基于小波分解和亮度矩的车牌定位方法

文章提出了一种基于小波分解和亮度矩的复杂背景下,图像中车牌定位和分割的方法。针对小波分解能较好地保留图像中的细节信息,选用小波作为车牌分割工具;为了突出车牌字符与图像中其它信号特征的差异,定义了一个亮度矩函数,用以搜寻牌照的上下、左右边界。仿真结果表明,该方法定位准确率高、速度快。     

针对医学图像的小波阈值去噪方法

为了改善小波阈值去噪算法中硬阈值和软阈值存在的不足,提出一种新的小波阈值去噪方法.该算法在进行小波阈值去噪前,先将图像分割成背景平坦区域和细节区域两部分,然后分别进行小波阈值去噪,最后融合两图像从而获得去噪图像.在分别进行小波阈值去噪时,利用迭代法进行阈值选择,采用"软、硬阈值折中"阈值函数.根据对医学图像去噪的仿真实验结果表明,该算法在去噪效果上均优于传统的软硬阈值方法.     

一种基于小波变换的多阈值分割算法的研究

本文研究了基于小波变换的多阈值图像分割算法。通过小波变换将图像的直方图分解为不同层次的小波系数,然后利用小波多分辨率分解,将直方图曲线进行平滑去噪,依照给定的分割准则和小波系数选择阈值门限,最后采用从粗到细的过程分割图像。算法证明合理。     

采用小波伪运动分解的车牌定位法

针对目前车牌定位和图像提取存在的问题,提出一种在频域中处理的新方法--基于小波伪运动分解的图像分割.首先对车牌图像进行裁剪、灰度化和小波阀值消噪预处理,滤掉一些高频干扰信号;然后,对不同尺度层的小波函数的系数进行小波伪运动分解.最后,根据计算出来的频率特征确定车牌位置,把车牌剪切出来.该算法是基于文字本身的频率来实现的,所以无论背景有多复杂,都可以很好地找出车辆的位置.     

基于小波分解的车牌图像分割

为消除明暗不均等低频干扰的影响，将字符成功地从车牌图像中提取出来，提出了基于小波分解的车牌图像分割方法，根据干扰信号与字符信号属于不同频域的特点，利用小波时频局部化分析的能力，在保留字符信息的同时滤除或抑制低频干扰成分，其方法是先根据统计结果分析出字符和低频干扰信号所处的频率范围，然后对图像进行小波分解，过滤掉或抑制干扰信号所属的频段，再利用传统的聚类分析进行分割，这样就能够很好地消除白斑黑斑、光照不均匀、非车牌区域干扰等问题，即使图像灰度值反差很大也能将车牌字符很好地提取出来。     

一种复杂背景下的多车牌图像分割与识别方法

提出一种复杂背景下的多车牌图像分割和知识方法，采用统计和特征匹配相结合的方法去除待识别图像中的背景，提取可能存在车辆的区域；分别对可能的车辆区域进行局部边缘检测，并使用车牌的先验知识确定车牌的位置和单个字符分割，包括车牌倾斜时的字符分割，使用PCA和BP神经网络相结合的方法精确识别车牌，实验结果表明，该方法对复杂背景下多车牌的分割和识别是有效的。     

车牌自动识别系统中的牌照区域图像分割技术

以车牌自动识别技术中的牌照区域图像分割技术为重点，介绍运用车牌图像进行牌照边缘检测，从而实现图像区域分割，克服整体识别技术中的关键问题的相关内容．     

基于小波变换的医学影像图像阈值分割实现设计

探讨了基于小波变换算法的数学模型,对医学影像图像的阈值分割进行了实现设计研究,进一步对分割方法的处理结果进行了仿真实验,结果表明利用小波阈值算法对医学影像图像分割效果较好,便于实现。     

基于小波变换的合成孔径雷达图像分割研究

图像分割在后续的图像处理中起着至关重要的地位,合成孔径雷达（SAR）的相干斑噪声的存在,降低了图像的质量,传统的方法对不能很好地对图像进行分割。该文结合SAR图像和小波变换的特点,提出了一种新的图像分割方法。首先利用小波变换对图像进行软阈值滤波处理,降低相干斑噪声的影响,然后对重建后的图像进行阈值分割。经试验证明了该方法的有效性。     

基于改进型中值滤波算法的图像去噪

去噪算法在图像处理中占有极其重要的地位。为了对含有高斯白噪声和脉冲噪声的图像进行去噪，在小波软阈值去噪算法的基础上，提出一种基于噪声个数判断的改进型中值滤波算法。仿真结果表明，该算法能够同时抑制高斯白噪声和脉冲噪声，可以更好地保留图像的边缘细节，与小波软阈值算法、小波硬阈值算法、中值滤波算法相比，具有更好的去噪性能。     

