基于多方法融合的非监督彩色图像分割

针对传统K-means聚类彩色图像分割方法需要人为设定初始分割类别数目、易受噪声干扰等缺陷,提出一种多方法融合非监督彩色图像分割算法。该算法对原始图像进行光谱信息增强处理以提高图像信息提取效率,对K-means聚类引入戴维森堡丁指数(Davies-Bouldin index, DBI)自动化确定最佳分割类别数目,通过图像聚类分析并进行像素标签标记,并结合高斯马尔科夫随机场(Gauss-Markov random field, GMRF)理论对标记图像进行分割,最后使用形态学算子进行后处理完成分割操作。试验结果表明。本研究方法具有一定的鲁棒性,且分割效果更接近真实性。通过对分割结果进行量化评价,进一步说明本研究方法在分割精度和准确性方面更具优势。     

粒视角下彩色图像分割方法

为解决内容驱动的彩色图像分割问题,结合形态学跳连通算子和谱图聚类技术建立基于粒的分割方法．在粒计算的框架下,采用彩色图像的连通性算子构造图像分割问题的基本粒．在估计基本粒尺度的基础上,利用曲面正交多项式拟合技术进行基本粒规则化．通过谱图聚类算法融合各个基本粒,实现粒视角下彩色图像的分割．模拟实验验证了本文所提方法的有效性,面向粒的分割技术在消除边界块效应和降低计算复杂度方面优于基于规则分块和面向像素的分割方法．     

基于巴氏度量的车辆违章变道快速检测方法

针对目前城市道路监控视频中存在的事件检测及报警不及时问题,提出了一种快速有效地检测车辆路线和位置违章的方法。该方法不依靠传统的车辆检测和分割方法,而是首先利用Harris角点检测的方法提取车辆角点,然后用金字塔Lucas-Kanande(L-K)对角点进行快速跟踪,同时对跟踪的角点实行谱聚类,利用Bhattacharyya距离对角点和聚类中心进行度量,并将其进行归一化,由预先设定的阈值可以判断车辆是否发生了异常行为。与传统车辆异常行为检测方法相比,该方法具有方便、快速的优点,鲁棒性较强。     

激光点云中典型地物分割方法

摘　要: 对于激光点云中的典型地物, 传统点云分割算法由于其适用性不同, 且分割阈值较难设置, 易出现过分割或欠分割现象。针对此问题, 通过分析不同算法的原理及适用性, 提出基于区域增长与欧氏聚类相结合的点云分割方法。该方法通过区域增长将激光点云中的典型地物分为树、杆类及建筑类, 再分别对这两大类地物设置不同阈值, 采用欧氏聚类算法将个体单独分割开来。实验结果表明, 本文方法能将树、杆状物、建筑物等典型地物分割开, 同时解决了因阈值设置不合理而出现的过分割或欠分割问题。     

基于骨架角点检测的粘连车辆分割

给出一种基于骨架角点检测的方法以实现视频监控中粘连车辆的分割。首先利用"火烧法"提取粘连车辆区域的骨架,并对骨架进行角点检测,然后用K均值聚类方法对角点聚类,由聚类结果得出粘连车辆的分割线。利用50幅从实际监控视频中截取的图片进行实验,结果表明,所给方法可缓解过分割问题,并能在保证分割质量的情况下,缩短分割时间。     

车辆牌照定位的算法研究

车辆牌照的自动识别是智能交通系统（ITS）中的关键技术,而车牌照的定位又是车牌识别的关键点之一,本论文探索用数学形态学和投影方法来确定车牌照在原始灰度图象中的水平和垂直位置,从而定位车牌照图象,对不同背景和光照条件下的各类车辆灰度图象进行实验的结果表明本论文提出的车辆牌照定位是一种可行的车牌定位方法。     

Harris角点检测与AP聚类结合的车牌定位方法

在车牌识别系统中,车牌的准确定位是关键,针对车牌区域包含有比较丰富的角点,提出了harris角点检测与AP聚类相结合的车牌定位方法.该方法先采用Harris算法检测出车牌区域的角点,然后对角点进行AP聚类并剔除包含角点数较少的类以及远离类中心的离群点,最后进行区域合并,根据车牌区域宽高比识别车牌区域.实验证明该方法能够快速、准确定位出车牌区域.     

