基于 Sobel算子与旋转投影的纸币图像倾斜校正法

纸币图像的倾斜会严重影响其中字符识别的精度,为此,需要在字符识别前对纸币图像进行倾斜校正。采用Sobel算子和旋转投影来进行纸币图像的倾斜校正。首先使用Sobel算子和旋转投影来获取倾斜纸币图像的倾斜角度,然后采用双线性插值对纸币图像进行水平旋转校正和垂直错位偏移校正。同时,综合考虑了实际情况和校正的实时性,并规定水平倾斜角和垂直倾斜角都不大于10°。从实验结果来看此方法校正效果较为明显。     

利用投影最小距离的车牌校正优化算法

提出一种利用字符投影最小距离进行的车牌校正方法.该方法根据车牌垂直旋转计算字符区域在垂直坐标轴上的投影,利用投影的最小距离获取垂直倾斜角度;根据车牌水平错切计算字符区域在水平方向投影,利用投影最小距离获得水平错切角度;最后进行仿射变换,并利用双线性插值对图像进行校正.校正过程中,采用折半查找和记录校正角度,最后利用原始图像校正一次获得结果图像来优化算法,以减少计算次数和毛刺的产生.该方法不依赖车牌边框特征,抗干扰性强.实测车牌图像证明,该方法具有较高的鲁棒性和工程实用性.     

基于Canny算子和Radon变换的证件图像倾斜校正

倾斜的证件图像不利于识别,为此提出一种基于Canny算子和Radon变换的校正方法。该方法首先使用Canny算子进行证件图像边缘检测,然后利用Radon变换计算出图像的倾斜角度,最后用双线性插值算法进行图像旋转校正。在Matlab平台对该方法进行了仿真实验。实验结果表明,该方法能够准确、高效地对证件图像进行校正。     

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...     

一种纸币倾斜角度校正方法

清分机在高速采集纸币图像过程中,送入的纸币会不可避免地存在各种倾斜,导致采集的纸币图像存在不同程度倾斜.在对纸币进行识别之前,为不影响图像的识别效果,需要对采集获得的图像进行倾斜度校正预处理.本文研究一种首先利用Sobel算子找到纸币的边缘界线,再利用Hough变换方法计算出纸币边缘线倾斜角,进而完成对纸币倾斜度校正的方法.实验证明了本方法的有效性.     

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.     

基于hough变换的倾斜文档图像快速校正

对文档图像字符识别时,需要对有倾斜的图像进行校正,以提高分割和识别的精度.提出一种基于梯度方向统计的倾斜文档图像快速校正方法,该方法利用图像的梯度方向分段累积直方图,得到图像的大致倾斜角度,然后利用hough变换思想,在获取的大致角度范围内对图像进行投影,得到精确的图像倾斜角度,有效地缩小了hough变换角度的搜索范围.对手写和打印体文档图像进行的实验结果表明,与传统的hough变换投影方法相比,该方法的算法执行时间大幅度减小,对图像噪声也具有很强的抗干扰能力.     

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。     

纸币CIS图像模糊增强与边界检测

根据纸币CIS图像特点,先采用模糊集理论对纸币进行初次增强,提高目标区域对比度,然后扫描纸币边缘像素,采用最小二乘法拟合得到纸币亚像素边缘,拟合过程中,采用误差阈值法剔除噪声点,根据边缘角度对纸币进行倾斜校正并提取纸币区域,最后对提取后图像再一次进行模糊增强。实验表明,该方法通用性好,能有效地提高图像特征区域的对比度,在边缘磨损和缺角等情况下都能有效地提取纸币区域,并且增强后的图像有利于后续的纸币识别。     

基于差分投影与优割字符的车牌字符分割

针对车牌字符分割提出一种基于差分投影与优割字符的车牌字符分割算法.该方法利用水平差分投影图进行倾斜校正和水平切割,使得倾斜校正和水平切割同时进行,在降低算法的复杂度的同时提高了水平定位精确度.然后,结合垂直投影和连通域算法寻找车牌的优割字符,生成滑动的分割模板进行字符的垂直分割,有效地解决了字符粘连、断裂情况下字符识别问题.实验证明该方法分割速度快,分割质量好,对于模糊车牌识别具有自学习品质和很强的抗干扰性能.     

