数字监控系统中基于阴影消除的目标自动提取

智能视频监控系统需要从静止摄像头拍摄的实际视频序列中抽取并跟踪运动物体，剔除物体的阴影区域。为此，本文提出一种基于图像边界差值信息的消除阴影的前景检测算法，利用阴影区域图像的边界信息与背景相比基本保持不变的特征，抽取输入图像与背景边沿特征的差值。这样图像前景区域特别是边界附近差值比较大，而背景和阴影区域差值比较小。接着本文采用基于固定网格的围线模型，从图像的外框开始，由外向内收敛，最后收敛围线就是前景物体的边界。实验结果表明，与其他前景检测算法相比，本文算法效率高，前景检测准确率高，可以非常好地消除图像噪声、室内阴影和室外弱阴影。     

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。     

高性能物流集装箱代码识别系统

本设计和实现了一个集装箱代码识别系统，能够利用码头的闭路电视系统队集装箱代码进行自动跟踪、定位和识别。本系统在识别率和识别速度两方面都达到了较高的性能，在实际物流统计应用中达到了良好的效果。