奶牛图像光照不均的校正方法

由于奶牛图像是在奶牛场实地拍摄,故会产生一些光线特别强烈的图像,致使图像光照不均和降质,故影响后期对奶牛图像的二值化及识别处理。本文在对传统同态滤波和基于小波的同态滤波方法研究的基础上,采用一种基于Ycbcr颜色空间对彩色图像进行光照校正的方法。实验结果表明,该方法对彩色图像进行光照校正更为有效,二值化结果也更为正确。     

改进背景补偿的车牌图像二值化算法

针对车牌自动识别系统中二值化车牌图像时常出现字符光照不均等复杂特征,提出一种新的解决方法.首先使用同态滤波减弱车牌图像光照不均等带来的影响,然后通过改进的背景补偿算法对车牌图像进行二值化.实验表明,该方法能有效克服光照不均等带来的影响,二值化效果良好.     

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。     

一种非均匀光照度图像字符二值化小波分析法

图像字符二值化小波分析法,是通过对图像行(或列)进行小波分析,在最佳分解尺度上寻找出行(或列)上的图像字符边缘点,根据边缘点的灰度值的均值确定出每行(或列)局部二值化的阈值.该方法特别针对多噪声光照不均的图像,能很好地保持图像字符的细节,具有良好的二值化效果.     

织物纬斜检测图像光照不均匀的校正方法

为了解决在织物纬斜的检测过程中织物图像光照不均匀的问题,提出一种织物图像校正方法.首先,在每个像素点所处的列中,统计一个纬线宽度范围内像素值小于该点的个数,将统计结果作为该点的像素值;然后,按比例还原每个点的像素值,使每条纬线对应位置的像素值恢复到同一灰度水平;最后,把校正后的图像用Otsu法进行二值化,并与其他解决光照不均匀问题的经典方法进行对比.结果表明:文中方法能够很好地消除光照不均匀的影响,得到接近均匀光照下的二值图像.     

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Sobel与中位扫描线的车牌定位算法的研究

针对车辆图像分割比较困难、车牌位置定位非常不准等问题,提出了一种新的车牌快速定位方法。在对图像作灰度化、灰度拉伸、边缘检测和二值化等预处理的基础上,根据车牌区域纹理丰富的特点,对得到的二值图像作行、列扫描,并利用车牌位置信息、尺寸信息来缩小搜索范围,提高了定位精度和实时性。对不同光照、不同场景、不同大小的汽车图像的仿真实验结果表明,该方法具有较好的定位精度和鲁棒性,实时性强,适用于不同的应用场合。     

一种基于FPGA非均匀光照图像分割方法

针对非均匀光照条件下图像的分割问题,提出一种基于FPGA的实时图像分割方法。得到了一种非均匀光照下分割效果较好的方法。首先,使用图像传感器采集原始的图像数据,然后进行sobel边缘检测,最后对其进行Bernsen局部二值化得到分割图像。本方法使用FPGA来对图像进行高速采集和并行处理,实时完成图像边缘检测及局部二值化。经现场调试证明本方法可以有效分割图像,使其目标更加突出,从而改善了非均匀光照对图像分割质量带来的影响,并具有良好的实时性。     

基于二维伽马函数的光照不均匀图像自适应校正算法

提出了一种基于二维伽马函数的光照不均匀图像自适应校正算法. 利用多尺度高斯函数提取出场景的光照分量,然后构造了一种二维伽马函数,并利用光照分量的分布特性调整二维伽马函数的参数,降低光照过强区域图像的亮度值,提高光照过暗区域图像的亮度值,最终实现对光照不均匀图像的自适应的校正处理. 通过与经典算法对比表明,本文算法可以更好地降低光照不均匀对图像的影响,提高图像的质量.      

