳现有的多种倾斜字符校正方法,提出一种基于Radon变换用于一般字符校正的方法。该方法对文本图像做简单的数学形态学处理,利用Radon变换求出文本倾斜的角度。实验结果表明：与传统方法相比,本算法减少了计算量,提高了校正效率,且具有较强的适用性和鲁棒性。     

车牌倾斜矫正算法的比较研究

本文分析目前车牌倾斜矫正中常用的Hough变换和Radon变换,通过实验对比发现Radon变换相对Hough变换具有更好的适应性。     

基于Radon变换和HSV彩色模型的倾斜车牌校正

倾斜车牌校正是车牌识别系统中字符分割前的必要步骤。车牌的倾斜方式可以分为水平倾斜、垂直倾斜和混合倾斜。采用Radon变换来检测倾斜车牌的水平和垂直倾斜角,首先对倾斜车牌进行水平校正,然后基于HSV彩色模型对车牌区域颜色进行提取,进而去除非车牌区域的干扰,最后运用仿射变换对图像进行垂直校正。     

车牌定位及倾斜校正方法

提出了一种基于车牌字符信息的车牌定位及其校正方法。首先使用灰度形态学的顶帽操作（top-hat）增强车牌区域,使其能在二值图中突出显示,然后根据二值图中车牌字符的连通元个数和排列位置来确定车牌的具体位置,最后对已定位的车牌进行方向校正,包括水平和垂直方向校正。水平校正是根据这些字符连通元的中心确定车牌的水平倾斜角度,使用旋转几何变换使其水平方向得到校正,垂直校正则使用投影分析的方法求出水平校正后垂直方向的倾斜角度,再进行图像的像素平移。实验结果表明,该方法能够在复杂背景下快速、准确定位到车牌,并且倾斜校正效果很好。     

基于投影的文档图像倾斜校正方法

针对文档图像的倾斜校正问题,提出了一种新的基于投影的文档图像倾斜角检测方法。首先采用一种高效的像素遍历算法对文档图像从不同角度进行投影,然后对投影数据进行累加求和,通过比较不同角度下的累加和来确定倾斜角度。该方法在投影过程中只需对文档图像进行极少部分投影,因而大大减少了运算量。基于该方法的特点,提出了由“粗”到“精”的投影策略,在确保检测精度的同时大幅提高了检测速度。实验结果表明,方法非常有效,可以获得很高的检测精度。     

基于Radon变换的倾斜车牌图像角度检测与校正

倾斜车牌图像的校正对于后续车牌图像的分割与识别具有很大的影响.本文提出一种基于Radon变换来估计倾斜角度的方法,并对之实行分步校正,最后应用数学形态学的方法对图像进行平滑处理.     

基于垂直线条密度质心法的车牌倾斜校正

车牌倾斜校正是车牌自动识别系统中的重要技术之一。提出了基于垂直线条密度质心法的汽车牌照倾斜校正的新方法。首先分析几种常见的车牌倾斜模式,然后先除去车牌边框及一些污点,最后把车牌图像划分成N列垂直线条,求出每列像素的质心,利用最小二乘法把每列质心拟合成一条直线,并推导出其斜率,由此确定出车牌的倾斜角度。文中给出了实验结果及分析,并与传统的Hough变换法和旋转投影法相比较,结果表明该方法精确、抗干扰性强、快速有效。     

基于图像矩的车牌号码倾斜校正

根据矩的旋转不变性计算倾斜车牌号码图像的质心和归一化的中心矩,得到使二阶中心矩变得最小时的旋转角α,把整个图像绕质心旋转α进行水平倾斜校正;在垂直倾斜校正中,提出了坐标相关系数法和最小二乘拟合直线法等2种校正方法,分别计算出垂直倾斜角θ,并对水平倾斜校正后的图像进行错切变换,得到最终的校正图像.实验结果表明,该方法简单实用,能快速、准确地检测出图像的倾斜角,为图像倾斜校正提供了一种有效方法.     