一种基于RGB色彩的运动对象分割方法

随着新的视频压缩标准MPEG-4的出现，在视频序列中克服外界影响，分割出语义上有意义的单独运动对象成为计算机视觉研究的重要课题．提出了一种基于颜色特征进行运动对象阴影检测。利用互帧差的高阶统计特性和数学形态学算子进行运动对象分割的方法．实验结果表明该方法能有效的克服阴影的影响，从而实现运动对象的分割．     

基于图像分解的视网膜图像分割新方法

视网膜血管的分布特征可用于个人身份鉴别、安全防护等领域,也是分析和诊断高血压、糖尿病等疾病的重要指标。在对原图像的绿色通道采用变分方法进行分解的基础上,提出了一种将模糊聚类与形态学滤波相结合的血管提取方法。该方法在对图像进行预处理及聚类的同时,通过构造一组不同尺度和方向的类直线形结构元素对聚类结果进行形态学滤波实现图像分割。实验结果表明,该方法可有效地自动提取视网膜血管主干和主要分支。     

基于数学形态学的汽车牌照提取算法

定位汽车牌照在车牌识别应用中是很关键的一步。提出了一种基于数学形态学的新方法。以车牌宽度和高度、车牌字符高度及字间宽距等信息为依据来设计一种新的结构元,通过对汽车边缘图像进行形态学运算,能从图片中得到包含汽车牌照的候选区域,最后,基于汽车牌照纵宽比等固有特征,采用连通域体态分析,对包含车牌的多个候选区域进行去伪,得到真正车牌区域。通过对大量汽车图片实验,验证了该方法的有效性。     

一种新的车牌识别预处理算法

提出了一种八方向Sobel处子模板提取图像边缘的方法，并根据边缘图像中车牌区域纹理特征来切分出车牌区域，然后利用类别方差自动门限法来确定字符色和底色的阈值，以进行字符二值化，经测试，此方法定位准确，二值化效果较好，为后字符分割和识别做了较好的预处理工作。     

采用特征点提取算法的车牌倾斜校正方法研究

针对车牌倾斜校正问题,首先简介了四种特征点提取的算法,并结合实验结果分析了各算法的优缺点,进而提出了比传统算法更有效的基于非线性双边滤波器的Harris算法,然后提取出车牌区域的字符角点信息,再结合惯性主轴算法对倾斜车牌进行校正。实验结果证明,改进后算法有效地抑制了伪角点数目,提高了车牌角点检测的精度,使得车牌倾斜校正的精确度和实时性大幅度提高。     

基于字符上下边缘的车牌校正方法

提出了一种基于车牌字符上下边缘的车牌倾斜校正方法.先将定位图像二值化,求出连通域,保留属于车牌字符的连通域;再根据字符连通域上边缘点集和下边缘点集分别拟合出上边缘直线和下边缘直线;若两直线斜率相差较小,则水平倾斜度可根据任一斜率算出;否则,分别按上边缘直线斜率和下边缘直线斜率在坐标轴上的投影,取投影少的斜率计算倾斜度;最后根据倾斜度进行旋转校正.实验结果表明,对车牌边缘线缺失、倾斜度大等不敏感,通过该方法校正后有效提高了字符分割和字符识别的正确率.     

汽车牌照的产时分割方法

提出了一种汽车牌照的实时分割方法,利用牌照区域灰度变化剧烈,而背景相对平缓的特点,以适当阈值二值化牌照图像以消除背景干扰,结合牌照知识,搜索牌照区域,如找不到,则自适应调整值,重复以上步骤。实验证明该算法定位准确并且是实时的。     

基于色彩转换和投影的车牌定位方法

为了设计出一种能够快速自动识别定位车牌的方法,首先对获得的彩色车牌图像进行灰度化和二值化,然后对经二值化处理的车牌图像进行水平和垂直投影,同时充分利用车牌的几何特征,共同完成车牌的区域定位。经VC＋＋验证表明,该方法定位速度快,定位精度较好。     

一种基于多特征扫描的车牌快速定位方法

针对复杂背景下车牌图像定位不精确，定位时间长等问题，提出了一种快速实用的车牌定位方法。在对车牌图像边缘检测的基础上，实施图像二值化，然后对二值图像扫描，并利用车牌的位置尺寸信息和纹理信息缩小搜索范围。实现车牌快速准确的定位。实验结果表明，对不同背景、不同车型的汽车图像，该方法具有较好的定位精度和定位速度。     

车牌提取方法研究

提出了一种基于模糊边缘检测和纹理特征的牌照提取方法。首先由投影法确定车牌候选区域，然后由12个边缘模板计算每个候选区域中边缘两侧的平均灰度差，并作出灰度梯度的二维直方图。据此确定每个候选区域模糊边缘检测中广义渡越点的值。然后根据车牌区域特点来提取牌照。经测试，该算法简单快速、定位准确，为后继字符分割和识别做了较好的预处理工作。     

车辆牌照识别技术的研究发展

车辆牌照识别系统即基于图像和字符识别技术的智能化交通管理系统,是智能交通系统的重要组成部分。通过对车辆牌照识别系统及识别技术的分析,总结出进一步研究车辆牌照识别技术的必要性,并提出将模板匹配与支持向量机相结合进行字符识别的算法思想。     

一种基于彩色纹理特征的车牌定位方法

准确快速的车牌定位是汽车牌照自动识别系统的一个重要环节．利用Roberts算子对车牌图像进行边缘检测,根据车牌的彩色纹理特征和灰度跳变特征,提出了一种基于彩色纹理特征的车牌定位新方法,利用采集的80幅车牌图像,在MATLAB环境下进行车牌定位实验,定位准确率达92．5％,实验结果验证了该算法的有效性和鲁棒性．