投影点坐标方差最小化车牌垂直倾斜校正

车牌识别中为便于字符分割与识别,需对倾斜车牌进行校正. 该文提出基于字符投影点坐标方差最小的车牌垂直倾斜校正方法. 首先对水平校正并划定字符区上下边界后的车牌图像进行字符粗分割,然后将字符点经剪切变换沿垂直方向投影. 根据投影点坐标方差最小导出两种剪切角闭合表达式,由此一步确定车牌垂直倾斜角并进行校正. 实验结果表明：与车牌垂直倾斜校正的旋转投影法和直线拟合法相比,该文提出的方法精确度高,运算时间少且鲁棒性好.     

一种应用机器学习的车牌定位方法

提出了一种基于Adaboost算法与最小同值分割吸收核法角点验证的车牌定位方法. 该方法采用Adaboost算法排除明显的非车牌区域,从而减少车牌候选区域的数量. 在验证阶段,采用SUSAN角点检测方法计算每个经过初筛的候选区域属于车牌区域的概率,并根据该概率值对候选区域进行排序. 最终输出概率值最大的区域作为车牌检测结果. 实验结果表明,使用该方法进行车牌定位无需调整参数也能适应光照变化的应用环境.     

基于图像特征的车牌字符分割方法研究

根据车牌图像具有不同颜色和车牌字符中字母和数字具有连通性的特点,提出将灰度自适应二值化和基于神经网络的彩色图像二值化相结合.用这种方法对一系列定位后的各种车牌图像进行二值化,然后利用投影法和数学形态学对二值化后的车牌进行准确的字符分割.实验结果表明:该方法二值化效果好,字符分割准确率较高.     

基于Hausdorff距离的车牌字符识别方法研究

根据车牌区域的固有特征,提出了一种高效、快速、实用的车牌字符识别算法．该方法先对车牌中的单个字符进行归一化和细化,然后采用Hausdorff距离模板匹配方法识别．实验表明,该方法有效可行．     

高效快速车牌定位算法研究

车牌定位是车牌识别(LPR)系统中的关键技术之一,通过对车牌区域的各种固有特征的研究和探讨,提出了一种高效快速的车牌字符定位算法,该算法基于二值边缘图像的频率变化特征,在整个车辆图像中搜索到车牌的精确位置,得到牌照图像,为车牌的进一步识别打下良好的基础.现场实验表明,该算法快速准确,对提高整个识别系统的正确率起到了关键的作用.     

基于数学形态学和综合颜色特征的车牌定位方法

车牌定位是车牌自动识别系统的关键步骤.算法首先对图像进行预处理,然后进行数学形态学操作,得到若干个候选区域,最后根据车牌颜色特征选取真正的车牌区域.实验表明该方法定位速度快,定位效果好.     

基于水平灰度特征和颜色特征的车牌定位方法

车牌识别(License Plate Recognition,LPR)是指通过识别车辆车牌信息来辨别车辆身份的技术,是实现智能交通系统(Intelligent Transportion System,ITS)的一个重要环节,也是计算机视觉图像处理技术与模式识别技术的一项技术融合,车牌识别技术的研究和开发具有巨大的经济价值和现实意义.LPR作为一个专用的计算机视觉系统,通过运用模式识别、人工智能等技术,对采集到的图像进行处理,可以实时准确地识别出车牌的汉字字符、字母和数字,最终得出计算机可直接运行的数据形式,使车辆的监控和管理得以现实.目前,车辆识别技术已经广泛应用于高速公路的检测、电子收费、停车管理和交通违规管理等领域.     

基于深度学习的车检图像多目标检测与识别

为了实现快速和自动的车辆外观检测,提出一种基于深度学习的车检图像多目标检测与识别方法。首先,采用轻量级神经网络YOLOv3实现车检图像中车头、轮胎、车牌及三角形标志的检测与识别;其次,采用多任务级联卷积神经网络实现车牌4个关键点定位;再次,利用车牌4个关键点坐标,结合目标车牌图像高宽先验,通过透视变换对车牌进行校正;最后,设计卷积神经网络实现车牌底色分类,同时设计卷积循环神经网络,实现车牌字符识别。实验结果表明,在816×612的车检图像上,该方法中端到端的多目标检测与识别的平均精度达98.03%;为便于在车检场景下应用该模型,利用阿里巴巴推理引擎将模型部署到CPU端,使多目标检测与识别的平均速度达10帧/s,从而满足车检的应用需求。     

机加工件点阵字符识别研究

文章介绍了针对机加工件上点阵字符图像处理的关键技术,包括灰度值调整、分割图像、训练OCR和识别。对BP神经网络的结构及参数进行设计,采用逐像素特征提取法对字符进行识别,针对相似字符的识别本文采取了再次分类特征提取,最终对所提取字符的识别率有了很大提升,取得了满意的识别结果。     

基于跨度回归的中文事件触发词抽取

在中文事件触发词抽取任务中，基于词的模型会受到分词带来的错误，而基于字符的模型则难以捕获触发词的结构信息和上下文语义信息，为此提出了一种基于跨度回归的触发词抽取方法。该方法考虑到句子中特定长度的字符子序列（跨度）可能构成一个事件触发词，用基于Transformer的双向编码器的预训练语言模型获取句子的特征表示，进而生成触发词候选跨度；然后用一个分类器过滤低置信度的候选跨度，通过回归调整候选跨度的边界来准确定位触发词；最后对调整后的候选跨度进行分类得到抽取结果。在ACE2005中文数据集上的实验结果表明：基于跨度回归的方法对触发词识别任务的F1值为73.20%，对触发词分类任务的F1值为71.60%，优于现有模型；并与仅基于跨度的方法进行对比，验证了对跨度边界进行回归调整可以提高事件触发词检测的准确性。     

横波成像的病灶分割深度学习算法研究

病灶分割的精度直接影响基本治疗,采用超声波横波弹性成像的深度学习算法,设计了病灶分割深度学习模型对病灶图像进行分割,该模型由编码器块、循环块和最后双解码器块组成.实验结果表明,与现有图像分割方法相比,该方法对合成的和不可见的真实体模数据具有更好的弹性图像重建效果,不但可以在弹性图像重建的同时进行包含分割,而且分割精度比...     

