基于最小二乘法的二维条码图像倾斜校正方法

在二维条码的获取中,获取的二维条码图像或多或少都会存在倾斜的情况,因此必须首先对二维条码进行倾斜校正,这样才能实现正确的解码.首先对条码图像进行一定的预处理,并且使用凸包算法来精确定位二维条码,然后提取出二维条码的边缘轮廓,保存边缘的特征点,并且采用最小二乘法将这些特征点拟和成一条直线从而获取条码的倾斜角度,最后采用双线性插值对倾斜的条码图像进行校正.实验结果表明该算法速度快,抗噪声强,有效的提高了条码的识别速度和识别率.     

基于骨架提取的航拍绝缘子图像分步识别方法

在无人机电网巡线的研究中,为提高绝缘子识别的正确率,结合航拍图像和绝缘子串的特点,提出了一种粗细定位相结合的航拍绝缘子图像分步识别方法。利用灰度化和图像增强对绝缘子图像进行预处理,基于形态学算法和连通域思想改进传统最大类间方差(OTSU)阈值分割算法并分割图像背景;提取绝缘子图像骨架,针对绝缘子串骨架为一条近似直线的特点及与其他输电设备(如杆塔等)骨架的差异,通过检测直线进行绝缘子串粗定位;计算粗定位区域不变矩特征,运用由Ada Boost算法训练的分类器进行对粗定位区域遍历识别,实现绝缘子串细定位。实验结果表明,基于骨架提取的绝缘子分步识别方法能够有效地识别出航拍图像中的绝缘子串,与单独利用图像特征和分类算法直接识别绝缘子的方法相比,其表现得更稳定,正确率有显著提高,更适用于无人机电网巡线。     

车牌识别系统中车牌定位及倾斜矫正算法研究

为了提高车牌定位的实时性和有效性,利用车牌的几何特征和纹理特征,提出了基于边缘检测和投影法相结合的车牌定位算法.由于车牌图像摄取的特殊性,使得拍到的车牌图像有不同程度的倾斜变形,而倾斜的车牌很难被分割和识别,必须对车牌定位之后的车牌图像进行倾斜矫正,该文给出了基于Radon变换的倾斜矫正算法.实验结果表明该车牌定位算法和倾斜矫正算法都是快速有效的.     

基于边缘统计和颜色特征的车牌综合自动定位方法

车牌识别在智能交通系统中起着重要作用.车牌定位是车牌识别中的关键步骤.本文提出一种基于车牌字符边缘统计和颜色特征的综合定位方法,可以有效地解决背景复杂的彩色图像中车牌定位的问题.该方法分为竖直边缘检测、边缘统计分析、车牌候选区定位、候选区筛选、车牌倾斜矫正.通过对垂直边缘的统计分析将邻近的边缘点进行连接,结合车牌的位置、颜色等特征对连接形成的块状区域进行筛选,而后对得到的车牌区域加以校正,最终输出易于分割的车牌字符图像.该系统包括从图像采集,到车牌分类、车牌文字区别等完整过程,适应性强.通过一系列实际采样图像的试验结果证明,该方法准确率高、鲁棒性好,能够满足实际车辆车牌自动识别系统应用的需要.     

智能电表条形码图像分割与增强算法研究

为了解决智能电表自动化检测系统中的关键技术问题,即在智能电表图像中自动定位条形码区域并识别出条码信息,通过设计维纳滤波器对图像去噪,利用一阶微分Sobel算法突出条形码区域达到精确分割条形码区域的目的.针对在实际工业环境中拍摄的图像模糊不清问题,提出了改进的提升小波的多分辨率图像增强算法.试验结果表明,该处理方法能够精确定位条形码,且增强后的图像能很好地保持条码的纹理信息,为识别条形码提供了可靠保证.     

链码跟踪直线提取算法在道路标志判断中的应用

为了准确快速提取和识别道路中的标志线,提出了一种基于链码的道路标志线提取与识别算法.道路中的标志线在图像处理中可以作为直线处理,整个提取算法分为3个步骤:首先,通过对道路图像的预处理去除噪声,利用Canny算子提取边缘;然后,对边缘图像进行链码编码并进行直线判断;最后,对属于同一条直线的直线段进行线段连接,过滤短的非道路标志线.实验表明,该算法可以准确快速地识别城市道路中的标志线和道路边缘,达到了实时准确的要求.     

