基于数字图像处理的车牌定位与识别研究(英文)

研究了车牌图像的特征,车牌定位算法基于车牌图像颜色特征,选取适合的颜色模型进行车牌提取,将彩色车牌图像转化为灰度图像.采用基于矩的阈值选取方法进行图像二值化处理,Hough变换的方法对图像进行倾斜校正,最后对已预处理增强的图像进行Sobel垂直算子边缘检测,用阈值分割出前景,搜索出符合车牌字符特征的候选区域,对候选区域进一步分析得到牌照位置.提出并采用基于PCA-BP神经网络的字符识别算法对车牌进行识别,300ms内车牌字符识别率达97.5%,实验证明,在训练样本较少的情况下,该系统的识别率依然较高.     

基于特征颜色的车牌边缘检测方法

介绍了基于汽车车牌图像边缘检测的定位算法和基于车牌特征颜色的分析方法.本文有两部分组成，其一是基于色彩空间相似度的颜色判别方法，另一部分是在此基础上的边缘检测.本文方法充分利用了车牌的色彩特征，大量的实验结果也表明了该方法思路简单、实用.     

基于特征点群相似度计算模型的图像表示方法

针对空间金字塔匹配模型缺乏对图像中视觉物体旋转、平移和缩放的考虑问题,提出了一种基于特征点群相似度计算模型的图像表示方法.基于词汇树模型的粗匹配结果,通过特征点群拓扑、方向、距离等计算其相似度,并以此作为评价指标对匹配结果进行过滤;根据由特征点群计算所得的标准差椭圆的圆心、旋转角度对金字塔匹配的图像划分子区域并进行调整,从而得到图像抗旋转、平移和缩放的表示.分别在自建校园建筑物数据集和自建物体图像数据集上对方法进行了验证和比较,结果表明,该方法提高了分类识别的准确率和检索的查全率,特别是对于包含明显旋转、平移和缩放变化的图像数据效果更好.     

基于分数傅里叶变换和小波分解的彩色图像分级加密

提出一种基于分数傅里叶变换和小波分解的彩色图像分级加密方案。通过对图像矩阵和颜色索引表分别进行加密来实现彩色图像的分级加密。先对颜色索引表进行Logistic置乱,得到一级加密图像;再对图像矩阵进行单层小波分解提取出低频分量,对其进行分数傅立叶变换域的双随机相位编码,得到二级加密图像,将置乱的颜色索引表和加密之后的图像矩阵合成生成加密图像。该方案具有较高的安全性和效率,仿真结果验证了算法的安全性和有效性。     

基于混合高斯模型的运动目标检测

针对运动目标检测中的背景复杂度高、视频数据计算量大等问题, 且为避免计算不同复杂程度的视频背景, 并能够准确地获取所需要的运动目标, 提出了一种基于混合高斯模型的运动目标检测方法. 首先采用混合高斯模型获取运动目标特征; 然后利用中值滤波方法去除视频目标运动特征中的背景噪声; 最后依据形态学运算方法对通过统计直方图得到的运动显著图进行处理, 从而获取最终的运动目标. 对标准视频序列集的检测表明, 利用该算法获取的运动目标不仅能抑制背景噪声, 而且精准度和误差都优于普通的视频运动目标检测算法.     

基于SECA的加工番茄综合评价方法研究

针对加工番茄不同品种间的品质特性差异,本文提出基于Simultaneous Evaluation of Criteria and Alternatives(SECA)方法的加工番茄种质资源综合评价方法.基于该方法对50种加工番茄6个品质特性的内部及之间的差异进行分析,得出6种品质特性霉菌比、青果比、颜色值、加工局限性、固形物含量比和pH值的各项权值,同时对所有品种进行综合评价.依据结果将加工番茄品种划分为特级、一级和二级,可选取特级中综合评价最高的5个品种作为新品种引入,为培育更适合本地种植的加工番茄品种提供决策支持和参考依据.该方法避免了传统方法中权重确定的主观性,对加工番茄的多个品质特性进行全面客观的评价,无需人为设定理想品质参数,适用性更高,排序结果直观且可信度高.     

基于联系数的图像检索方法

将集对论中表示确定性与不确定性的量即联系数引入图像检索中,把图像象素分为三类:主色集(同类)、边界颜色集(异类)、噪声颜色集(反类).继而提出图像的联系数模型,在此模型基础上利用图像的全局形状和局部颜色统计量构成图像联系数向量.采用图像联系数向量作为图像索引,在形状自适应逼近表示方法的基础上,提出了利用特征向量进行图像检索的检索算法.实验结果表明,该算法具有良好的平移、尺度、旋转不变性,证明联系数是一个有效的图像特征.     

