基于Radon变换和坎尼边缘检测的倾斜车牌校正方法研究

为了解决车牌倾斜对字符分割和字符识别带来的不利影响,文章基于Radon变换的思想,先利用Canny边缘检测器检测车牌边缘,再利用Radon变换搜索构成车牌矩形的直线段,并计算其倾斜角来校正倾斜车牌.测试结果表明该方法能准确地检测出图像的倾斜角,并取得良好的效果.     

合成孔径雷达图像中机场跑道的自动识别

为解决雷达图像中的机场跑道识别问题 ,提出了一种合成孔径雷达图像中机场跑道的自动识别方法 .首先 ,对原始图像滤波并提取图像轮廓 ,其次对轮廓图作Radon变换 ,保留最大的几个Radon变换系数 ,将其余系数置 0 ,并对Radon逆变换得到的图像进行二值处理 ,从而过滤掉大部分干扰线条 ,仅保留图像中的主要直线条 ,最后利用直线模板滤除残余干扰线条 ,并根据阈值检测出机场跑道 .实验结果表明 ,所提方法能够准确地识别出复杂背景下的水平、垂直和倾斜的机场跑道     

基于方向场的车牌倾斜校正方法

车牌字符分割与识别是智能交通系统中的重要环节,而倾斜变形的车牌图像对车牌字符分割与识别有很大影响,为解决这个问题,提出了一种基于方向场的车牌校正方法.建议方法采用Sobel算子计算车牌图像的梯度方向场,通过对方向场角度直方图的分析找出车牌水平倾斜角,根据水平倾斜角对车牌图像进行水平旋转校正并二值化.然后,应用垂直投影法...     

基于小波分析及活动轮廓模型的图像分割方法

利用小波分析方法在不同尺度下提取图像中目标的不同边界细节的特性,将小波模极大值方法应用于目标边缘检测.首先,通过小波变换计算各个尺度下的模值和相角值,求出各个尺度下沿相角方向模的局部极大值点,即为图像边缘轮廓;然后,用基于边缘的活动轮廓模型的水平集方法对目标的边缘进行定位分割.实验表明,改进算法对噪声有很好的鲁棒性.     

基于Radon变换与灰度投影积分极值方法的矩形检测

针对现有的矩形检测方法存在计算量大、检测精度不足等问题,提出基于Radon变换(Radon Transform,RT)与灰度投影积分极值(Gray Projection Integral Extreme Value,GPIEV)方法相结合的矩形快速检测方法,该方法运用Radon变换在小角度搜索范围内对矩形图像进行快速准确的旋转校正,随后对校正后的图像的垂直和水平方向使用灰度投影积分极值方法确定矩形2对平行直线位置,完成矩形的角度快速校正与重构。该检测方法利用了Radon变换对直线倾斜角度检测的准确性和灰度投影积分极值方法检测直线的准确性,弥补了这两种方法各自的不足。实验结果表明,该检测方法可应用在矩形等规则平面的几何图形检测识别中,检测精度高,且检测速度快。     

基于波方程的运动模糊图像恢复

为了有效去除图像中的运动模糊,提出了一种基于波方程的图像恢复方法。从光流方程出发,将运动物体的亮度用波方程描述。模糊图像是曝光时间内运动物体亮度的积分,存在大量的平行于运动方向的直线;模糊图像沿运动方向的导数等于原始图像与其移位图像的差,两者之间的距离为模糊长度。基于此,利用Radon变换和自相关函数自动估计点扩展函数,并采用Wiener滤波恢复原始图像。实验表明:该方法高信噪比(30~40dB)下估值精确;低信噪比(20~30dB)下对噪声鲁棒。将该方法应用于运动模糊车牌图像,能有效恢复出车牌号码,具有很大的实用价值。     

基于数字图像处理的车牌定位与分割技术研究

针对车牌识别系统中参数选择的问题,提出一种基于数字图像处理的车牌定位与分割技术.采用基于数学形态学和边缘检测以及颜色相结合的方法实现了车牌定位.通过垂直投影法、模板匹配法实现了车牌字符图像的分割.实验结果表明,该方法能够有效、准确地实现车牌图像的定位与分割.     

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.     

基于分数阶微分Frangi的夜间车道线检测

基于机器视觉和图像处理的夜间车道线检测一直是该领域的研究难题,即使是近年的深度学习方法,检测精度只能达到50%左右.为此,研究了一种新的算法,根据车道线的特点和车辆的行驶速度,将视频中多幅图像融合到一幅图像中;利用图像的特点,在区域合并中识别出有效的车道线检测区域;将有效区域分割成新的图像后,采用基于Frangi和Hessian矩阵的算法对图像进行平滑和增强;为了提取车道线的特征点,提出了一种新的分数阶微分模板进行车道线特征点检测,该算法根据车道线在图像中可能的位置,从4个方向检测特征点;在检测出候选点后,应用递归Hough直线变换得到候选车道线,为了确定最终的车道线,一条车道线的角度应介于25°～65°之间,而另一条车道线的角度应介于115°～155°之间,否则,通过降低线点数的阈值继续进行Hough直线检测,直到获得两条车道线为止.通过对数百幅夜间车道线图像的测试,并与深度学习方法和传统的图像分割算法进行比较,新算法的检测准确率可达70%.     

基于可变邻域的小波变换的球团图像边缘检测算法

提出一种基于小波变换的球团图像边缘检测算法.Mallat等提出利用小波变换的局部极大值点来表征信号的奇异点,从而进行图像边缘提取.但小波变换的局部极大值点的确定直接关系到边缘检测效果的优劣.提出一种基于模极大值的小波变换的局部极大值点选择方法,实验表明,该方法比传统的图像边缘提取方法具有更好的效果.