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.     

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.     

基于投影图像分布特征的车牌定位算法研究与实现

汽车牌照的自动定位是智能交通系统中的重要组成部分之一，是实现车牌识别（LPR）系统的关键一步．针对不同背景和光照条件下的车辆图像，提出了一种先利用扫描行跳变点数据得到图像的水平投影图，再通过突出图像列的边缘特征得到垂直投影图从而提取出车牌的方法．理论分析及实验结果表明该方法是非常有效的，准确率高、鲁棒性好，具有较好的实用价值．     

基于灰度形态学的图像预处理及其三维重构研究

对三维表面重构所用图片的预处理、三维重构Marching Cubes算法及其算法的具体编程实现进行了详细地讨论和验证,其相关技术在工程软件设计中获得了预计的结果.     

一种基于数学形态学的灰度图象边缘检测方法

本文用数学形态学的理论，提出了一种新的灰度图像边缘检测算法。并通过选取合适的结构元素，在微机图象处理系统上，用软件的方法加以具体实现。结果表明：这种方法算法简单，运算速度快，效果好。     

基于汽车底部阴影特征的快速车牌定位算法研究与仿真

提出了一种结合车底部阴影的梯度特征寻找并确定可能存在车牌区域,然后利用车牌先验知识排除不含车牌的错误区域,再根据我国车牌类型特征与比例特征初步分割出小范围车牌区域,并利用Soble算子进行边缘检测,最后结合数学形态学进行快速精确定位。实验结果表明,该方法能够快速,实时有效的检测出车牌所在位置。     

改进的EM算法在分块灰度图像二值化中的应用

识别扫描得到的文本图像首先要进行二值化处理,以去掉冗余的信息.针对二值化过程中采取固定阈值会导致图像的背景和文本不能得到有效区分的问题,提出改进的分块EM算法,并应用在文本图像的二值化过程中,有效地分离了图像中的文本和背景信息,使识别的后续阶段提取的特征能够更好地代表要识别的模式.     

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.     

基于数学形态学和神经网络的车牌识别

汽车牌照的自动识别系统是一种应用于公路交通管理和收费的智能监控系统,文中提出了基于形态学处理定位牌照图象的区域的方法,该方法与其它方法相比对图像没有严格的限制和要求,三层反馈神经网络用来识别和分类,实验证明该方法是有效的。     

基于形态学探针重建算法的光栅常数评定

为了消除原子力显微镜(atomic force microscopy,AFM)在测量光栅常数时探针和噪声造成的光栅常数评定误差,利用MATLAB对不同形状参数的探针扫描图像进行仿真.分析了探针结构对扫描结果的影响,提出基于形态学探针重建算法评定光栅常数,通过标定方式和改进Garcia探针模型进行形态学探针重建来消除探针...     

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。     

车牌自动识别技术探讨

对车牌自动识别技术进行了探讨。     

小波技术在车牌识别中的应用

详细论述了车牌识别技术的原理和常用方法,叙述了车牌识别过程的特点和难点,并针对上述情况,提出了利用小波技术可以解决车牌图像预处理、图像分割和字符识别等过程的理论依据。同时,以字符识别为例给出了以小波变换为核心的算法。     

采用分段分形维数识别车牌字符

研究了在小波多尺度分解情况下,采用分形维数描述车牌字符特征,并在分区情况下计算出典型车牌字符的分段分形维数。发现小波变换能获取丰富的车牌字符特征,采用分段分形维数描述车牌解决了单一维数描述车牌字符时,有些字符维数相差太小,导致阈值难以选取的问题。结果表明,小波分形方法是研究车牌字符识别的有效的新方法。     

基于主动学习AdaBoost算法与颜色特征的车牌定位

人工选取少量的车牌区域和非车牌区域,采用积分图法快速提取Haar-like扩展特征,构成初始训练样本.使用AdaBoost算法训练样本产生一个初始分类器,经过主动学习过程,产生一个用于车牌检测的强分类器.利用Cascade结构检测法进行车牌的粗定位,通过提取边缘颜色对,对候选区域进行验证,实现车牌区域的精确定位.对不同光照条件及车牌污损等复杂情况下的车牌图像进行了定位测试.测试结果表明:车牌的粗定位率和精确定位率分别为98.3％、97.1％,平均定位时间小于0.1s,因此,该方法有较好的车牌定位效果和定位准确率.     