基于Hough变换的改进的纸币倾斜校正方法

纸币清分机采集图像是在纸币快速进纸过程的情况下实现,不可避免的会发生倾斜,这为后续的图像分割和识别带来了困难。针对图像中纸币边缘检测结果通常断裂为若干直线段的现象,本文提出了一种基于Hough变换的改进倾斜矫正算法,能够较准确地检测到图像的倾斜角度,从而实现纸币图像的倾斜矫正。     

人脸识别中利用眼球进行人脸归一化

人脸识别中,人脸的归一化处理是至关重要的一个环节,以此为基础可使得人脸的整体分析和识别变得容易和准确。算法首先利用人脸的垂直积分投影曲线获得人脸的左右边界,然后利用水平积分投影曲线获得人眼所处的大致水平位置,进而裁剪出这个包含人眼的大致区域。在此基础上利用Canny算子求出眼睛区域的边缘图像,然后对边缘像素进行聚类,再利用Hough变换的改进方法求出左右眼球中心的精确位置,最后利用中心瞳孔的位置进行人脸的归一化处理。经实验验证,该方法速度快、精确度高,受表情、偏转和光照的影响小。经本方法校正后,后续的识别正确率得到了提高。     

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.     

光轴外扩式布置的双目相机图像立体校正

摘要： 针对宽视野光轴外扩式布置双目图像采集和显示系统的图像立体校正问题,利用三维重建误差,提出了一种基于双目图像视差特性的立体校正方法.在分析光轴外扩式布置双目相机图像视差特性的基础上,针对相机光心与显示投影中心间的位置误差和相机光轴与显示视轴间的角度误差,建立图像仿射变换、水平视差畸变和垂直视差的校正函数,利用一组空间采样点的三维重投影误差作为目标函数通过优化方法求解校正参数.仿真实验表明：在视轴外扩夹角为30°时,本方法可以有效地消除光心位置误差和光轴角度误差对图像视差造成的影响.真实图像校正实验表明：校正后的图像水平畸变小,在显示宽视野双目图像时,能保持正确的三维立体感.
关键词：中图分类号：文献标志码： A     

一种纸币图像特征提取方法

针对纸币在清分机中运动时,图像发生尺寸、旋转和平移的现象,提出一种对尺寸、旋转和平移运动不敏感的特征提取方法。该方法通过纸币边缘提取、尺寸计算及倾斜校正预处理,采用贝叶斯最大后验概率法拟合边缘,将所确定的图像区域等分为M×N个单元,提取其特征,消除数据的不一致性,纸币分类的准确率达99.9%以上。该方法计算复杂性低,能够满足纸币清分机对图像处理和分类的实时性要求。     

采用分数阶微分边缘检测的图像插值

针对目前的边缘插值算法不能有效改善插值图像的中低频纹理细节的问题,研究并提出了一种基于分数阶微分边缘检测的图像插值算法.依据分数阶微分理论,设计并实现了可以有效提取中低频纹理信息的算子掩模.按照检测到的边缘纹理信息,分别对沿边缘方向、垂直于边缘方向和平滑区域的待插值像素点进行线性插值、二次插值和双线性插值.采用了峰值信噪比(PSNR)和信息熵(IE)等图像质量评价标准做定量分析和实验验证.结果表明,该方法可以得到丰富的图像纹理信息,提高了峰值信噪比,其结果符合人们的视觉感受.     

基于边缘检测和灰度投影的人眼定位

【目的】针对肤色检测易受光照影响的问题,提出一种基于边缘检测和灰度投影的人眼定位方法。【方法】首先结合肤色检测和Sobel边缘检测来提取人脸主要特征,得到人脸特征的二值化图像;其次根据人眼在人脸的几何位置关系得到人眼的粗定位;然后通过对数变换处理定位后的图片;最后进行水平和垂直方向的灰度投影,经过曲线拟合寻找极值进行人眼瞳孔的精确定位。同时,将本算法与其他类似算法进行比较分析。【结果】本算法对于不同光照和干扰环境有一定的适应性,对于不同姿势的人脸也能准确定位,相对于传统的肤色检测在精准度上有所提升,但在人脸图像受到环境或者噪声干扰严重时,本算法的定位成功率明显降低。【结论】该方法简单实用,对光照和复杂的干扰环境有一定的适应性,并且在一定的角度范围内,具有较高的准确性。