基于Otsu算法的车牌图像二值化及其Matlab实现

本文利用Otsu算法二值化车牌图像的技术,给出了Otsu算法的原理,以及对车牌灰度图像进行二值化处理的方法原理;最后用MATLAB来实现车牌图像二值化的效果。     

基于边界剥离分水岭算法的重叠颗粒分离研究

针对采集的洗煤厂煤尘图像颗粒重叠严重的问题,运用传统图像二值化方法处理速度慢、不适用于低对比度指纹图像。分水岭分割算法对噪声敏感和易于产生过分割问题,为了提高图像分割的效率和鲁棒性,提出一种新的基于边界剥离距离变换分水岭算法的图像分割方法。该方法通过将图像分割为不相交的N个子窗口,并求出各个窗口对应像素的灰度均值,经改进动态阈值法进行二值化处理,得到的二值化图像经边界剥离距离变换获得灰度图像,最后利用分水岭算法对图像进行分割处理。数值实验结果表明,与传统分割方法比较,此方法处理效率高、鲁棒性好。不但成功地解决了分水岭存在的过分割问题,还大大提高了算法的搜索效率;可以快速准确地分割出目标,是一种有效的图像分割方法。     

指纹图像二值化方法的比较研究

对常用的指纹图像二值化方法进行了比较研究．在此基础上对文献[1]提出的指纹图像二值化方法进行了改进，并对二值化图像、后续的细化图像和特征点提取结果进行了比较。     

面向车辆牌照的L快速二值比算法

就车辆牌照灰度图像的二值化问题，比较Otsu算法和全局动态阈值算法，讨论将字符从车牌背景中分割出来的最佳阈值选取问题。从汉字字符识别角度出发，通过引入光照强度因子L，对全局动态阈值算法进行改进，提出L快速二值化算法。实验结果表明，L快速二值化算法的处理效果，优于Otsu算法和全局动态阈值算法。二值化处理后的车辆牌照字符笔划清晰、饱满、无断裂，克服了光照因素的影响，更有利于汉字字符的识别。     

光照不均QR码图像二值化研究

Ostu算法因其具有算法实现简单等特点成为常用的一种图像二值化算法,但其对于不均匀光照下的QR码图像二值化处理效果不佳。针对Ostu算法这一缺点,提出一种解决方法：首先使用改进的同态滤波去除QR图像的不均匀光照的影响,然后采用Ostu算法对QR图像进行二值化。实验表明,使用该算法能有效克服不均匀光照的影响,二值化效果良好,条码识别率提高。     

高维数据的降维方法研究及其应用

讨论了高维数据的降维方法及应用，采用进制分解的方法将数字图像无损转化为二值图像，从而将原图像的处理转化为对二值图像的处理．从理论上，论证了二值图像的无损性，以此为根据对二值图像进行了相应的分析，包括压缩、图像分析、信息融合等．     

汽车轮胎号识别中的预处理问题

为便于对汽车轮胎号字符图像进行识别,对其进行一系列预处理．着重研究胎号图像预处理中的增强、降噪及二值化问题．提出一种将邻域均值滤波法和中值滤波法相结合的图像降噪算法,采用该算法能保护图像边缘和细节．提出一种基于经验知识的改进Otsu算法,可缩小Otsu算法搜索阈值范围,减少计算类间方差的次数．结果表明,胎号增强图像比原始图像清晰,降噪后字符图像边缘不模糊,胎号字符二值化速度得到提高,二值化效果也很好．     

光照不均图像的自适应加权均值算法

 在结合矩形框加权均值算法的基础上,提出一种对光照不均图像进行二值化处理的自适应加权均值算法。对流量计图像中每个像素点分别计算阈值,利用和值表及自适应计算调整参数t,可有效地避免光照不均的影响,减少程序计算量,增强阈值自适应能力,提高流量检测速度及图像二值化处理效果。结果显示,在C++环境下,分别运用自适应加权均值算法和传统的基于小波包及Niblack 算法,对所采集的同一幅流量计光照不均图像进行二值化处理,自适应加权均值算法用时1.6 ms,基于小波包及Niblack 算法用时9.3 ms,且自适应加权均值算法处理效果明显优于传统算法。     

一种针对钢卷尺图像的二值化方法

在钢卷尺自动检定系统中,图像二值化是误差检测的前提,由于标准钢卷尺图像受材料和环境影响较大,目前常用的方法都不能有效地对不同质量的图像实现自动的二值化。根据Berns-en算法原理,提出了一种改进模板和垂直线滤波结合的二值化方法。实验结果表明,此方法二值化效果好,对于非均匀光照的钢卷尺图像有良好的适应性。     

驾驶人状态监视系统面部定位算法设计

主要研究驾驶人的面部定位设计,可以限定图像采集的背景,引入了帧间信息处理技术,采用差分分析方法并利用二值化进行图像相关处理,利用水平和垂直投影方法进行粗略的头肩定位.依据直方图均衡化与原图像的差值二值化进一步精确定位人脸.该算法运算速度快、定位准确,试验效果好,达到了实时性的目的.     

