汽车牌照定位检测技术研究

针对汽车牌照定位检测传统方法的缺欠和不足,采用了小波变换模极大值对图像边缘进行检测,进而利用灰度投影图和图像纹理特征相结合的方法,实现了汽车牌照的实时定位.计算和模拟表明,该方法定位准确、鲁棒性能好、自适应能力较强.     

基于小波分析的汽车牌照分割

复杂背景下汽车牌照定位是车牌识别的难点之一,文章通过图像的减运算获得车辆主体信息,经过区域划分,再由小波分析在某个尺度的高频信息重构获得车牌轮廓信息,最后经过水平投影确定牌照准确位置。另外,利用多幅图像提供的相关信息,在区域划分中利用牌照位置的先验知识,加快了计算速度,取得了良好的效果。     

基于Top-Hat预处理和小波能量分析的车牌定位算法

针对车牌定位不准的问题,提出一种新的数学形态学变换结合小波分析的车牌快速定位方法。该方法对Top-Hat变换图像二值化,然后分别在水平与垂直方向投影,在对投影信号进行一维小波分析的基础上,利用小波多分辨率特性结合车牌位置信息来缩小搜索范围,从而提高了定位精度和实时性。对多幅图像利用该算法进行车牌定位,平均定位时间0.125 s,与其他几种常见算法进行仿真试验比较表明,该算法具有较好的实时性和鲁棒性。     

基于小波变换的人脸特征定位

文章在小波分析的基础上,提出了一种在图像的小波分解数据域中实现对称变换的方法,并把这种方法运用于人脸特征的定位,这种方法可以提高人脸特征定位的效率。     

一种基于离散余弦变换的汽车牌照定位方法

提出了一种新的基于离散余弦变换的汽车牌照定位方法,该方法首先对图像进行快速离散余弦变换并利用面积标记法去掉一些小区域,再结合水平投影和差分运算从图中切割出牌照所在的水平条,最后结合垂直投影直方图及牌照的几何特征得到牌照的准确位置．实验结果表明该方法是有效的。     

基于小波变换的人脸特征定位

提出一种基于离散小波变换(DWT)的人脸检测与特征定位算法，算法针对人脸的不同特征，选择小波变换相应最有效的频段和分量．运用椭圆检测算法、模板匹配算法、Hough变换等方法，并结合人脸各特征间的几何特征关系，采用由粗到细的方法分步地检测人脸范围，分割定位人脸的眼睛、虹膜、嘴、鼻尖等特征．该算法对人脸姿态、表情变化和遮盖物具有一定的鲁棒性，同时具有计算量小、效率高的特点．     

基于小波变换与形态学的机场跑道异物检测算法

机场跑道异物(foreign object debris,FOD)检测的精准性和效率直接决定了民航运输业的安全。为了提高机场跑道异物的定位精度,研究中提出基于小波变换与数学形态学相结合的机场跑道异物边缘检测质心定位算法。此算法先对采集到的机场跑道图像进行小波分解,高频部分利用小波变换的尺度边缘检测,并进行小波阈值去噪;低频部分利用数学形态学算子进行形态学边缘检测,然后对得到的高频和低频图像进行融合,并对异物边缘轮廓进行增强,最后利用质心定位法求解异物像素坐标。实验结果表明:小波变换与数学形态学相结合检测出的图像边缘具有较好的互补性,结合了小波变换在边缘精确定位和对噪声的抑制方面较好的性能,数学形态学在检测弱边缘和保留图像细节的优点,通过此算法提取的跑道异物边缘信息细腻且定位准确,能有效识别与机场跑道背景相似的异物并准确定位。     

基于二维小波变换及邻域均值滤波的虹膜定位算法

为了提高虹膜定位的准确率和速度,提出了一种基于二维小波变换及邻域均值滤波的虹膜定位算法.采用阈值法分割瞳孔,使用边缘检测算子检测瞳孔区域边缘,定位虹膜内边缘;然后对人眼图像进行二维小波处理降低虹膜图像的分辨率,以减少虹膜本身的纹理对判断外边缘点时所产生的影响;最后采用邻域均值滤波进行虹膜外边缘点提取,根据所得虹膜外边缘点确定虹膜外边界.仿真结果表明:该算法定位虹膜内外边界的平均时间为1.75s,准确率为99.7%,其中虹膜外边缘定位误差小于4.2%,在虹膜识别系统中有较高的实际应用价值.     

一种基于边缘特征的汽车牌照定位算法

车牌定位技术是汽车牌照识别系统中的一项关键技术 .基于视频检测模块所捕获的车辆图像的成像特点 ,采用反锯齿的方法对其进行优化 ,并根据车牌的边缘特征 ,提出了一种基于边缘图像频率变化特征的二次车牌定位算法 ,用于车牌的定位和提取 .实验表明 ,该定位算法快速、准确 ,具有较强的鲁棒性 .     