交通无线传感网络运动车辆定位方法

为提高运动车辆定位可靠性与精度,研究了基于交通无线传感器网络的运动车辆定位系统.根据车辆位置区域随速度变化的规律,提出了一种变区间搜索量子粒子群算法对测量的车辆定位参量进行坐标粗估计,由于噪声干扰和信号传输延时,坐标粗估计值存在一定的误差.根据车辆的运动特性引入机动目标的当前统计模型,采用扩展Kalman滤波对坐标粗估计值存在的误差进行修正,以定位速度与精度为评价指标对定位方法进行了验证.验证结果表明:无线传感网络节点可大量布设的特点提高了定位可靠性;量子粒子群中引入变区间使定位速度提高了39.13％;Kalman误差修正使得定位精度提高了56.48％.可见,本文方法可以有效提高运动车辆定位速度与准确性.     

基于交叉感应回线的磁浮车辆连续测速定位方法

分析了交叉回线区域空间磁场分布, 利用磁通密度纵向分布周期性特征, 将车辆位移、速度用感应电压包络信号相位角与角速度来表征; 建立了采用简单交叉回线的车辆测速定位状态空间方程组, 将车辆运行位置和速度作为状态变量在测试过程中连续输出; 考虑实际运行工况下的复杂电磁环境, 引入了噪声自适应算法, 提出了基于新息自适应的磁浮车辆实时连续测速定位计算方法; 在实验室条件下建立了交叉感应回线标定系统, 验证了方法的基本原理; 为了验证方法的有效性和准确性, 进了数值仿真算例分析, 考虑正常噪声和突变噪声工况, 并对比了包含和不包含自适应噪声处理过程的计算结果。试验结果表明: 不同间隔距离条件下, 感应电压包络线都接近于正弦波, 1次谐波是包络信号的主要成分, 相同阶次的谐波幅值与间隔距离成近似线性关系, 与理论分析结果一致; 在正常噪声区段, 速度误差不超过0.03 m·s^-1, 定位误差约为3 mm, 在突变噪声区段, 速度误差均值为0.027 m·s^-1, 最大值为0.130 m·s^-1, 定位误差均值为4.82 mm, 最大值为23.39 mm, 说明测速定位方法可以满足实际应用需求; 数值仿真中突变噪声区段的低信噪比信号在实际应用中是极端情况, 对比正常噪声区段和突变噪声区段的计算结果可知改善输入信号的信噪比可以明显提高测试精度。     

基于自适应多尺度形态学分析的车轮扁疤故障诊断方法

建立了56自由度车辆动力学模型与车轮扁疤模型, 计算了车辆的动态响应。车辆的振动信息往往受到轨道不平顺和车速波动等因素的影响, 为了能在强噪声背景下有效提取轮轨冲击特征, 提出了自适应多尺度形态学滤波分析方法, 研究了车轮扁疤引起的轴箱振动特征, 分析了轨道激扰和车辆运行速度对车轮扁疤故障诊断效果的影响。仿真结果表明: 在100、150、200km·h^-1的车速和美国五级谱、三级谱的激扰下, 分别使用7个和9个尺度的结构元素进行形态学滤波, 正确地识别出10、15、20Hz车轮扁疤故障频率。实测结果表明: 当车速为40km·h^-1时, 使用7个尺度的结构元素进行形态学滤波, 提取出了2 Hz的故障频率, 此频率与理论故障频率相对应, 诊断结果可靠。     

基于可信性测度的模糊车辆路径问题

车辆路径问题(VRP)主要用来寻找有效路径。车辆的起始点都是位于交通中心的仓库,通过车队运输来满足客户对商品的需求。文中介绍不确定条件下的车辆路径问题,即客户的服务时间窗是模糊的。设计一个基于可信性测度的模糊车辆路径模型,并通过模糊模拟和遗传算法的混合智能算法进行求解。最后,结合一个实例说明该模型的应用性和可行性。     

基于通行能力分析的车辆折算系数研究

以通行能力分析为基础．提出车辆折算系数的准确概念,即在特定的道路条件以及交通组成条件下,所有非标准车相当于标准车对交通流流量影响的当量值。在此定义的基础上,确定采用车辆作用空间与车头时距相结合的方法确定车辆换折算系数PCE值。最后,以在哈尔滨市二环路上观测的数据为例,给出不同车型在平直路段、通常交通条件下的PCE推荐值。