一种改进的结合边缘检测的去雾新方法

暗原色去雾算法复原的图像会出现边缘效应,为此提出了一种改进的基于暗原色理论的去雾算法.首先计算出图像的暗色图,并使用小波分解算法将暗色图像向下采样一次;然后在小波分解的平滑部分计算大气光和图像的暗原色,提取出平滑部分的边缘信息,并使用形态学对其进行膨胀获得相应的二值边缘图像;接着对二值边缘图像所在区域的暗原色及非边缘处的暗原色分别进行优化;最后,将优化后的暗原色使用小波重构算法向上采样,并据此计算出图像透射率,结合去雾模型复原到清晰的无雾图像.实验证明,该方法在很好地去除边缘效应的同时,极大地减少了算法时间复杂度,满足实时要求.     

灰度文本图像自适应二值化滤波算法设计及应用

将自适应滤波与局部阈值二值化有机结合起来,提出自适应二值化滤波算法,旨在将淹没在噪声和失真中的灰度文本图像的二值图像信息通过滤波的方式恢复出来。采用改进的大津法计算局部阈值,对滤波结果进行二值化。依据二值化的结果估计滤波的误差,并调整滤波器参数。实验结果表明该算法克服了光照不均和噪声对灰度文本图像二值化的影响,得到了较理想的二值图像。     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于动态调整的GA-SVM多分类二叉树的方法

基于遗传算法的支持向量机决策树多分类方法仍然存在错误累积的问题,累积的错误往往使分类准确率下降,分类效果变差,存在全局优化缺陷的问题;并且在每个节点进行二分类常用的实数编码切分方法,效率低下。针对这两方面的问题,提出从根节点开始逐层构造二叉树,运用二进制编码的遗传算法进行每一阶段的二叉树构造。二进制编码对于每个节点的分类以及进行交叉、变异更高效,不用考虑从什么位置切分。针对越靠近根节点产生的误差对后续节点分类误差的累积影响,提出一种动态调整的方法,此方法对每个节点赋予权重再进行对权重的调整使得整体的分类误差减小,最终得到二叉树的全局最优,从而提高分类精度。通过实验并进行五折交叉验证表明,DABT-SVM比多种传统的支持向量机多分类算法在全局优化能力和分类精度上有很大的提升。验证了该算法的可行性和有效性。     

基于数学形态学的核孔膜显微图像检测

为实现核孔膜防伪的自动检测,提出了一种基于数学形态学的核孔膜显微图像检测方法。构造了基于灰度数学形态学的二值化方法,提出了基于二值数学形态学的分层提取方法,统计总孔数和孔半径。实验结果表明,二值化方法不但能够有效消除灰度图像中的噪声和渐变背景,而且所得二值图像保留了原始灰度图像中核孔膜的全局信息;分层提取方法所得总孔数的相对误差在10%以内,同时实现了孔半径的统计。该方法可用于仪器化检测中。     

基于改进马尔可夫随机场探地雷达有效信号提取方法

针对探地雷达图像背景含有大量噪声导致有效信号提取识别困难等问题,提出了一种基于改进马尔可夫随机场结合大津算法的探地雷达去噪的方法。该方法先使用大津算法,将探地雷达图像数据二值化,划分出前景和后景图像,后对图像使用改进马尔可夫随机场结合迭代条件模式算法(iterated conditional mode, ICM)进行降噪处理,得到只含有效信号的二值图。将二值图像与带噪图像结合比对,使用中值滤波法降噪,最后得到优化后的探地雷达图像。根据实验结果,该方法在探地雷达数据降噪和有效信号提取方面均具有较好的效果。同其他传统方法和原始马尔可夫随机场降噪方法相比,该方法在探地雷达各类评价方法中表现最优,具体表现为信号单道波波形对比中拟合度最高,峰值信噪比达52.528 1 dB,结构相似度为0.998 1。使用结合二值图像的滤波图像,可以使图像波形更清晰。因此,该方法在使用探地雷达进行探测、探伤工程项目中有一定实用价值。     

用遗传算法C-均值聚类分割医学彩色图像

图像分割和对象提取是从图像处理到图像分析的关键步骤 .经典的C -均值聚类算法 (CMA)是将图像分割成C类的常用方法 ,但依赖于初始聚类中心的选择 .该算法通常得到的是局部最优解而非全局最优解 .遗传算法是一类全局优化搜索算法 .通过将遗传算法 (GA)与CMA相结合 ,对医学彩色图像直接按红绿蓝 (RGB)三色空间进行聚类 ,用遗传算法搜索全局最优解 ,有效地避免了C -均值聚类算法收敛到局部最优的问题 ,并在此基础上实现了对医学病理彩色图像的分割和对象提取 ,得到了比较满意的效果     

融合双边滤波算子的多相水平集图像分割算法

由于乳腺肿瘤超声图像的边界模糊,且灰度异质现象较严重,准确分割出肿瘤区域是一项具有挑战性的工作.针对传统的Chan-Vese模型和局部二值拟合模型(local binary fitting)的分割缺陷,在乳腺肿瘤超声图像的全局和局部能量信息的基础上,结合双边滤波算子,提出一种全局和局部二值拟合模型的多相水平集分割算法.首先,将双边滤波算子作为乳腺肿瘤超声图像的核函数;然后,根据变分法求解表征超声图像结构信息的能量泛函,得到对应的梯度矢量方程;随后,引入多相水平集函数实现病灶区域的多区域细化分割;最后,对乳腺超声图像数据集的分割实验.结果 发现:经过与医生手动标记的肿瘤区域进行对比,分割准确度为94.51％.可见,该模型的准确度较高、误判率较低、鲁棒性较强.