一种基于几何性质的鱼眼图像校正算法

为快速、高效地校正具有径向畸变的鱼眼图像,提出一种基于几何性质的校正算法。根据投影不变性原理以及径向畸变的几何特性,计算畸变直线的斜率,并通过求解线性方程组得出多项式校正模型的参数。实验结果表明,该算法能够以较低的运算复杂度获得较高的校正精度,相比于采用数学迭代拟合直线的方法,该算法在图像整体校正质量上有明显改善。     

基于加权ENO的图像放大算法

E.Arandiga的图像自适应插值方法在图像边界区域使用了ENO方法进行插值。通过比较差商的绝对值的大小自适应地选择模板,尽量避免所选择的模板中包含间断,有效地抑制了Gibbs振荡,但仍有很多不足。为弥补ENO方法的缺点,提高插值方法的精确度,提出基于加权ENO的图像放大方法。基本思想是将图像的离散化形式看成图像在单元网格上的平均值,先判断每个单元中是否存在图像边界,在图像边界区域使用加权ENO方法插值图像,在光滑区域使用线性平均插值。该放大方法能得到比FArandiga的图像自适应插值方法更高阶的精度。     

基于Mojette变换的倾斜文本图像方向校正

文本文件的扫描图像在现实中几乎无处不在,文中将Mojette变换引入扫描支本图像使用前的方向校正,目的是为方便人们对扫描文本图像的使用。霍夫变换和矩形框调整算法是目前最常用的方向校正算法,但这些算法存在计算复杂度高和适应度差的缺点。文中方法是利用文字成行的特点,通过计算文字走向得到图像倾斜角,进而对图像进行校正。选择不同角度的倾斜图片进行了实验,均检测出文字走向,并成功校正图像。实验结果表明,该算法计算量小,适应度强,比较适合文本图像的方向校正。     

一种新的车牌倾斜校正方法

车牌的倾斜对车牌的字符分割与识别带来不利的影响.本文分析了车牌的倾斜模式,提出了一种新的车牌倾斜校正方法.该方法采用水平和垂直彩色边缘检测结合旋转投影求取车牌的水平和垂直倾斜角度,对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正.实验结果表明,该方法简单实用,对光照、污迹等不敏感,抗干扰能力强.     

Radon变换与功率谱结合的PSA图像倾斜度自动校正算法

针对卟啉传感阵列(PSA)图像中卟啉点阵列可能发生倾斜的现象,设计了一种自动校正算法.算法之初对图像进行滤波、对比度增强操作,并求得图像的二值形态学边界,利用此二值边界图像作为求取倾斜角度运算的输入,减少了噪声的影响,同时也降低了时间的花费;而后利用radon变换与功率谱结合的方法来求取倾斜角度,解决了单纯的radon...     

一种图像特征点迭代修正匹配算法

基于特征点的图像匹配被广泛应用于图像配准、目标识别与跟踪领域, 目前, 两阶段匹配(即先粗匹配, 后精匹配)是最常用的方法, 然而, 两阶段匹配存在两方面的问题, 一方面, 粗匹配阶段对精匹配阶段的影响是不可逆的, 即粗匹配的效果决定了精匹配的最优精度; 另一方面, 精匹配得到的后验知识没能反馈给粗匹配阶段, 以修正粗匹配结果. 为此, 提出一种基于迭代修正的图像特征点匹配算法, 该算法将精匹配得到的后验知识反馈给粗匹配阶段, 从而修正粗匹配结果, 使得粗匹配阶段得到更多的正确匹配对, 减少漏匹配特征点对, 这样经过多次迭代, 能够得到更多的正确匹配特征点对. 实验表明, 提出的算法比经典的两阶段匹配方法能够提取更多的正确匹配特征点对, 减少了漏匹配, 并提升了复杂图像匹配的稳定性.