基于灰色形态学的车牌定位技术研究

对车牌定位的各种技术及图像预处理进行了分析和比较.并提出和验证用灰色形态学与颜色掩膜相结合的方法对车牌图像进行快速定位的技术和方法.     

车牌自动识别系统设计与实现

车牌自动识别分为图像预处理、车牌定位、字符分割、字符识别四步。利用形态学变换对图像进行滤波聚类,HOUGH变换对车牌图像进行水平校正,BP神经网络的方法进行字符识别,最后基于DELPHI7．0环境下设计开发了车牌自动识别系统。     

基于改进二维离散小波变换的多车牌定位

针对复杂背景提取多个车牌的问题,提出一种改进的二维离散小波变换的多车牌定位方法。根据小波多尺度分解的特性,对图像进行二维离散小波变换,获得一系列小波低频信息图,与原图像做线性差值,获得车牌字符的细节特征;然后根据二值化图像中车牌字符与背景的差异产生灰度跳变,粗定位车牌在图像中的行位置,缩小车牌定位的查找范围;最后,在粗定位的小范围图像中,利用颜色特征和形状特征精确定位所有车牌。研究结果表明:改进的二维离散小波变换图像相比传统的二维离散小波变换图像,灰度均值、标准差和平均梯度提高近一倍,有效获取原图像的边缘信息缩小多车牌位置;多车牌定位方法可以达到98.96%的准确定位率,平均用时328 ms,能够准确、快速定位多车牌。     

基于边缘检测及数学形态学的快速汽车车牌定位

车牌定位是汽车牌照识别系统的重要环节,定位的准确性直接影响车牌识别的准确率.文章研究了利用图像边缘及数学形态学的快速汽车车牌定位方法,首先将彩色图像灰度化,并利用Sobel算子进行图像边缘提取,然后运用数学形态学算法对二值图像进行处理,得到几个车牌候选区域,最后利用连通区域的长宽比,面积比及车牌字符水平分布特征等来准确定位车牌.实验表明,这一方法能快速准确地实现车牌定位.     

一种噪声车牌的模糊预处理方法

本文提出了一种车牌模糊预处理方法,主要用于解决现场车牌图像模糊不清、对比度不强,以及传统二值化方法带来的噪声、粘联、变形等不理想现象。通过采用模糊增强技术采增强车牌图像的对比度,便于后续的分割、识别等操作;并提出应用模糊c均值算法采确定车牌图像二值化中的聚类阈值,从而实现对车牌图像的二值化,并将二值化结果与传统的Otsu二值化方法进行了对比。实验结果显示,应用本方法处理车牌噪声和粘联等情况具有较好的优越性。     

����ͼ��ֱ��ͼ�ij���ͼ���ֵ�������о�

在基于数字图像处理的车牌识别技术的研究过程中,因为车牌定位和字符分割一般都是基于车牌区域的二值化结果进行的,因此对图像的二值化是非常关键的一步,二值化的效果直接影响到后面的车牌定位以及字符分割。二值化最主要的是阈值的确定,文章对比了几种常规的车牌图像全局阈值二值化处理算法,并重点分析了最大类间方差法和KSW 最大熵法的基本原理和微机仿真结果,发现用于车辆图片是这些方法不够理想,然后提出一种新的方法—基于图像直方图波形分析的车牌图像二值化处理算法,经过大量试验证明该算法在进行车牌图像二值化处理时效果非常理想。     

基于均值聚类的车牌定位技术研究

采用强制综合聚类中心的均值聚类思想对车牌图像进行区域分类,在HLS颜色空间下,利用数理统计的方法得到聚类颜色中心,并对目标图像进行强制聚类,以最终获得只包括车牌四种颜色的待处理的图像,然后利用形态学、人工神经元网络等技术对车牌进行车牌识别.该方法在实践中进行了验证,比基于二值化和灰度化处理思路的定位效果更好,能对多种不同环境下的拍摄的车牌进行有效的识别.     

基于模板匹配方法的不均匀照度车牌图像识别

为了快速准确识别不均匀照度车牌图像,提出一种基于改进的顶帽重构和模板匹配方法车牌识别算法。首先,使用灰度级顶帽重构进行预处理,增强图像的细节信息,减弱环境和光照等条件变化对车牌字符信息的干扰。然后,使用改进的投影分割法对二值车牌图像进行分割,提取字符图像。最后,对不同地点、不同自然条件下采集的图像进行测试,测试结果证明该算法性能优异。在此基础上,设计了一种基于字符图像全局重合度的模板匹配函数,对字符样本图片进行测试,测试结果证明该匹配函数准确可行且性能良好。     

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.     

车牌识别技术实现方法初探

现代智能交通系统把计算机视觉和模式识别技术应用到车牌识别技术领域中,车牌识别是指对已知车辆数字图像进行预处理、车牌定位、字符分割、字符识别的过程。车牌识别系统中的关键技术在于车牌区域定位技术和字符分割与字符识别技术,探讨了车牌识别过程中的常用方法。     

HIERARCHICAL CONTENT BASED IMAGE RETRIEVAL

ＩｎｔｒｏｄｕｃｔｉｏｎＡｔｒａｄｅｍａｒｋｉｍａｇｅｄａｔａｂａｓｅｉｓａｓｅｔｏｆｔｒａｄｅ－ｍａｒｋｐｉｃｔｕｒｅｓ．Ｕｓｕａｌｙｉｔｉｓｔｈｅｄｕｔｙｏｆｐａｔｅｎｔａｎｄｔｒａｄｅｍａｒｋｏｆｉｃｅｔｏｅｓｔａｂｌｉｓｈａｎｄｍａｎａｇｅｔ...     

