复杂背景下的汽车牌照自动识别系统

本分析了目前存在的车牌自动识别系统及其相应的问题，同时提出了一种在多分辨率下串行运算的金字塔结构的车牌自动识别系统。该系统由两个重要步骤组成：(1)结合数学形态学的字符笔画分析的车牌定位算法，(2)分析类字符连通域的字符切分算法。通过大量的实验证明该方法准确率高，鲁棒性好，速度快。用1013幅图像对该系统进行测试，正确率为95．27％，平均处理一幅图像只用0．49秒。     

基于知识的航空图像中大型水上桥梁目标识别

针对远距离高空航拍图像中桥梁目标的典型场景，提出了一种基于知识的桥梁目标识别方法，完成了远距离高空航拍图像中桥梁目标的检测．本算法根据水域、陆地域和桥梁域三者之间的关系以及桥梁域自身的特点，采取先假设后验证的方法确定桥梁域．在实验中取得了较好的识别效果．     

交通事件视频图像自动识别系统的研究

如何有效利用高速公路视频图像信息,实时全天候自动智能检测交通事件,提升交通管理部门应急处置能效,是当前公路视频监控亟需解决的问题．本文基于视频图像处理技术,开展交通事件自动识别算法和系统的研究：采用中值滤波、亮度缩放等图像预处理方法,提取交通视频图像的前景目标边界并抑制噪声;基于灰度阈值化方法,对车辆前景进行二值化分割处理;提出一种二值化场景图像连通区域标定算法,对交通事件前景目标进行特征提取与检测识别,并基于上述算法和识别流程开发了交通事件视频自动识别系统．试验表明,该系统对噪声干扰抑制能力较强,识别准确率较高．     

基于云模型的模糊边缘检测

基于云模型和模糊集理论。提出了一种新的边缘检测方法．该方法根据图像灰度。借助区域生长算法产生对象云；通过云运算生成边界云并构建模糊隶属带。进而在条件概率和模糊划分熵的基础上。根据最大模糊熵原则确定最优阈值，对图像模糊边界进行提取．试验结果表明。该算法能保留大量低灰度信息。可以获得较好的枪涮特栗．     

基于自适应阈值和连通域的隧道裂缝提取

为了解决传统人工隧道裂缝检测存在诸如效率低、主观性大、安全性差等弊端,利用裂缝具有方向性和连续性等特征,提出了一种基于自适应阈值和连通域标记的隧道裂缝提取方法. 首先,根据裂缝的方向性特征,设计了一种阿拉伯数字算法（Algorithmic）对裂缝进行粗提取,其中对于该算法公式中的阈值选取进行了自适应阈值化,利用改进的阈值迭代法完成系统自动获取最佳阈值,无需人工干预;然后,根据裂缝的连续性特征,采用数学形态中的连通域标记法对裂缝进行细提取,其中通过控制连通域面积大小,实现裂缝粗提取后的去噪处理,通过膨胀和腐蚀操作实现裂缝粗提取后的修复处理;最后,选取了共计165张不同类型的裂缝图像作为实验样本,在MATLAB上进行仿真实验. 从实验数据可以看出,自适应阈值和连通域标记的提取方法其提取精度可高达94.2%,平均运行时间仅35.4 s,误识率和拒识率已控制在2.7%和1.1%,相较于传统的图像处理方法有着显著的提高,充分展现出良好的应用前景.      

一种简单高效的二值图像并行细化算法PABIT

提出一种简单易行的二值图像并行细化算法PABIT，该算法通过模板匹配的方式．层层剥离原始图像的边缘像素，使具有像素点宽度为偶数的笔划保留双像素的中心骨架．使像素点宽度为奇数的笔划只保留单像素的中心骨架线，最终在此准骨架的基础上通过进一步处理得到最后的笔划宽度为1的细化图案．由于该算法采用并行处理的模式．使得该算法较通常的串行算法效果更好．经该算法细化后的结果具有保形．连通，无扭曲变形的效果．     

流域分割算法在细胞图像分割中的应用

为克服细胞涂片检测癌症过程中细胞交叠造成图像分析的困难，需将实际细胞图像中交叠在一起的细胞群分离为单个细胞。为此，提出一种基于流域分割算法的二值细胞图像分析方法。首先，用迭代腐蚀方法产生距离图，以从交叠的细胞图像中检测出种子数。然后，将极限腐蚀的集合作为分离交叠细胞图象的种子。最后，以种子区域为基础生长图像，直到除凸集的边界外，原图的像素都被重新吸收。叙述了该算法的设计思想和实现，并给出了实验结果。     

Delaunay三角网剖分中嵌入约束边的局部调整算法

提出了一种建立约束Delaunay三角网（CDT）的算法，该算法对约束数据集先建立非约束Delaunay三角网，然后嵌入约束边对其影响域按角度最大原则进行局部调整，同时使其满足CDT的性质。详细地说明了在CDT中嵌入约束边的过程，同时给出了三角网拓扑关系更新的方法，最后对算法的时间效率进行了分析。该算法执行效率高，并且运行稳定。     

基于区域递归分解算法的四边形网格生成技术的研究

基于区域递归分解算法是一种有效的四边形网格生成算法，能较好地运用于复杂的单连通和多连通图形区域，自动化程度高．文中修正Sarrate提出的算法，描述程序实现的具体过程．原算法对六节点子区域的剖分效果不理想，文中就此提出了区分和剖分各类六节点子区域的方法，提高了算法效率，并给出网格生成实例．     

基于色彩分割与体态纹理分析的车牌定位方法

本文提出了一种基于色彩分割、体态分析及数学形态学纹理分析的车牌定位方法．该方法利用车牌与背景的色彩特征，在HSV(Hue，saturation，value)空间内根据车牌颜色的三分量取值范围和色彩距离阀值进行色彩分割以初步过滤背景．对分割后得到的与车牌底色相符合的连通区域再根据车牌体态特征和车牌字符纹理特征，应用数学形态学处理及连通域体态分析等手段，逐步过滤干扰区域，最终定位正确的车牌位置．该方法充分考虑了车牌与背景的色彩、体态及纹理特征的差别．实验证明在复杂背景下具有很强的适应性与鲁棒性．