基于多分辨率-分水岭算法的图像分割方法

提出了在小波多分辨率域中使用分水岭算法对图像进行区域分割和融合的新方法,该方法首先使用小波变换理论将原始图像变换为不同层次的金字塔多分辨率图像；然后通过分水岭算法获得最低分辨率下的分割图像；最后。利用逆小波变换将分割的图像映射到原始分辨率上．从而获得分割图像．实验结果表明：此方法可以大大减少噪声存在下的过分割现象．     

基于2D Gabor小波与组合线检测算子的视网膜血管分割

单一的2D Gabor小波血管分割算法只考虑了图像滤波信息,忽略了血管形状和结构信息。为了更加精确快速地实现视网膜分割血管,提出了一种基于2D Gabor小波变换和组合线检测算子的视网膜血管分割方法。首先通过像素灰度值、4个尺度下的2D Gabor小波变换和组合线检测算子构造一个六维像素特征向量,然后使用贝叶斯高斯混合模型实现视网膜图像像素分类,最终实现血管分割。通过对通用的DRIVE眼底图像库中所有视网膜图像的实验仿真,结果表明算法获得了0.963 6的受试者特征工作曲线面积和0.948 6的准确率,优于单一的2D Gabor小波血管分割算法。     

小波变换在图像分割中的应用研究

在讨论基于小波变换的阈值分割算法的同时,提出了Canny算子和小波变换的边缘信息融合的图像分割方法,以及利用小波变换对图像纹理进行分解、特征提取,然后利用模糊C-均值聚类(FCM)进行纹理分割的方法;探讨了各种分割方法的特点、应用范围、及图像分割技术的发展方向.     

一种基于小波变换与分水岭变换的菌落图像分割算法研究

菌落的特点是菌落细胞大小不一、形态各异、分布杂乱。提出了一种新的基于小波变换与分水岭变换的分割算法,首先利用小波变换产生多分辨率图象,然后对最低分辨率图象进行分水岭分割,最后对低分辨率分割后的图象进行高分辨率投影,得到高分辨率图象的分水岭分割结果。实验结果表明,该算法对复杂菌落图象能获得较好的分割效果。     

多尺度边缘检测与图像分割的马尔可夫随机场模型

利用小波变换模极大值检测图像的多尺度边缘信息，根据这些信息和改进的马尔可夫随机场模型对低信噪比图像进行Ｂａｙｅｓ分割，结果表明，和一般松驰算法相比这种方法改善了图像分割的质量。     

基于小波变换及分形特征的目标检测与识别

提出在对图像进行小波变换的基础上提取图像的分形特征，即通过小波变换对图像进行频域上的分割，使得对图像的描述更丰富，对各频段上的细节图像分别求分形维数组成联合特征矢量，有利于迅速准确地将目标从复杂的自然背景中分离出来，实验结果表明，这种方法能够有效地区分人造物体和自然背景，但计算量较大。     

基于离散多小波变换的多聚焦图像融合方法

多小波是小波理论的扩展,多小波变换能够为图像分析提供一种比小波多分辨率更加精细的方法。利用多小波将两幅图像进行融合后得到的融合图像,能够很好地将原图像的细节融合在一起。在研究离散多小波图像分析法基础上,提出了一种基于离散多小波变换的多聚焦图像融合方法。试验结果表明,该方法能够很好地解决多聚焦图像融合问题,具有良好的融合特性,得到的融合图像效果优于传统图像融合方法。     

多模态医学图像的融合研究

图像融合作为一种有效的信息融合的技术,已广泛用于医学图像、军事、遥感、机器视觉等领域．基于小波变换的图像融合是一种新的多尺度分解像素级融合方法,利用小波变换分别对CT,MRI医学图像进行分解处理,按照融合规则构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像,重构后的融合图像完好地显示源图像各自的信息．实验图像使用互信息量化判据来评价融合效果,结果表明小波变换比传统的像素级加权平均融合算法效果更好．     

基于小波域局部二值模式和活动轮廓模型的纹理图像分割

提出一种双树复小波域局部二值模式和活动轮廓模型的纹理图像分割方法.该方法首先使用双树复合小波(DTCWT)分解纹理图像,然后使用局部二值模式(LBP)提取纹理特征.利用最大熵准则对纹理特征图像进行选择.活动轮廓模型(ACM)用于最后得分割.实验结果表明提出的方法对于合成纹理和自然场景数据集达到了较高的分割精度.     

一种基于区域分割的图像融合方法

文章提出了一种基于区域分割的图像融合算法。首先对各个源图像使用基于金字塔链接的多分辨率分割,将源图像在各个尺度上划分为一系列区域,在划分过程中为了克服根标识时的不可预知性,先给定根的数目,然后在这些区域上采用小波变换的方法进行融合。实验表明,该方法可较好的消除边界的模糊性。