基于边缘检测与Hough变换的车牌字符分割算法

提出了一种新的车牌字符分割算法,先对车牌区域进行Roberts算子边缘检测,再进行Hough变换,将车牌区域角度校正完毕后,根据划分的字符区域宽度的不同,将字符区域归为不同类型,再分别进行处理,提高了字符分割的精度。     

车牌照定位及倾斜校正方法研究

针对车牌照自动化管理中需要对采集到的车牌照图像进行自动校正和去除背景的处理问题,在传统的集合参数提取方法———Hough变换基础上,提出了一种实现对车牌照图像进行定位和倾斜校正的方法。根据车牌照自身特点,对对称Hough变换作出改进和剪裁,使得该方法可对平行四边形形状的车牌照进行检测。测试证明,该方法缩短了计算时间,减小了空间复杂度。     

基于PC的大屏幕立体投影与快速边缘拼接

针对当前显示技术成为虚拟环境系统追求高分辨率与高沉浸感的瓶颈,提出基于PC的大屏幕立体投影系统,实现虚拟环境的高分辨率及高沉浸感;该系统需要多台投影机进行投影,因此带来多投影机投影图像的配准与无缝拼接,提出一种快速边缘拼接技术,实现复杂场景漫游中的大屏幕立体投影多投影之间的无缝拼接。     

一种多通道曲面投影系统的几何校正方法

几何失真校正技术是虚拟现实投影系统中的关键技术之一,文章针对曲面多通道大屏幕投影显示系统,提出了一种在极坐标系中基于纹理贴图的几何校正方法。该方法采用角等分原则将二维纹理网格化后在三维坐标系中进行贴图从而实现几何校正,可以适用于投影面为柱面、球面、极坐标参数曲面以及投影机非正投影等情况。试验结果表明该方法能够快速的完成几何畸变校正和通道间的拼接融合,具有良好的实际应用价值。     

基于圆投影向量的景象匹配方法研究

景象匹配中经常会出现基准图和模板图之间存在任意角度旋转的情况,传统的结构化模板匹配算法通过逐个比较基准图和模板图对应像素灰度值之间的相关性进行匹配,所以只能工作在小角度旋转的情况下,对任意角度旋转的景象匹配是无能为力的。利用圆的各向同性和投影特征提出了圆投影匹配算法,并对其进行了改进。实验结果表明,两种算法都具有旋转不变性,但是改进后的圆投影匹配算法对灰度变化、噪声、光照以及对比度变化等具有更好的鲁棒性。     

基于邻域熵的自适应多尺度边缘检测方法

提出了一种基于邻域熵的自适应调整滤波尺度的多尺度边缘检测方法,该方法根据当前像素点所处邻域内像素点的灰度分布的有序性,定义了邻域内灰度分布的邻域熵,以判定该邻域内是否存在边缘。同时分析了后选边缘的宽度,以定量调整边缘检测中的滤波尺度参数。实验结果和抗噪性能分析表明,这种方法可以得到令人满意的结果,特别是对图像中弱边缘的检测效果比较理想。     

基于边缘连接的线段检测方法

提出了一种基于图像边缘连接的线段检测方法。数字图像中的线段是由很多线段图元组成,在同一条线段中,它们的方向是相同的并且受到真实线段的方向约束。因此可以通过提取小的线段图元,然后分析它们的连接特性,进行线段的检测。首先用ADM算法对图像进行边缘检测,得到单像素宽的边缘;然后在4个方向上进行线段的检测;对初步得到的结果进行合并和验证,去掉短的线段,连接临近的线段。经过实验证明,该方法能够快速地提取图像中的线段,并且对噪声具有一定的鲁棒性。     