基于机器视觉的化妆品纸质标签缺陷检测方法

针对化妆品纸质标签生产中出现的不干胶标贴漏贴、偏移、倾斜、叠加,生产日期字符漏喷、偏移、倾斜、多喷,日期喷印错误等缺陷,提出一种化妆品纸质标签缺陷视觉检测方法。首先,利用数字形态学与连通域分析技术,从倾斜校正后的标签本体图像中分别提取不干胶标贴和日期字符区域;其次,分别提取区域重心坐标与方向角检测不干胶标贴和日期字符的位置缺陷;进而,在日期点阵字符垂直校正基础上分割字符,提取网格特征、垂直投影、投影宽度及字符占空比等字符特征,利用这些特征训练BP神经网络并实现对日期点阵字符的识别;最后,在样机上采集了大量正常及具有不同类型缺陷的化妆品标签图像,进行实验验证。实验结果表明:该算法准确率高、稳定性好,能够快速检测位置缺陷和准确识别日期字符,检测准确率可达94.4%。     

基于改进Edlines算法的坡口边缘识别研究

为了提高焊缝识别的速度和准确性,提出了一种基于改进Edlines坡口边缘识别算法。首先对图像进行ROI特征区域提取,并对ROI图像进行一系列的预处理,然后对坡口边缘提取;改进了Edlines算法搜索方向和判别方式,用Cannylines算法和Edlines算法提取结果作比对,结果表明提出的改进算法识别速度更快且只提取出焊缝坡口线;最后通过MIG焊、MAG焊中的焊接图像进行边缘识别,验证了算法的适应性。     

基于 Hough 变换及可信度的车牌旋转角度检测

车牌角度矫正是汽车牌照识别的一个重要步骤。采用Hough变换法检测车牌的倾斜角度。首先对汽车牌照图像预处理,再提取车牌上下边框的边缘信息,利用Hough变换对提取的边缘信息进行变换,从而获得车牌上下边框的拟合直线及其倾斜角度,并引入可信度,以度量检测结果的优劣,最终获得较精确的汽车牌照的倾斜角度。实验结果表明,该法抗干扰能力强,检测精度高。     

图像垃圾邮件中文本区域的自动提取方法

图像中的文本区域为判别图像垃圾邮件提供了重要依据。为了获得图像中的文本区域信息,提出了基于Hough变换提取图像中倾斜文本区域的算法和降低图像背景干扰的八邻域细小边缘去除算法,实现了一种不受图像中文本颜色、字体、大小、位置、方向限制的文本区域的自动提取方法。在包含100幅垃圾图像的数据集上进行提取图像文本区域的实验。实验结果显示,新方法具有良好的文本区域提取性能。     

基于底层图像特征组合的文本图像分类研究

针对文本图像特有的图像特征．提出了一种基于底层图像特征组合的文本图像分类方法,该方法使用了两层C4．5决策树分类器,能将文本图像有效地分为标题文本图像、文档图像和场景文本图像．首先将样本图像转换为灰度图像,提取灰度直方图的特征,根据灰度直方图特征的不同。可以先区分文档图像：然后把余下的图像转换为二值图像,提取图像的GLCM纹理特征,根据GLCM特征区分场景文本I和标题文本图像．在开源的WEKA数据挖掘软件环境下进行仿真实验,结果表明该方法是可行的。并能够得到较高的查全率和查准率．     

基于医学影像工作站的图像布局显示技术研究

由于医学设备及检查形式的多样性,使放射科医师与影像工作站的交互日趋复杂,因此设计一种能够自适应医生阅片习惯的软件是一个有待解决的难题.采用C/S架构,使用Visual C++2005,DCMTK,VTK和SQL Server2005开发工具,设计了一个基于DICOM标准的医学影像工作站.此工作站让用户可以根据自己需求,动态生成用户的布局信息并存入数据库,阅片时选择相应的布局信息进行图像布局显示.本工作站能够使专科医师根据其读片习惯和不同的读片要求采用相应的图像布局规则,保证其以方便、快捷的方式进行软读片.本影像工作站在很大程度上简化了医生的操作步骤,同时有利于医师挖掘医学诊断信息,提高医生的工作效率,因此本研究对诊断数字化有着重要意义.     

红外图像增强方法的研究

为解决对比度差、边缘细节模糊等问题,提出了用分段增强法提高红外图像对比度.分段小波增强算法能有效地同时增强红外图像对比度及边缘细节,并抑制噪声.建立了表征图像边缘的特征向量.根据红外图像边缘的特征,准确提取红外图像的边缘.通过神经网络边缘检测法对样本集训练,使网络具有依据边缘特征向量求解场景中物理边缘的能力.实验结果表明神经网络边缘检测算法的精度优于其他算法,抗噪声能力强、边缘定位能力强、检测精度高.     

