基于Matlab数字图像处理的车牌定位方法

通过彩色图像灰度化、最佳阈值法对图像进行二值化,改进的中值滤波策略对图像去噪,小波融合技术等对图像进行预处理。从而提高图像质量。利用改进的边缘检测的方法对预处理后的图像进行定位,并运用数学形态学的知识筛选车牌区域。结果证明,该定位方法取得了较好的效果,可为车牌图像的准确识别奠定基础。     

字符图像混合二值化方法研究

在模式识别中,二值化效果的好坏直接影响着识别率。针对几种常用的图像二值化自动选取阈值方法,通过计算机仿真试验比较,提出一种全局阈值法和局部阈值法相结合的新的图像混合阈值二值化方法。     

����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。     

改进的遗传算法在Canny算子阈值选取中的应用

Canny算子因其信噪比高、定位准确以及单边响应的优势,常常用于图像的边缘检测,而双阈值检测中阈值的选取会影响图像边缘提取的效果,为了获得边缘检测的最佳阈值,引入了一种改进的遗传算法.该方法从遗传算子和操作策略两个方面对基本遗传算法作出改进,重点设计了种群进化的适应度函数,使用该方法确定图像边缘连接的最佳阈值,以获得图像的边缘检测效果图.仿真结果表明:采用改进的遗传算法确定的阈值所得到的图像,边缘细节丰富,定位准确.     

智能图像处理技术在车型识别中的应用研究

提出了一种应用于视频车型识别系统中的图像预处理方法．该方法对采集到的车辆图像去模糊恢复，然后采用快速的梯度算法得到背景与车辆的边缘图像，用两幅边缘图像相减分割出车辆图像，再对图像二值化，并进行直线拟合、填充处理，最后用轮廓跟踪的方法得到完整的车辆轮廓图，从而有效提取特征参数．     

基于混沌遗传算法的基元提取

提出了一种直接在灰度图像上进行基元提取的方法．与传统基元提取方法相比，该方法不需对灰度图像进行边缘检测二值化处理，而是利用图像边缘的梯度信息对混沌遗传算法导向，直接在灰度图像上提取基元．同时，该方法也避免了Hough变换高的时空开销问题．仿真表明该方法方便、有效并具有较高稳定性．     

成像偏振在车道线检测与识别中的应用

复杂环境下的车道检测是目前智能车和辅助安全驾驶研究的难点和热点. 针对外部复杂的道路环境,将光学偏振理论引入传统的车道检测技术,提出了一种基于成像偏振的车道线检测方法. 通过对车道线图像基本特征的分析,首先采集3个角度的特殊环境道路偏振图像,获得偏振度图像;然后对偏振度图像作二值化和图像感兴趣区域的划分;再根据车道线边缘的直线特性,进行道路图像的边缘检测从而可以获得车道边缘;最后通过Hough变换原理提出了改进的Hough算法,并得以实现检测出车道标线,计算出汽车行驶偏角. 通过仿真和实验验证表明,该方法能够准确地检测和识别出复杂环境下的车道线,车道线的检测偏角与实际偏角之间的误差小于0.3°.      

基于图像处理的弓网燃弧检测方法

为提高弓网燃弧检测准确率,针对识别燃弧弧光困难的缺点,提出了一种结合改进Canny算法与求取目标重心法的弧光识别方法.首先,对燃弧可见光图像灰度化处理,利用图像二值化法区分弧光与背景;其次,采用改进的Canny算子检测弧光边缘,记录边缘内像素点总数及各像素点相对位置坐标;最后,计算燃弧重心横坐标,根据燃弧重心横坐标值是否位于接触线在相机中的成像范围内来识别燃弧.仿真结果表明,该方法能够准确识别燃弧,有效提高弓网燃弧检测准确率.     