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。     

一种新改进的otsu算法

图像的二值化是车牌识别过程中的重要环节,图像的二值化直接影响定位的准确性。由于字符的分割和识别是在车牌区域二值化结果的基础上进行的,因此车牌图像的二值化是非常关键的一步。本文对传统的otsu算法和新改进的otsu算法进行了试验比较,通过对otsu算法基本原理的研究,提出了一种新改进的灰度图像二值化的方法,该算法能够更好的确定最佳阈值点,实验表明上述方法能够得到较理想的二值化图像。     

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。     

太阳能电池板检测中实时二值化阀值设定的方法

分析了太阳能电池板图像的灰度直方图特征及大津法算法原理,在电池板外形尺寸测量过程中提出将大津法分类思想应用于电池板图像二值化阀值的实时设定。实验表明,这种实时设定阀值的方法克服了光照变化对太阳能电池板测量的影响,从而提高测量的准确性和稳定性。     

改进的高低帽变换对固定阈值二值化算法的优化

由于车牌识别系统大多工作在复杂的光照环境中,如何解决不均匀光照对车牌图像的影响仍然是车牌识别领域的一个难题。数学形态学中高低帽变换的重要用途就是校正不均匀光照对图像的影响,但如果直接将其用于车牌图像的二值化处理,因为图像的灰度值变换不大导致部分边缘损失,不仅不利于确定良好的阈值,而且检测结果也不理想。利用高低帽算法的特点,首先用形态学膨胀算法调整结构元素尺度,改进传统高低帽变换的边缘检测算法,然后利用检测图像边缘熵确定权值进行融合,再对其进行固定阈值二值化处理。实验证明这一方法有效提升了车牌图像的边缘灰度,减小了光线不均对车牌图像造成的影响,增强了车牌识别的准确度。     

基于分水岭模型的光照不均匀图像分割

针对图像采集过程中存在光照不均的问题,首次利用分水岭模型将图像分割为不同的光照区域,再利用Sauvola算法自适应地获得局部的二值化阈值,从而达到了良好的分割效果.同时Sauvola算法使用积分图像计算出局部像素值的和与局部像素值平方和来加快算法的时间.实验结果表明:该算法能够在无人工干预的情况下克服光照的影响,并且图像分割时间复杂度大大减小.     

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.     

基于改进TV-L1模型的虾苗计数方法

为实现渔业生产中对虾苗的计数需求,针对虾苗图像光照不均、图像粘连等问题,对图像复原的TV-L1模型进行了改进,提出了一种新的对数商图像连通区域标记面积计数法。利用改进TV-L1模型作为低通滤波算子对图像进行平滑滤波和图像光照分量估计,将在对数域定义的原图像与光照分量估计的商作为光照归一化图像,对该图像进行形态学处理,采用最大类间方差法获取虾苗分割的最佳阈值并进行二值化处理,最后利用连通区域标记面积法来确定虾苗数量。实验结果表明,该方法的计数平均准确率较高。     

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。     

基于显著点的感兴趣区域提取及评价

为降低数据规模,提高图像处理的效率,针对感兴趣区域（ROD提取的问题,提出了一种基于显著点的ROI提取算法．利用视觉注意模型（VAM）得到显著图,聚类显著图二值化后提取到的显著点,同时将原图像二值化,并以聚类点作为种子点填充,提取原图像的二值化图轮廓后与原图像掩膜,得到图像的ROI．实验结果表明：该算法的总体效果良好,运算速度可与显著点的个数成线性关系．同时以眼动实验数据为参照进行分析与评价,该算法ROI漏分率至少降低50％,而误分率无明显增加．     

基于Ⅱ型模糊集的车辆图像二值化算法

车辆图像二值化是车牌识别系统中一个关键的部分,其性能的好坏直接影响到后续的工作的效果.本文提出了一种新的针对于车辆图像的二值化算法:基于Ⅱ型模糊集的二值化算法,此算法是在Ⅰ型模糊隶属度的基础上,建立了Ⅱ型模糊集,同时基于Ⅰ型隶属度函数的选择,采用灰度遍历搜寻在最小模糊度意义下的最佳灰度值作为分块后的车辆图像的二值化阈值.此算法保持了原有模糊集所具有的鲁棒性,减少了后续工作中图像背景对图像目标的影响,实验结果证明此算法的性能要优于Otsu等二值化算法.