一种基于霍夫变换和BP神经网络的车牌识别方法

汽车牌照自动识别系统在智能停车场管理、高速公路自动收费和违章检测等方面有着广阔的应用前景。由于车牌特征的多样性及车牌背景的复杂性,对于现实世界的车牌图像,车牌磨损、图像倾斜、天气以及背景等干扰因素都会影响定位效果。为此本文提出了基于一阶双向差分和hough变换的改进车牌定位方法,采用改进的BP神经网络模式识别技术作为识别的方法,得到了较好地处理结果。     

基于形态学和霍夫变换的文档图像倾斜检测

为了解决各种文档倾斜方法难以同时兼顾检测精确度和处理速度,该文提出了一种基于形态学和霍夫变换的文档倾斜检测方法.首先用形态学方法对文档图像进行行程平滑、消除噪声和边缘提取,然后用霍夫变换检测出文档的倾角.通过改进形态学运算,加快了检测速度.实验结果表明,该方法对A4大小的文档图像的平均检测用时为1.78 s,最大误差为0.2°.     

基于小波变换的显微图像细胞边缘提取

根据小波变换在不同的尺度层具有自适应时频窗性质, 在边缘提取过程中 选取了Mallat多尺度小波变换, 使阈值选取得到了改善. 依据显微细胞图像的特点, 通过对细胞边缘和背景噪声采取不同的阈值（加权阈值法）, 再利用小波变换的模角可分离性质有效地分离出细胞边缘. 结果表明, 这种阈值选取法对于显微细胞图像的边缘提取是一种有效的方法.     

基于小波变换的边缘检测

根据Ｍａｌｌａｔ的多尺度边缘检测的思想,实现了多尺度Ｂ样条的边缘检测算法。在检测之首对图像进行自适应平滑处理,在选取小波函数时提出一种更加有有效的小波函数。同时,提出一种简单而有效的检测和边缘点连接的算法,最后,在分解和重建时采用一种基于滤波器系数特征的快速算法。结果表明,该方法比较适合于精确快速边缘检测。     

一种基于精简粒子群优化的霍夫变换算法

为了提高现有霍夫变换算法的准确率及计算效率,提出了一种基于精简粒子群优化的霍夫变换算法.该方法将霍夫变换后解的参数作为粒子位置,将霍夫变换的累加数组值作为粒子的适应度值,每一次迭代更新粒子的位置和速度,并将所得粒子群的适应度值按降序排列,保留"强壮"粒子,组成精简粒子群.实验结果表明,基于精简粒子群优化的霍夫变换算法不仅可以提高霍夫变换的计算速度,而且可以获得较高的计算准确率,特别是对于复杂背景图像和高噪声图像也同样适用.     

基于方向小波变换的边缘检测

定义了一种方向小波变换，并将其用于图像边缘检测．建立了它与Canny边缘检测子的关系．基于此提出的新的边缘检测方法，不仅可以有效地检测出图像的边缘，而且也可检测图像中某一方向的边缘．实验结果表明，新的边缘检测算法具有能检测方向性边缘、算法简单、计算量小、效果佳等优点．     

基于线性逼近的车道线弯道识别方法

为提高车道线识别算法在大曲率弯道下的识别性能,提出一种基于线性逼近的弯道识别方法.基于车道线先验知识,利用改进的局部逆透视变换和Hough变换对车道线进行初步提取.根据初步提取结果,对未知区域进行循环线性逼近并提取车道线边界点.通过最小二乘法利用B-样条曲线完成车道线拟合.实验证明,该算法对大曲率弯道的车道线识别具有较高的精确性.      

基于小波变换的轮胎多尺度边缘检测

本文提出了基于小波变换的轮胎多尺度边缘检测的方法。将小波变换用于图像多尺度边缘检测,根据轮胎的图像特点,为了提高图像边缘检测的精度,对小波滤波器系数进行了分析,为了得到较好的边缘检测效果,对尺度进行了确定。     

基于梯度霍夫变换的藏文手写采样表格检测

藏文手写字丁的提取是藏文手写字丁特征分析的基础,是脱机藏文手写体识别预处理工作的重要部分.为了能够顺利提取藏文手写采样表格中的藏文字丁,我们对现有的表格检测方法加以分析.在本文中,利用霍夫变换检测直线的原理,我们对基于梯度的霍夫变换算法进行改进,将其应用到藏文手写体采样表格中表格线的检测.试验证明,该算法能够较好地检测出采样表格中的直线.     

基于小波变换的图像边缘检测算法及像素结构分析

对基于多尺度小波变换的图像边缘检测算法进行了改进.通过处理小波变换后出现的负值解决了双边缘问题;通过处理两层邻域的像素点解决了边缘线间断问题,并与传统算法的结果进行了比较,结果表明,利用这一新的算法可使图像边缘更加光滑、边缘定位更精确.     

基于特征层和二代曲波变换的多模生物特征融合识别方法

针对单模生物特征识别方法在实际应用中存在识别正确率较低的问题,提出了一种基于特征层和二代曲波变换的单样本多模生物特征融合识别方法,其采用了2种生物特征:掌纹特征和人脸特征.将所有归一化后的学习样本图像和测试图像通过组合的快速离散曲波变换和小波变换进行分解.系数经组合和规范化处理后,在特征层实现融合,融合后的特征参数送入K-最近邻分类器进行分类,从而获得最终识别结果.在香港理工大学掌纹数据库和Ljubljana大学人脸数据库上的实验结果表明,所提方法在每个类别仅使用1个学习样本的情况下,其生物特征图像的最佳平均识别正确率达到92.40%,比单模人脸、单模掌纹识别方法的识别率分别提高了35.38%和8.92%.     