视频交通图像自适应阈值边缘检测

应用小波变换对视频交通图像进行边缘检测，研究了边缘评价指标、尺度对性能指标的影响及自适应阈值边缘检测，并与经典的边缘检测Sobel算子进行了对比。提出用大尺度滤波器去抑制原图像的噪声，可靠地识别噪声；而用小尺度滤波器为图像边缘精确定位，并构造出紧支二次B样条小波。结果表明，二次B样条小波边缘检测方法具有计算量小，抗噪能力和适应能力强，且有改进余地等优点，仿真效果也明显好于经典的Sobel算子。     

基于改进Canny算子的铁路扣件定位方法

边缘特征是铁路扣件定位及缺陷分类的重要依据.针对传统Canny算子人为设定高低阈值会影响边缘检测效果,以及对多余信息消除能力较弱等缺点,提出一种轨道扣件边缘定位的改进Canny算子算法.首先,改变梯度幅值计算,除考虑水平和垂直两方向外,再增加计算45°与135°方向的梯度幅值,以有效避免边缘间断;其次,采用二维最大类间方差算法确定最优阈值以消除伪边缘,并以此进行Canny算子优化.仿真表明,该方法有效优化了Canny算子,能够准确检测所确定目标的真实边缘,在光照不均匀条件下的效果尤其突出,且具备较强的自适应性与抗噪能力,可基本消除因伪边缘而影响Hough变换的直线提取性能,定位准确率可达99.3%.     

一种简单的灰度图像边缘检测算法

提出了一种新的基于平行方向上像素点灰度值平均值求差的边缘检测算法.根据像素点及其八邻域的灰度值,在尽量保证图像信息完整的基础上,选择合适的阈值提取出尽可能合适数量的边缘点,并利用边缘的连续性原理对结果中的噪声点进行筛选,以达到边缘提取的目的,提高图像边缘检测效果.实验表明:此算法对灰度图像是一种简单、有效的边缘检测算法.     

基于霍夫变换的全景图中建筑物识别方法

提出了一种能够自动识别全景图中建筑物轮廓的方法.首先利用Canny算子获得边缘图像,使用霍夫变换算法提取出边缘图像中的直线.然后检测各条直线之间的位置关系,由于全景图尺寸较大,采用了局部化原理来进行检测.再根据直线之间的位置关系生成直线关系图.最后遍历直线关系图得到封闭几何图形,从而识别出大规模全景图中的建筑物轮廓,为进一步的全景图中建筑物三维建模提供素材.算法分析和实验结果表明,该方法对于几何形状规则的建筑物能够较好的识别.     

日间高速公路侧后方车辆识别方法

为帮助驾驶员发现目标车道侧后方车辆尤其是视野盲区内车辆,从而避免或减少换道过程中发生的交通事故,提出了日间在高速公路上识别侧后方车辆的新方法.根据路面灰度值,将日间图像分为正常光照和弱光照两类.由于车辆阴影的灰度小于路面平均灰度,根据两侧车道区域内存在的灰度突变确定出侧后方车辆的可能存在区域.对确定的区域采用相应的阈值分割方法进行图像分割.在对分割后的二值化图像去噪、边缘提取和细化,以及提取车辆直线水平边缘基础上,根据系列车辆统计获得的先验知识(车辆前车窗的大小及比例等)验证车辆的真实存在.试验结果表明,该算法具有较好的可靠性和鲁棒性.     

一种基于几何约束的轨道提取方法研究

针对基于Hough变换或螺旋曲线模型的视觉轨道检测方法存在的不足,本文提出了一种基于几何约束的轨道提取方法.该方法利用摄像机和轨道平面之间的成像关系近似满足单因矩阵的特点,利用逆透视映射(IPM)将输入图像转换为Bird-view图像,并采用一种改进的边缘检测方法进行边缘检测.然后将二值化的边缘图像在垂直方向上分割为多个区段,在每个区段上,利用先验知识生成的系列模板图像,对分段IPM图像进行去噪处理和Chamfer距离变换后进行距离匹配检测,将轨道检测转换为一个二维匹配搜索过程.在分段检测结果的基础上,进一步利用曲线拟合得到边缘图像中完整的轨道曲线方程.该曲线方程通过已知的单因矩阵转换为原始图像中的曲线描述,实现在原始图像中的检测和定位.实验验证了所提方法的可行性和可靠性.     