基于特征统计的车牌非汉字字符识别方法

字符识别技术是模式识别领域非常活跃的一个分支,同时也是汽车车牌识别系统中的一项关键技术．该文结合汽车牌照自身的特点,以数字图像处理技术为依托,详细讨论了车牌字符识别技术的原理,并重点研究了车牌字符中非汉字字符的处理．     

自然场景下三角形交通标志的检测与识别

根据三角形交通标志的颜色和形状特征,提出了一种适用于自然场景下三角形交通标志的检测与识别方法. 该方法首先利用颜色分割粗略提取标志区;其次提取标志区轮廓边缘和直线拟合,确定三角形标志的3个顶点,精确检测出完整的三角形标志区;最后设计一种分块特征提取方法对检测出的三角形标志和所有参考三角形标志进行特征提取,通过特征匹配识别出三角形交通标志类别. 实验结果表明,所提出的检测与识别方法能更有效地识别自然环境中三角形交通标志方法,且适用性强.     

用Normalized Cut法自动提取乳腺超声图像中的肿瘤边缘

提出一种带权重邻域灰度信息的normalized cut(Ncut)方法,该方法能够全自动提取乳腺超声图像的肿瘤边缘.通过Ncut分块乳腺超声图像中的各块灰度及空间分布特征来识别待检测肿瘤的轮廓.对于少数分割不精确的结果,可用结合局部能量项的动态轮廓模型对所提取的初始边缘进行修正,使其更接近真实目标轮廓.对包含112幅乳腺肿瘤超声图像的数据库进行边缘提取,结果表明:该方法无需人工干预,能够准确有效地实现肿瘤分割,且计算量小,有望提高计算机辅助诊断的自动化程度.     

基于边缘和纹理结构实现叶片识别的应用研究

植物野外实习教学系统的主要功能是通过计算机图像处理技术对叶片边缘与纹理结构进行分析,自动提取叶片信息,确定叶片相关的理论知识.从图像预处理、叶片区域定位分割和叶片识别三方面实现植物野外实习教学系统的叶片识别模块,采用边缘和纹理结构实现叶片的定位分割与识别.实验结果表明,该方法能有效地识别出叶片并归类.     

基于视觉关注模型与多尺度MSER的自然场景文本检测

自然场景中文本检测易受光照、复杂背景、多语言文字、字体及尺寸等因素影响，该文提出了一种基于Itti视觉关注模型与多尺度最大稳定极值区域（maximally stable extremalregion,MSER）结合的自然场景文本检测算法.首先利用改进的Itti视觉关注模型提取文本特征图，并采用不同结合策略得到各尺度文本显著图；然后结合多尺度的MSER区域得到3种文本候选区域.根据文字与生成文本框的几何规则合并文本候选区域得到文本行；最后利用随机森林分类器除去非文本区域得到最终文本区域.实验结果表明，该方法对于自然场景图像中的文本检测具有较高的精确度和一定的鲁棒性.     

应用Krawtchouk矩和支持向量机的图像纹理分割

提出一种基于Krawtchouk矩和支持向量机的图像纹理分割方法.对图像的每个像素,选择一个窗口,计算该窗口内的Krawtchouk矩,然后通过非线性变换将得到的矩值转换成纹理特征,对特征空间进行优化后,使用支持向量机进行纹理分割.和基于Zernike矩的纹理分割结果相比,本文的方法能得到更好的纹理分割结果.     

基于区块链技术的道路路边停车管理系统

针对当前道路路边停车管理中存在的效率低下、交易不透明等缺点,提出了一个基于区块链技术的道路路边停车管理系统.根据边缘设备终端的车牌识别算法采集停车信息,将关键停车交易数据发送并存储至Web服务器的MySQL数据库缓存,之后由Fabric SDK中间件存储到Hyperledger Fabric区块链平台.该系统依靠区块链...     

SAR图像中PS点的识别与选取

提出一种基于小波相位分析的永久散射体(persistent scatterer, PS)的识别与选取方法. 该方法将小波理论引入到PS点识别与选取中,利用基于小波相位分析的差分干涉图滤波方法,首先对差分干涉相位图进行滤波处理,然后估算滤波后各PS候选点的噪声相位、衡量指标以及各PS点的概率,从而在兼顾各PS候选点幅度和相位的稳定性基础上实现SAR图像中PS点的有效识别与选取. 理论分析和实验结果表明,该方法识别与选取的PS点是有效而且可靠的.     

一种基于自适应高提升滤波的遥感影像的阴影处理方法

利用遥感影像的颜色特性,基于亮度的阈值检测方法,将阴影区和光照区进行分割;通过高提升滤波方法对阴影区域进行补偿处理.实验证明,对分割出的遥感影像的阴影区域进行补偿处理后,区域内形状信息更加明显.经如上方法预处理后,明显提高了遥感图像超块分割的精确度,进而提高目标物体提取的精度.