基于边缘检测和数学形态学的车牌定位

针对车牌边框和铆钉对车牌定位准确率的影响,提出了一种水平垂直结构元素的方法.该方法利用边缘检测和数学形态学中的开运算、图像膨胀、腐蚀以及区域填充等对车牌图像进行了处理,有效地消弱了车牌边框和铆钉的不利影响.试验结果表明:该方法是有效的、可行的,便于下一步的字符分割.     

一种基于投影法和形态学梯度的车牌定位算法

车辆牌照自动识别系统的研究与开发是现代交通控制管理系统中备受关注的问题,而车牌定位又是车牌识别的关键.在分析和研究目前有代表性的车牌定位算法的基础上,提出了一种基于投影法和形态学梯度的车牌定位算法,49个原始图像的实验结果表明,正确分割率由传统方法的91.84%提高到97.96%.     

一种基于投影法和形态学梯度的车牌定位算法

车辆牌照自动识别系统的研究与开发是现代交通控制管理系统中备受关注的问题,而车牌定位又是车牌识别的关键.在分析和研究目前有代表性的车牌定位算法的基础上,提出了一种基于投影法和形态学梯度的车牌定位算法,49个原始图像的实验结果表明,正确分割率由传统方法的91.84%提高到97.96%.     

基于数学形态学和垂直投影的车牌定位

车牌定位是车牌识别系统中的关键环节。根据车牌固有特征,利用数学形态学和垂直投影技术相结合进行车牌定位。该方法可以有效地去除车牌附近噪声的干扰,进而准确定位出真正的车牌区域,对有部分字符遮挡的车牌也能较好地定位,具有实际应用价值。     

基于形态学梯度差的车牌定位算法

在分析和研究目前较有代表性的车牌定位的算法基础上,提出一种基于形态学梯度差的定位算法,利用最大梯度差检测可能文字图像行,经合并后形成文字图像区域,以达到定位、分割的目的.     

基于数学形态学的车牌定位算法

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,为了能对汽车牌照精确定位,提出了一种基于数学形态学的车牌定位方法。首先利用中值滤波方法对汽车图像进行消噪处理,然后用迭代阈值选择法将图像进行二值化,并运用数学形态学的膨胀、腐蚀对二值图像进行处理,得到几个车牌候选区,然后利用面积、长宽比以及垂直投影特征值等进行综合分析,准确定位车牌区域。实验结果表明,该方法简单易行、准确率高、并且具有一定实效性,可用于对实际车牌图像的准确定位。     

一种基于先验知识约束的车牌字符分割新算法

车牌字符分割是车牌自动识别系统的三大核心技术之一,字符分割是字符识别的基础;针对传统的基于连通域分割字符算法计算量大、处理时间长的不足之处,在此提出了一种改进的算法,充分利用先验知识进行字符粗分割,在此基础上再利用连通域法最终实现字符完整分割,同时利用先验知识改进了传统的迭代法求二值化阈值算法,减少了迭代次数;实验表明:在此提出的字符分割算法在准确提取了车牌字符的前提下,大大缩短了处理时间,满足了实时性要求。     

采用先验知识的边缘提取算法

针对传统的边缘提取算法,在提取边缘时,不完整、不连续,尤其在高噪声情况下,无法提取图像边缘等问题,提出一种基于先验知识的边缘提取算法.首先,学习与待边缘处理图像有相似纹理信息的图像,获得先验知识,对噪声图纹理进行修复;然后,再利用局部均匀稀疏度方法强化细节特征,弱化背景特征;最后,检测出图像边缘,达到提取图像边缘的目的...     

基于数学形态学与投影法的车牌定位

车牌定位在车牌识别系统中具有关键的作用,定位结果的好坏决定着后续的车牌字符识别。针对数学形态学定位会产生多个伪车牌区域,当区域较多时定位不准的问题,提出一种数学形态学与投影法相结合的车牌定位方法。首先对车牌图像进行预处理;然后进行边缘检测、二值化,运用数学形态学处理获得候选车牌区域;最后对候选车牌进行行列扫描投影来提取准确的车牌区域。实验表明,该方法具有定位精度高,鲁棒性较好的特点。     

基于先验知识的三维模型特征选择算法

基于内容的三维模型检索被广泛运用于许多研究领域.为了弥补特征提取算法描述模型特征的不足,提高三维模型的检索效果,该文提出了一种基于先验知识的三维模型特征向量动态选择算法.该算法利用查询模型计算各种特征向量的先验知识,然后动态地选择描述能力较强的特征向量计算模型之间的相似度距离.实验采用标准的模型库Princeton shape benchmark(PSB)和多种公认的评价方法,结果显示该算法提高了三维模型的检索效果,优于现有的2种流行的三维模型特征选择算法.     