基于卷积神经网络LeNet-5的车牌字符识别研究

将卷积神经网络LeNet-5引入到车牌字符识别中。为了适应目前中国车牌字符识别的需要,对传统的卷积神经网络LeNet-5的结构进行了改进,主要是改变输出单元的个数与增加卷积层C5特征图的个数。研究结果表明,改进后的LeNet-5比传统的LeNet-5的识别率有所提高,识别率达到98.68%。另外,与BP神经网络进行了比较研究,从实验中可以看出在字符识别的正确率和识别速度上都优于BP神经网络。卷积神经网络在车牌识别中具有很好地应用前景。     

基于投影仪-相机系统的多投影颜色校正技术

为了消除多投影大屏幕显示系统的颜色差异对虚拟现实系统仿真环境沉浸感和真实感的影响,提出了一种基于投影仪-相机系统的颜色校正优化方法,综合考虑校正系统中相机和投影仪的非线性影响.针对以往算法中忽略相机影响的问题,提出基于Pedro图像分割的高动态范围图像合成优化算法,引入新的权重函数,建立相机输入输出像素映射关系;结合相机的非线性响应关系,利用YUV与RGB色彩空间的转换模型结合函数逼近的方法对投影仪亮度和色度同时校正,生成投影仪颜色查找表,并利用着色语言实现颜色校正的GPU渲染.最后以三通道环形多投影屏幕为实验平台验证本算法的有效性.     

一种基于广义多尺度分形参数的图像边缘检测方法

分形是实现自然纹理描述的一种有效方法.本文从分数布朗随机场模型的描述出发,证明了具有不同分形特性的两种纹理边缘处的H参数估计值大于1的一般结论、将H参数泛化用于描述一般图像的特性,从而提出了一种基于广义多尺度分形参数的图像边缘检测方法.该方法通过构造多分尺度的广义分形参数H值,从而可以实现图像边缘的有效提取.     

基于细胞神经网络的牌照倾斜校正及单字切分

车牌自动识别中 ,牌照倾斜和单字切分不准确会使字符识别率下降。为此提出基于细胞神经网络的牌照倾斜校正及单字切分的方法。由阴影检测器得到包含字符的块状区域 ,并得到块状区域的上、下边缘线 ,从而得到牌照的倾斜角度 ,对牌照进行倾斜校正。对校正后的图像 ,用相连单元检测器去除边框及其它干扰 ,并用另一个离散时间细胞神经网络模板完成单字切分。结果表明 ,利用细胞神经网络可以较好地完成牌照倾斜校正和单字切分 ,为后面的字符识别作了较好的准备。     

基于小波变换和行扫描的车牌定位方法

介绍了车牌从预处理到定位的整个过程,车牌预处理部分包括采用运用不等权方法对图像进行灰度化;运用高低帽变换来增强图像的对比度,有利于增强算法的鲁棒性;运用一种新的小波阈值方法来进行图像去噪,有利于去除干扰,突出车牌区域。在车牌定位部分根据车牌自身的特征采用行扫描来对车牌进行定位。实验表明此方法具有较高的准确性,有较高的实用价值。     

基于可操纵小波的多方向图像边缘检测

根据可操纵小波多分辨率分析的原理,将小波多分辨率分析与方向微分算子相结合,设计实现了基于二维多方向微分的小波滤波器组,提出了分辨率及方向均可调节的图像边缘检测方法。该方法具有计算效率高、抗带间混叠及多方向选择等特点。通过仿真试验并将其与canny算法和传统的B样条小波边缘检测算法进行比较,验证了该方法的有效性和优越性。     

融合边缘检测模块的自然地貌语义分割模型研究

针对遥感图像自然地貌边缘的像素点归类问题,提出融合边缘检测模块的多通道融合模型与解码器端模块模型。边缘检测模块以Canny算子为基础进行闭运算及均值滤波处理得到精确化的图像边缘。语义分割网络以DeepLabV3+为基础,分别从编码器及解码器端并联边缘计策模块。实验结果表明,改进后的2种网络相比原DeepLabV3+网络在高分辨率自然地貌图像数据集上均取得更好的分割效果,且解码器端融合网络取得了最高72.60%的交互比(IoU,intersection over union)和86.64%的F1score,可用于面向自然地貌的识别与分割。