基于小波变换的汽车牌照定位算法

根据车牌在图像中的特征,通过小波变换的多尺度分析与Mallat塔式分解方法可得到图像的高频垂直细节图像,主要代表车牌的目标区域。同时小波变换还易于消除噪声。然后,用直方图波形分析法对小波分解后的图像进行二值化。再次,用二值形态学对二值化后的图像进行一系列形态运算,得出车牌区域的大致位置。最后,进行连通域搜索找准车牌位置。试验证明该算法正确率高、快速,易实现。     

基于小波分解的车牌图像分割

为消除明暗不均等低频干扰的影响，将字符成功地从车牌图像中提取出来，提出了基于小波分解的车牌图像分割方法，根据干扰信号与字符信号属于不同频域的特点，利用小波时频局部化分析的能力，在保留字符信息的同时滤除或抑制低频干扰成分，其方法是先根据统计结果分析出字符和低频干扰信号所处的频率范围，然后对图像进行小波分解，过滤掉或抑制干扰信号所属的频段，再利用传统的聚类分析进行分割，这样就能够很好地消除白斑黑斑、光照不均匀、非车牌区域干扰等问题，即使图像灰度值反差很大也能将车牌字符很好地提取出来。     

基于小波分解和亮度矩的车牌定位方法

文章提出了一种基于小波分解和亮度矩的复杂背景下,图像中车牌定位和分割的方法。针对小波分解能较好地保留图像中的细节信息,选用小波作为车牌分割工具;为了突出车牌字符与图像中其它信号特征的差异,定义了一个亮度矩函数,用以搜寻牌照的上下、左右边界。仿真结果表明,该方法定位准确率高、速度快。     

一种基于小波变换的图像压缩方法

提出了一各基于小波变换的灰度图像数据压缩方法.采用双正交小波对图像进行分解,作分解后系数的矢量量化.使用频率敏感自组织特征映射算法生成码书.这可避免直接矢量量化时的块效应,且相对于正交小波,恢复图像的质量了有所提高.     

基于小波分析的医学影像图像融合与分解设计实现研究

分析了基于小波分析算法的数学模型,分别设计了基于小波分析的医学影像图像融合和医学影像图像分解仿真实现,进一步对医学影像图像融合与分解的处理结果进行了仿真比较研究,表明基于小波分析的医学影像图像融合与分解效果较好.     

基于加权稀疏非负矩阵分解的车脸识别算法

为提高多种光照条件下交通卡口视频中车脸识别的准确性,提出了一种基于改进非负矩阵分解的车脸识别算法.对采集图像进行预处理,获得车脸图像与车牌信息.基于特定光照条件,自适应提取车脸图像的初始特征.针对车脸图像中像素位置的重要性差异,建立了加权稀疏约束非负矩阵分解的特征降维方法.通过判断特征相似性与车牌信息一致性,确定车辆是否合法.实验结果表明所提算法具有较好的识别性能,真实接受率与错误拒绝率分别可达到0.9875与0.04,并满足实时性要求.     

基于图像分解和DM6437的嵌入式车牌定位系统

针对目前国内车牌定位系统易受背景干扰和定位准确率有待提高等问题,基于图像分解方法和DM6437DSP硬件平台,设计了一种嵌入式车牌定位系统.通过CCD摄像机和TVP5146视频解码芯片完成图像信息的采集,DM6437实现算法处理和数据传输等任务,并引入图像分解改进车牌定位算法.实验结果表明,图像分解方法能够有效去除车辆图像背景中的无用信息,进而提高车牌定位的准确率.基于DSP硬件平台的定位系统体积小,运行稳定,有较高的应用推广价值.     

基于小波变换和亮度矩的车牌图像分割算法

车辆牌照图像的分割是车牌识别的前提和基础，针对牌照与车身背景的分割问题，该文提出了基于小波变换和这度矩方法的车辆牌照阈值分割算法，首先，对车牌图像进行小波去噪，然后利用亮度矩对去噪后的车牌图像进行阈值分割，实验结果表明：此方法能够从含有较强噪声的车辆图像中获得车牌图像，且具有相对于图像的平移、尺度变化和旋转的低敏感性。     

基于车牌颜色特征的定位方法研究

针对车牌自动识别中车牌定位问题,提出了一种基于颜色信息的车牌定位算法。该算法基于HSV颜色模型,对车牌图像进行颜色分割找出候选车牌区域,然后利用车牌自身的两种颜色特征剔除伪车牌,最终正确定位出车牌,实验证明该算法的正确性和可行性。     

基于双正交小波变换的彩色图像水印嵌入算法

基于传统小波变换的数字水印算法,提出一种基于双正交小波变换的彩色图像数字水印嵌入算法.算法利用双正交小波具有的良好分解和重构特性,对原始水印图像进行Arnold置乱后,将载体图像及水印图像分别进行2级和1级双正交小波变换.根据小波各频带系数之间的关系以及人类视觉系统掩蔽性,确定水印嵌入位置和强度,将置乱后的水印按照一定权重规则嵌入到载体相应的分解系数中,利用双正交小波逆变换得到含有水印的图像.仿真实验结果表明该算法不仅有较好的隐藏性,而且对于常见的操作攻击也表现出很强的鲁棒性.