用于人脸识别的图像预处理方法研究与实现

提出了一种人脸图像预处理改进算法:将图片转化为灰度图像后进行去噪滤波,根据灰度投影曲线确定人脸的边界,依据确定的眼、嘴以及脸的左右边界这些参数对图像进行剪裁,根据人脸特征的几何关系确定人脸图像的缩放系数,得到标准化图像.解决了传统方法无法适用于侧脸和双眼闭上的人脸的问题.     

基于图像处理齿轮表面缺陷测量技术

通过数字图像处理技术可实现齿轮在线快速、准确的测量．介绍了齿轮图像采集系统,通过图像预处理、几何特征提取等图像处理技术实现了齿轮表面缺陷几何特征参数的测量,且在此基础上基于MATLAB开发了齿轮表面缺陷几何参数检测软件,为基于图像处理技术齿轮在线快速检测提供了技术基础．     

基于图像处理齿轮表面缺陷测量技术

通过数字图像处理技术可实现齿轮在线快速、准确的测量.介绍了齿轮图像采集系统,通过图像预处理、几何特征提取等图像处理技术实现了齿轮表面缺陷几何特征参数的测量,且在此基础上基于MAT-LAB开发了齿轮表面缺陷几何参数检测软件,为基于图像处理技术齿轮在线快速检测提供了技术基础.     

基于NSCT变换的红外与可见光图像融合方法

针对小波变换不能很好地表达图像边缘信息，NSCT变换对图像细节信息表达缺失的问题，本文提出了一种改进的基于NSCT变换的图像融合方法．首先将经过预处理和配准后的红外图像和可见光图像进行NSCT变换，得到各个源图像的低频和高频系数，然后对分解后的低频系数采用小波变换的融合规则进行融合处理，高频系数则采用基于特征的区域能量的融合规则进行融合处理，最后对融合后的系数进行NSCT反变换得到融合图像．仿真实验表明，采用改进的NSCT融合方法对红外与可见光图像的融合有良好的效果，图像更清晰，信息更全面．     

红外运动目标图像的识别与跟踪技术研究

文中实现了基于红外扫描图像的运动物体自动识别跟踪系统.选择了Butterworth滤波和中值滤波结合的方法对图像进行预处理,基于多帧图像的局部能量的分割算法来实现图像背景的分割,并采用卡尔曼跟踪算法和目标方位确定算法相结合完成对红外小目标的跟踪.在VC++中使用GDI来建立雷达扫描式的极坐标系,将目标运动轨迹在坐标系中显示出模拟轨迹.     

基于图像融合和DCT域增强的人脸识别

提出了一种基于图像融合和DCT域增强的人脸识别方法.首先对人脸图像分别进行直方图均衡化和对指数变换,将二者变换结果融合,减少光照对人脸识别的影响;然后进行DCI变换,在滤除高频分量的同时进行图像增强,抑制块效应,在此基础上进行IDCT图像重建,利用二维主成分分析提取人脸特征,降低空间维数;最后通过最邻近分类法实现人脸识别.Yale人脸库仿真实验表明,该方法在光照变化较大和人脸样本较少的情况下具有较高的识别率.     

基于纹理尺寸自适应的Criminisi图像修复改进算法

针对Criminisi图像修复算法中样本块选择的随意性,导致图像修复效果欠佳的缺陷,提出一种针对纹理图像的Criminisi改进算法。该算法通过对纹理图像预处理后获得的二值化图像进行统计分析,获得图像的行和列纹理曲线,进而得到纹理曲线的极值点变化曲线,并最终获得样本块的近似尺寸。仿真实验表明,将本文获取的样本尺寸作为Criminisi修复算法的样本尺寸,获得了较传统Cfiminisi算法更好的视觉效果。     

THE RECOGNITION SYSTEM OF MOVING MACHINE PRINTED MARK／NUMERAL

1 Introduction Manyindustrialprocessesneedthecapabilities ofautomaticprocessingforproductinformationto controltheproductquality.Theexpirydateand productidentification(e.g.batchnumber)aretyp calproductinformationwhichareoftenprinted omewhereontheoutsideof…     

Target-to-background separation for spectral unmixing in in-vivo fluorescence imaging

We present a novel fluorescence spectral unmixing based on target-to-background separation pre- processing, which effectively separates the multi-target fluorescence from all background autofluorescence （BF） without any hardware-based BF acquisition and tissue specific BF estimation. Specifically, we first enhance the intrinsic accumulation contrast in target-to-background fluorescence using h-dome transformation; then separate multi-target fluorescence areas from the background in sparse multispectral data utilizing kernel maximum auto- correlation factor analysis; we further use fast marching-based image inpainting method to patch up the removed target fluorescence areas and reconstruct the multispectral BF; with the BF matrix being subtracted from the original data, the multi-target fluorophores are easily unmixed from the subtracted data using multivariate curve resolution-alternating least squares method. In two preliminary in-vivo experiments, the proposed method demon- strated excellent performance to unmix multi-target fluorescences while other state-of-art unmixing methods failed to get desired results.