基于边缘点投影方差最小的车牌倾斜校正方法

在车牌识别系统中,为提高字符分割和识别的效果,需要对定位后的车牌图像进行倾斜校正.提出了一种基于边缘点投影方差最小的车牌倾斜校正方法.首先将旋转后车牌图像的垂直边缘向水平方向投影;然后导出边缘点投影方差最小时旋转角度的闭合表达式,由此一步确定车牌的倾斜角度;最后通过双线性插值方法校正车牌.给出了实验结果,并与车牌倾斜校正的Hough变换法、旋转投影法和主成分分析法进行了精确度、算法复杂度及运算时间的比较,结果表明所提出的方法精确度高、鲁棒性好、实时性强.通过进一步分析和推广,将车牌倾斜校正方法总结为两种不同类型的方法,并对它们进行了比较.     

基于BP神经网络的图像感兴趣区自动检测技术

图像中感兴趣区(region of interesting,ROI)的自动分割是图像信息压缩与模式识别中的重要问题。提出一种图像中感兴趣区的图像信息自动检测算法,通过建立基于BP神经网络的多层检测模型,自动实现图像中ROI的自动检测与分割。并将该模型用于对车牌图像中牌照区域图像的自动分割。结果表明,该算法稳定性好,能够方便快速地实现特定ROI的自动检测与分割。     

一种基于医学三维数据场模糊分割的体元投射算法

论证了医学三维数据场边界过渡区域的存在性，并提出了一个修正体元投射算法。该方法先对三维数据场进行归一、整数化的预处理，并修正扩展二维图像的分割方法，使之适用于提取三维数据场边界过渡区。在此基础上将三维数据场非此即彼的分类优化为将数据场分为边界过渡区域和非边界过渡区域的模糊分割，再分别予以不同的体元投射绘制。最后给出的实验结果表明，算法既可以提高了数据场过渡区域的图像质量，又可以保证图像的绘制速度。     

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。     

前视红外地面待机目标轮廓提取方法

针对前视红外成像制导中地面待机目标的轮廓提取问题,提出一种新的多目标轮廓提取方法。首先利用相对定位分割技术,将待机目标区域从复杂地面背景中分离出来,然后采用灰度阈值法初步检测目标数量和方位,再通过边缘点聚类分割算法将多目标边缘图像进行分割,最后基于距离差分最小提取目标轮廓。实验结果表明,针对复杂地面场景,该方法可以实现对不同数量、不同类型、不同尺寸地面待机目标的外轮廓提取。基本满足前视红外成像制导对轮廓提取算法实时性好、轮廓完整度高、抗干扰能力强等要求。     

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。     

基于蚁群算法的监控系统的图像识别技术研究

介绍智能监控系统中的图像识别技术;利用蚁群算法进行图像分割,提取可疑区域,再运用人工智能中的基于缺省规则推理对可疑区域进行分别处理。运用这项技术对非法入侵对象进行识别,经实验验证实用可靠,满足实时性要求,能将报警信号和可疑区域图像通过网络传送到报警中心。     

一种基于区域填充的C-V模型图像分割方法

传统的C-V模型对于包含有多灰度级对象或子对象的图像难以实现准确分割.为解决这一问题,提出了一种基于区域填充的C-V模型图像分割方法,通过对象域或背景域的填充,将主对象转变为背景,从而弱对象或子对象成为主对象,再通过C-V模型实现分割.数值实验表明,该方法能够将弱对象有效分割,而且对于复杂对象的分割较C-V模型更为准确.     