基于透视变换和SNc-YOLOv5的大块煤识别方法应用

为了提高带式输送机大块煤识别的准确率,避免大块煤堆积对皮带造成的磨损,延长输送机的使用寿命,提出了基于透视变换和SNc-YOLOv5的大块煤识别方法,该方法首先利用透视变换技术对原始图像进行处理,有效地将图像中的非输送机区域滤除,并对输送机区域进行坐标矫正;然后,采用SNc-YOLOv5模型对经过标准化处理的图像进行深度学习建模,得到大块煤识别模型;最后,通过试验分析和现场应用对该方法进行有效性验证。结果表明：该方法在1号煤矿数据集的试验分析精确率为94.8%,召回率为83.2%,在2号煤矿数据集的试验分析精确率为92.8%,召回率为85.3%,现场应用置信度达到0.9,与其他方法进行比较,精确率和召回率指标均优于其他方法;该方法在图像预处理阶段提取带式输送机区域对图像进行标准化,仅对感兴趣区域进行处理,提高了大块煤识别的准确率。该算法部署到某煤矿现场,能够实现实时监测,为带式输送机的安全运行和延长使用寿命提供了有力保障。     

基于小波变换和图像边缘信息的图像融合研究

本论文提出了一种能保留不同源图像的细节特征的图像融合方法。根据基于小波变换的图像融合框架,多源图像经过几何配准,重采样和精确配准以后,本论文首先对原始图像进行多层小波分解,获取各自的近似低频和细节高频分量,利用边缘匹配原则,得到后选边缘点的图。利用边缘匹配原则,得到后选边缘并对其进行边缘点连接。这样不但得到了重要的边缘点,也几乎全部的去掉了噪声。高频细节分量中边缘点的融合,利用线性加权计算来得到,其它的细节高频分量的小波系数利用常用的融合规则来计算。通过大量的图像融合试验表明,本论文提出的方法较好的对融合了图像的不同源图像的细节特征,较好的取得了理想的试验效果。     

基于霍夫变换的烧结矿粒度识别研究

针对烧结矿生产时无法直接得到粒度大小和分布,人工检测的准确性和即时性不高等问题,提 出了一种基于图像增强和霍夫变换的烧结矿粒度识别方法。 该方法首先使用形态学开操作、图像像素点分 割、拉普拉斯图像锐化算子等方法进行图像增强,然后应用高斯滤波和图像边缘检测算法,最后用霍夫圆检 测算法进行烧结矿粒度检测,实时处理获取的图像,并检测出烧结矿的粒度大小和分布。 该方法可以快速检 测出图像中的烧结矿,其中图像像素点分割方法是根据烧结矿和背景的像素值设置分段函数进行分割,大幅 度减少图像中的噪声,提升了烧结矿和背景的对比度以及亮度,并且检测的准确性和即时性高,克服了人工 检测的弊端,准确率可达到 98%以上。 通过实验表明:该方法对提高烧结矿的生产效率、改善资源的利用、 降低人员成本具有积极作用。     

子波变换多尺度能量相关的边缘提取

针对边缘检测中抗噪能力和精确局域化的矛盾，根据信号和噪声子波变换在多尺度间的相关性不同，提出了多尺度不同方向子波变换的能量相关的边缘提取方法。首先增强了图像的垂直和水平边缘分量，再求合成图像的模量极大值，在有效地抑制噪声的前提下，保持了边缘检测的精确局域人，     

基于霍夫变换的直线检测技术

直线检测是数字图像处理的重要内容,在道路识别,建筑物识别,医学图像分析等领域都有十分重要的应用。通过对已经获得的图像进行边缘检测,然后用Hough变换对边缘检测进行直线检测。该方法简单,受直线中的间隙和噪声影响较小。在Matlab环境下对该方法进行了仿真实验,并对图像中直线目标进行了检测,结果表明用该方法对图像中直线目标进行检测是快速有效的。     

基于小波变换的X-射线图像边缘检测

讨论了小波变换在图像边缘检测中的应用，并且根据X－射线图像的特点，利用三次样条二进小波，采用Mallat快速算法进行小波分解，成功的检测出了X－射线图像的边缘。     

小波变换在图像边缘检测中的应用研究

根据Morlet多尺度边缘检测的思想,对一幅图像f(x,y),对其进行小波变换,然后分别向3个方向上的小波基进行投影.此种方法对于检测具有方向性的图像有比较好的效果.实验表明,该方法得到满意的结果.     

基于小波变换的图像边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征，利用小波变换系数模局部极大值来提取图像的边缘特征。实验结果说明了这种特征提取方法能够较准确地提取图像的边缘并有效地降低噪声。     

一种基于数据融合和小波变换的图像边缘检测方法

论文提出利用数据融合和小波变换进行图像边缘检测的一种方法。此方法首先对同一地区的多谱段图像用小波变换进行融合预处理,然后直接采用小波变换系数动态地调整边缘判别的阈值,对融合图像进行边缘检测。试验结果表明,此方法不仅能有效地抑制噪声,而且对具有多种边缘特征的图像均有良好的适应性。