基于小波变换的人脸特征定位

提出一种基于离散小波变换 (DWT)的人脸检测与特征定位算法 ,算法针对人脸的不同特征 ,选择小波变换相应最有效的频段和分量 .运用椭圆检测算法、模板匹配算法、Hough变换等方法 ,并结合人脸各特征间的几何特征关系 ,采用由粗到细的方法分步地检测人脸范围 ,分割定位人脸的眼睛、虹膜、嘴、鼻尖等特征 .该算法对人脸姿态、表情变化和遮盖物具有一定的鲁棒性 ,同时具有计算量小、效率高的特点 .     

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Top-hat变换的车牌快速搜索与定位

汽车牌照识别是智能交通信息管理系统的核心,从复杂的图像中分割出车牌又是牌照识别的关键。由于图像拍摄过程中存在着随机性,给牌照提取增加了很大的难度。文章在研究国内外牌照分割技术的基础上,提出了基于Top-hat变换的牌照分割方法。实验证明该方法能够很好地实现牌照顶角的快速搜索和定位,将牌照从复杂的背景图像中分割出来。     

基于小波变换的快速二维门限化方法复杂度研究

将小波分析这一新兴的数学工具与传统的基于灰度直方图门限选择方法结合起来,提出了一种快速的二维门限化方法,并对其复杂度进行了入地研究,该方法首先对二维直方图进行小波分解,得其低频分量,然后在此低频分量上确定出门磁量的范围,最后在此范围内确定出精确的门限矢量,理论分析及实验结果均表明,该方法可以极大地降低二维门限化的时间复杂度。     

基于小波变换的感兴趣区域图像压缩算法

在小波变换的基础上,提出了一种基于小波变换的感兴趣区域图像压缩算法,即先将小波系数划分为两部分：ROI系数和BG系数,然后将ROI系数进行编解码以得到较高图像质量的ROI区域图像,再将BG系数编解码得到BG区域图像,结果表明：两部分图像合成得到整幅图像,较好地解决了图像质量与压缩比之间的矛盾。     

基于小波变换的双端输电线路行波故障定位

为了消除行波波速不确定性和线路弧垂对双端输电线路行波故障定位造成的误差影响,提出了一种在输电线路中间某一位置增加一个检测点的三测点定位方法;该方法首先对电流行波信号进行相模变换,得到相互独立的线模分量,其次对得到的线模分量进行小波分析,检测出行波波头到各测量点时间,最后代入相应的公式计算出故障距离; MATLAB仿真实验结果表明:该方法不受过渡电阻、行波波速、故障类型等因素的影响,测距误差较小,原理简单,具有较高的准确性和良好的适用性。     

基于小波变换和数学形态学的图像分割算法

传统的分水岭变换由于对噪声和细密纹理的敏感会产生严重的过分割现象,为了克服这种缺点,提出了一种基于小波变换和数学形态学的图像分割算法.该方法首先利用小波变换去除红外图像的混合噪声,利用形态学开闭重建运算消除梯度图像中由于灰度非规则扰动和噪声引起的局部极值;最后通过采用基于前景和背景标记的分水岭分割算法进行分割.仿真实验表明,该算法可以实现更好的分割效果,不需要再进行后续的合并处理就能够得到较为理想的结果.     

基于数学形态学的车牌定位算法

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,为了能对汽车牌照精确定位,提出了一种基于数学形态学的车牌定位方法。首先利用中值滤波方法对汽车图像进行消噪处理,然后用迭代阈值选择法将图像进行二值化,并运用数学形态学的膨胀、腐蚀对二值图像进行处理,得到几个车牌候选区,然后利用面积、长宽比以及垂直投影特征值等进行综合分析,准确定位车牌区域。实验结果表明,该方法简单易行、准确率高、并且具有一定实效性,可用于对实际车牌图像的准确定位。     

一种快速精确的汽车牌照字符切分算法

针对汽车牌照具有字符间距、字符数、字体等统一的纹理特征，提出了一种快速精确的牌照字符切分方法，设计了一系列的特征函数和判决函数突出其纹理特点从而进行车牌字符的切分。对在不同气候条件和不同地点采集到的1000幅图片进行了实验，实验结果表明，该算法具有快速和鲁棒性的特征，字符切分准确度达到98.1%。     

基于多小波变换的图像编码算法研究

 多小波是小波理论的新分支,将传统的单小波拓展到矢量空间。多小波既包括了传统小波的全部优点,同时又克服了单小波的缺陷,将实际应用中十分重要的正交性、对称性、紧支性、光滑性完美地结合在一起,因此多小波在图像处理方面的应用也显示出巨大的潜力。该文在研究了JPEG2000的核心编码技术——EBCOT算法和多小波变换原理的基础上,提出了结合EBCOT算法的多小波图像编码。算法将各种常用的多小波基,结合EBCOT算法,对灰度图像进行压缩编码。实验结果证明基于EBCOT算法的多小波图像编码方法能够对图像进行很好的压缩。     

基于小波变换的静止图像编码探讨

离散小波变换（DWT）虽被广泛应用在图像压缩领域,但它无法实现真正意义上的无损图像编码,为解决此问题,提出基于提升框架的整数小波变换（IWT）,在IWT中应用最广的是内插双正交整数小波变换（IB—IWT）,IB—IWT能够实现压缩后图像的有损至无损渐进重构,以及具有无损感兴趣区域（ROI）的有损图像重建,而且具有很低的计算复杂度与很少的存储空间。