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。     

模糊航空图像中的道路自动检测方法

为了在模糊航空图像中精确地检测道路,通过分析图像中道路特性,提出了一种道路自动检测方法。通过多尺度Retinex算法增强模糊图像,用改进的Canny边缘检测算法检测图像中的主要路段,使用交叉熵理论和贝叶斯决策理论自动获取梯度图像中的高低阈值,从而将灰度图像转化为二值图像,并将图像中所有线性目标进行骨架提取。根据线性目标的形状与尺寸参数进行噪声滤除,并根据端点的方向与端点间的距离进行道路间隙缝合,并结合边缘和原始图像信息调节和修正已检测出的道路。将道路自动检测方法与几种常用的图像分割算法进行比较,包括大津阈值分割算法,Canny边缘检测算法与图论最小割算法,并使用道路自动检测方法对模糊图像中的单条道路、交叉道路和多条道路进行检测。检测结果表明:对模糊或光照不均的航空道路图像,Retinex算法增强图像后可以清晰显示主干道路,而常规的图像分割算法无法将主干道提取出来,使用改进的Canny边缘检测算法并附以图像后处理功能较好地提取主干道路。使用道路自动检测方法能够清晰地检测模糊航空图像中单条道路、交叉道路和多条道路,与人工识别的效果接近。     

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．     

沥青混合料图像多阈值分割方法

将基于遗传策略的多阈值分割法应用到沥青混合料图像分割中,解决了边缘检测法、单阈值法抗干扰性差、分割结果不能直接用于级配分析的难题。实验结果表明,该方法的分割精度优于边缘检测类和单阈值法,而且可将沥青混合料中的粗骨料、细骨料、纹理和空隙等组成部分分离出来,为后续的级配分析计算奠定基础,具有广阔的应用前景。     

基于小波的路面裂缝识别研究

应用基于小波变换的图像分解和重构方案可以进行公路路面裂缝的检测与识别。首先对路面图像进行多分辨二维离散小波分解,根据在每个尺度2j上小波系数模最大值和相位(梯度方向)这两个分量的大小确定边缘的位置,进一步变换小波分解系数,达到去除噪音,加强裂缝边缘的效果。并通过实验分析和讨论了不同的小波基、不同分辨率水平、重构中使用的分解子图像对路面图像裂缝分割的影响,最后用简单的阈值技术生成二值图像,把裂缝从背景图像中分离出来。     

图像分块下的隧道裂缝识别方法

针对隧道衬砌表面不均匀光照、渗水和噪声等强视觉干扰,设计了基于图像分块的隧道衬砌裂缝检测算法;根据中国西部地区的地理特征和隧道衬砌的外观病害,研制开发出一种快速、自动化的非接触式智能隧道结构物外观检测系统; 以非均匀光照下隧道图像数据集为研究对象,在图像分块的基础上提出一种适用于隧道裂缝特征提取的图像识别算法;研究了电子元件产生的噪声,并分析和总结了隧道衬砌的灾害特征;根据裂缝特征和分辨率将图像矩阵划分为适当数量的区域块,根据区域块的灰度特征将原始图像划分为目标背景区、目标病害区、病害背景区和其他区域,通过最大类间方差法和局部阈值法分割得到了隧道裂缝的粗图像,在此基础上进行了粗图像裂缝特征提取;对原始图像的每个区域块进行了对比度受限的自适应直方图均衡操作和局部阈值分割,得到了细节图像;将细节图像和粗图像的重叠区域设为理想裂缝二值化图像;结合隧道结构物外观检测系统对不同方向的裂缝图像进行了二值化试验,并通过隧道裂缝定位和投影法得到了隧道衬砌图像中裂缝的位置信息和方向。研究结果表明:提出的算法对隧道裂缝识别的准确值、召回率和F值可分别达90.34%、98.78%和94.37%,既可以保证隧道裂缝的完整性,也可以在非均匀光照下最大程度地保留目标裂缝的细节,可用于处理一般灰度图像的二值化问题。