微分几何制导律捕获条件分析

基于Frenet坐标系的传统微分几何制导律推导过程较为复杂,工程应用中存在很大的局限性。首先在时域中推导了微分几何制导指令,其次为方便对导弹捕获目标条件的研究,建立了相对速度坐标系。基于此坐标系将弹目相对运动轨迹区域进行了分割,根据分割的不同区域给出导弹捕获目标的充分条件,并对其进行了证明推导。最后仿真结果表明,当弹目相对运动初始信息位于不同的区域时,根据给定的充分条件,导弹能够捕获目标,并且具有较高的制导精度。     

一种实用车牌定位算法及实现

提出了结合空域拓扑结构和频域特征的车牌定位实用算法。在空域上，首先对原始照片进行预处理，包括灰度拉伸处理从而均衡光照影响，有利于增强算法的鲁棒性；然后对前面处理结果进行形态学梯度变换从而加强车牌文字区域的线状结构，有利于突出文字的频率特征。在频域上，利用车牌文字的横向频率特征，按照一定稠密度条件筛选水平象素，得到若干相对稠密的水平点集。接着在空域上对频域处理结果进行几何归并、拓扑筛选。最后利用车牌本身特点提出以一种快速倾斜纠正方法，并经过投影过滤，从而实现车牌区域快速准确定位。     

基于分形理论和神经网络的红外图像分割算法

针对实现红外图像的分割,快速准确地检测出红外序列中的人造目标的需要,结合分形特征和Ko-honen神经网络的特点,提出了一种基于分形技术的图像分割算法。该算法利用自然背景和人造目标的不同分形特征检测目标,提出了包括分形维数在内的7个红外图像特征,结合神经网络的自组织学习能力来进行图像分割。给出了算法实现的具体步骤。仿真试验结果表明,该算法能有效地实现红外图像的分割。     

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。     

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。     

一种在线学习的视频图像分割算法

提出了一种在线学习的视频图像分割算法,通过结合视频图像的全局信息和局部信息,来完成视频图像的准确分割。该算法首先采用分类器对视频图像的无指导预分割结果进行整体的识别处理,得到粗糙的像素级前后景分割图像,再通过时空条件随机场最优化完成局部平滑处理,得到最终精确的像素级前后景分割图像。同时还提出了一种平衡采样策略和一种基于分割图像指导的样本更新算法,分别用以实现分类器准确的初始化和高效稳定的在线学习。基于真实视频序列的实验表明,相比已有方法,算法在低时间开销下,显著提高了分割的准确性与稳定性。     

适用于机器人视觉的图像分割方法

针对复杂图像分割问题开展研究,并以机器人视觉中目标搜索和识别问题为支撑目标,结合该背景明确提出了图像分割算法性能评价标准和侧重点,基于此约束,以Mean Shift分割方法为基础,并重点考虑了分割尺度的有效控制、分割过程兼顾场景深度信息等问题,对算法进行了针对性改进。针对分割尺度控制问题,提出了边缘敏感度的概念,提高了算法尺度分块的控制能力。针对深度信息融合问题,采用了双目视觉立体匹配和基于Kinect传感器的两种深度信息获取方法,均成功实现融合并提高了分割效果。实验结果表明,本文算法与传统Mean Shift算法相比具有明显优势,不仅能更有效地控制分割尺度,还能成功分割原算法难以分割的特殊情况。     

图像区域分割中的无监督图割方法

提出一种基于图割算法的图像多区域分割方法,该方法采用核函数对数据项进行隐性的非线性映射,将原始数据映射到高维特征空间,实现图像的线性多类划分,扩展了分段常数模型的应用范围,提高了复杂区域的分割效果。由于图像边缘梯度变化剧烈,具有不连续性,在平滑项中加入图像的梯度约束条件,减少过分割。同时,采用无监督方法设置初始参数,避免了交互操作,更符合多区域分割的要求。实验结果表明,新方法不受图像内容的限制,无论是主观视觉判断还是客观定量分析,该方法都具有较好的分割效果。     

Fast interactive segmentation algorithm of image sequences based on relative fuzzy connectedness

1.INTRODUCTION Imagesegmentationistoseparatetheobjectofinter estfrombackground.Itistheimportantfoundation ofhigher levelimageanalysis,anditremainsanopen problem.Sofar,variousalgorithmshavebeenpro posed.However,mostofthealgorithmscanonly dealwithspecifickindsofimages.Theseavailableal gorithmscanbeclassifiedintothreegroupsaccording tothesegmentationstyle,automaticsegmentation,manualsegmentation,andinteractivesegmenta tion[1～5].Theautomaticsegmentationmethods,suchas algorithmsbasedonthegra…