基于SOM的车牌号码倾斜校正

利用SOM神经网络的聚类特性,把图像字符坐标聚成2类拟合成一条直线,求得该直线斜率k,计算倾斜图像的旋转角α,把倾斜图像旋转α,进行水平倾斜校正;在垂直倾斜校正中,使用SOM神经网络聚类拟合直线,计算垂直倾斜角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,该方法能准确地检测出图像的倾斜角,并具有较强的抗干扰性和应用适应性,为图像倾斜校正提供了一个新的有效方法.     

基于灰度形态学的车牌定位算法

根据车牌图像的统计特征,计算形态学滤波器的结构元素,进行图像背景估计;利用闭-开运算,处理残差图像;采用自动搜索种子区域填充算法,得到各个区域;根据区域的几何特征,判断是否为车牌区域;通过对二值化的车牌采用K-means聚类拟合直线方法进行倾斜校正,得到最终的车牌.实验结果表明:该算法简单、迅速,定位准确率高,为后继字符分割和识别奠定了基础.通过对120幅图像定位实验,总有效定位率为96.7%.用Matlab7.0实验时,每张车牌平均定位时间为2.438s,而用VC++实现时,平均定位时间仅为0.139s.     

基于RC4算法的多冗余数字水印技术

提出了一种数字水印技术,它把二进制水印信息按位置换,以RC4加密算法对其进行加密,对原始图像按8×8块进行DCT变换,在低频系数中嵌入加密的多冗余水印信息.实验结果证明,该算法既具有很好的安全性,能抵抗多种攻击,又具有较好的鲁棒性.     

奇异值分解算法在数字水印技术中的应用

奇异值分解算法应用于数字水印技术中,把水印信息按位置换,对宿主图像分块并做奇异值分解,在奇异值域做数学变换以重复嵌入按位置换的二值水印信息．实验结果表明,该方法既提高了水印的信息量,同时又使得水印图像具有很强的稳健性,能抵抗旋转和裁剪等多种攻击,水印的保密性与鲁棒性均有显著的提高．