基于数学形态学和颜色的车牌定位

针对图像中车牌区域含有的丰富边缘,首先进行边缘检测,接着运用形态学方法进行图像平滑,然后通过二值面积形态学方法确定候选区域,最后结合车牌的颜色特征确定最终的车牌图像区域.仿真实验结果表明,该算法定位精度高,鲁棒性好,具有较大的实用价值.     

一种有效的车牌定位方法——数学形态学和字符边缘特征相结合的车牌定位方法

汽车车牌的定位是车牌自动识别系统中的关键环节。采用数学形态学和字符边缘特征相结合的方法对车牌进行定位,首先对车牌图像进行图像的预处理,然后利用数学形态学进行粗定位,最后利用字符边缘特征进行车牌的精确定位。从而实现了车牌图像的准确定位。     

基于先验知识的强化学习系统

针对强化学习算法收敛速度慢的主要原因为强化学习算法所用模型通常都假设系统参数未知、先验知识未知，由此造成该算法从没有任何基础开始搜索最优策略，搜索范围大的问题，提出将强化学习系统建立在先验知识的基础上，既有效利用了前人的工作成果，又加快了算法的收敛速度．通过解决电梯群控问题验证了所提出系统的合理性和有效性．     

基于数学形态学车牌自动定位和倾斜校正

针对车牌识别系统中,由于光照变化、背景复杂、车牌褪色或相对摄像机位置不同带来的图像倾斜等原因,导致车辆图像质量不高,影响车牌定位和识别。基于优化组合数学形态学基本运算,结合灰度信息离散化对车牌初定位,再利用先验知识,对车牌进行精确定位,最后采用两点法对倾斜的车牌图像进行检测和校正。实验结果表明,得出的定位和倾斜校正方法简单、快速,且具有较好的稳定性。     

基于形态学的图像融合算法

提出一种基于边缘连接强度的图像融合算法。利用形态学梯度算子得到图像的边缘信息。以图像灰度的边缘连接强度加权为判据,进行图像融合。实验结果表明,该图像融合方法在保留TM多光谱图像光谱分辨率的同时,通过融合SPOT全色图像提高了空间分辨率,丰富了图像细节信息。     

一种改进的彩色图像形态学边缘检测算法设计

对一种灰度形态学边缘提取算法进行了改进,将其推广到彩色图像;并对改进前后的算法实验结果进行了比较,表明改进的算法性能良好。     

基于肺部先验知识的电阻抗成像重构算法

为获取人体肺部组织分布,结合人体肺部组织的结构特征,运用大型有限元仿真软件COMSOL,根据CT肺部扫描图像构建人体肺部模型,同时结合人体组织和器官电导率分布参数等信息,并考虑肺部先验知识,采用共轭梯度算法重建被测场电导率分布图像．仿真实验表明,灵敏场均匀性指标由基于圆形场域的34．218减少到基于肺部模型灵敏场域的15．568,灵敏场的均匀性得到明显改善,且重构图像具有较高的分辨率和图像质量．     

基于灰度跳变与形态学的车牌定位法

车牌定位是车牌识别系统的关键步骤,定位的准确与否直接影响车牌识别的结果.提出了一种基于灰度跳变与形态学的定位方法.对于车牌候选区的二值图像,根据车牌的水平分布特点,从长宽之比、面积之比等多个方面进行综合分析,从而可以更加精确地对车牌进行识别.实验验证表明,基于该算法的车牌识别系统能够达到较高的车牌识别率.     

基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表...     

利用数学形态学与图像二值化进行车牌定位

在车牌识别中,车牌的准确快速定位尤为重要,文章采用数学形态学运算得到多块类似车牌的候选区域,再对候选区域二值化后进行中间行扫描,利用行扫描中的黑、白跳变规律,确定车牌区域.该方法基于单行扫描,能够减少运算时间,提高对车牌定位的速度.