基于VSM与图像统计的多聚焦图像融合

针对传统的多聚焦图像融合方法存在块状、伪影效应和对比度损失等问题,提出一种视觉显著性映射(VSM)融合规则与图像统计相结合的融合方法。先使用四阶偏微分方程(FPDEs)和交叉双边滤波器(CBF)方法对源图像进行多尺度分解获取近似层和细节层,再对近似层和细节层分别采用基于VSM和图像统计的融合规则进行融合,最后对融合后的近似层和细节层进行线性组合得到融合图像。对比实验结果表明,所提出的算法在平均像素强度、标准差、相关系数等图像质量指标上均有显著的提高。     

结构相似性灰关联在强噪声图像增强中的应用

为提高强噪声环境下的图像质量,提出一种图像增强新算法．该算法首先对含噪图像进行多尺度小波分解,得到不同尺度、不同方向下的频域信息,然后利用图像中噪声与边缘在不同频带上的分布规律和衰减特性,通过灰色理论中的灰色关联度来区分噪声与边缘,从而在噪声抑制和边缘增强两个方面提高图像的质量．实验结果初步显示,与传统的空域滤波方法和相对较新的小波自适应阈值去噪、Contourlet域自适应阈值去噪等方法相比较,新算法所得图像的视觉效果得到了改善,峰值信噪比最优,可用于强噪声环境下的图像增强预处理．     

视觉场景理解综述

视觉场景理解是机器视觉与自然语言处理相融合的热点问题,实现场景理解将有助于盲人辅助系统、智能机器人交互、以及无人驾驶等领域研究的发展。从视觉场景理解的基本概念出发,介绍了视觉场景理解技术的相关理论及最新研究成果,并对基于搜索的模型、基于模板匹配的模型和基于编码-解码框架的模型、以及基于注意力模型的模型进行详细描述与分析。讨论视觉场景理解的最新技术动态,分析视觉场景理解的发展趋势并指出未来研究方向。     

粒子图像测速发展综述

粒子图像测速(PIV)是一种基于流场图像互相关分析的非接触式瞬时全流场测量技术,它融合了计算机、光学及图像处理技术等交叉学科,在流体力学、空气动力学以及生命科学等领域有着广泛的应用。随着PIV技术的进步,其测量功能由早期的二维平面发展成三维空间,为瞬态流场的可视化提供了强有力的工具。从测试原理及系统组成的角度,重点介绍了立体PIV、全息PIV、层析PIV及微PIV等最新三维PIV技术,总结了PIV技术的发展和研究现状,最后探讨了PIV技术的未来发展趋势。     

人体图像边缘检测的算法研究

较系统全面地总结了边缘检测的方法，介绍这些方法的优缺点和适用范围，并针对人体图像的特点及本文所要研究的问题，论述了适合于人体图像边缘检测的基于小波变换的多尺度边缘检测算法。     

基于清晰度的彩色图像量子增强算法

针对信息熵不能客观地反映图像清晰程度的不足,提出一种基于图像清晰度的量子增强算法。该方法首先将一幅由RGB空间表示的彩色图像转换为由HSV空间表示,其次根据相关灰度阈值函数对其亮度分量进行归一化处理,并采用量子衍生增强算法对其进行增强,在此基础上采用清晰度评价函数自适应确定本算法的灰度阈值参数,最后将增强后的HSV空间表示的图像还原为一幅新的RGB空间表示的彩色图像。实验结果表明,基于清晰度评价的彩色图像增强算法较信息熵函数准则有更好的图像增强效果。     

基于影像增强和综合决策的VIRR影像云检测

为充分利用FY-3-VIRR(风云三号可见光红外扫描辐射计)VIRR各个波段的影像,提高VIRR云检测效果,提出基于像元晴朗置信水平的云检测算法。对VIRR多光谱遥感影像进行图像增强,包括NDVI,RVI,NDWI等,并对水像元进行提取,完成云像元和地物像元的对比增强;对每一种增强图像或者单波段图像中各类像元的分布进行分析,并确定像元的晴朗置信水平;综合决策对像元的晴朗置信水平进行确定,并生成云掩模。两种结果对比表明,本文所述方法云检测结果优于直接利用光谱信息云检测的方法。