一种基于轮廓的图像检索算法研究

针对图像检索存在性能的不稳定性、相对平移、旋转和尺度变换的鲁棒性不好等问题,提出了一种新的基于形状的图像检索算法.此算法通过提取轮廓的7个矩不变量和轮廓力矩来描述图像特征,用图像特征向量的归一化欧氏距离表示图像的相似度,并用星星形状的图像作为示例图像进行验证,实验证明该算法具有一定的优越性.     

局部形状特征概率混合的半自动三维点云分类

三维激光扫描获取的点云数据可用于数字城市建设、三维模型获取、场景分析与物体测量等领域.但因遮挡和噪声的影响,加之扫描场景复杂,采样精度受限,使得不能直接运用经典的曲面和三维空间理论对点云数据进行有效分析和处理.分类是点云数据预处理的重要方式之一.提取近邻四面体体积、近邻法向量差异度、主方向差异度和主曲率值4个局部形状特征,采用概率混合策略构建了一种点云数据的半自动分类方法,可实现平面点集、柱面点集和其他点集的有效区分.其中,概率混合策略是依据近邻点平均距离和单指标类别一致程度估计每个特征推断形状的概率,通过混合加权,依据概率赋权函数最大值准则进行局部形状推断.可实现用户交互,以便处理不同扫描尺度和精度的点云数据.采用本文方法对模拟生成的点云、单棵树木点云、街道场景点云、旷野自然场景扫描点云以及航空机载扫描点云等多组数据进行了实验,结果表明,基于局部形状特征的概率混合方法对各种点云数据均具有良好的分类效果.     

用图像筛选法求取带有随机参数之颗粒堆的质量分级曲线

对带有随机参数的颗粒堆按其质量，规格尺寸和形状进行分级而获得其分布曲线在颗粒加工工业上是一道常见的工序，通常采用的是物理筛选的方法．这种传统方法的主要缺点是耗时长、人工投入较多，不能实现过程控制中的实时反馈．采用机器视觉技术，基于图像处理法对相关颗粒图形进行分析处理，从而快速获取其规格尺寸，形状和体积等相关参数值，可以大大提高工作效率．对已经用图像处理算法获得其有关几何参数的颗粒堆，通过求得它们扁平度的分布曲线。再用概率统计的方法来确定其图像筛选结果，从而建立起与其物理筛选相关性．基于这种相关性，对其他具有相同或相似随机参数颗粒堆首先进行随机采样，然后分别进行图像筛选和物理筛选．作者在论文中阐述了图像筛选和物理筛选方法，并比较了这z种筛选方法所得的结果，证实了图像筛选代替物理筛选的可行性和有效性．     

增强曲率尺度空间的形状检索新机制

针对多媒体图像形状检索,提出增强型曲率尺度空间(ECSS)描述子,构建了基于该描述子的形状检索模块IRS.通过直接计算曲率,减少卷积计算次数进行特征抽取,从而显著减少了运算量;设计实现了镜像变换等匹配策略,使IRS检索的结果更符合相似性要求.     

基于图像特征检测和匹配的无人船航行姿态角提取方法

计算机视觉的飞速发展, 使得采用视觉技术辅助无人船航行成为可能. 在无人船巡航过程中, 获取船体航向是航行控制的必备基础. 特征匹配是无人船相关视觉技术中的重要部分, 是目标识别和定位等功能的关键步骤. 获取无人船运动姿态的基本步骤是对图像前后帧进行有效的特征提取和匹配. 针对水域环境中的图像静态特征提取速度慢、精度低的问题, 本文提出一种图像匹配方法以求取无人船的航行姿态角. 首先对图像预处理, 并对有效区域进行特征提取. 其次, 设计一种基于描述子相似度的初始特征匹配策略. 再其次, 筛选特征匹配对, 优化模型参数. 最后, 通过前后帧旋转矩阵计算航行姿态角. 实验表明, 该方法能有效提取无人船的航行姿态角.     

基于LBP和共生矩阵的图像拼接篡改检测

为了进一步提高图像拼接篡改检测的准确率,本文通过对图像拼接技术进行分析,提出一种基于纹理描述的图像拼接篡改检测方法.该方法将局部二值模式(LBP)和共生矩阵两种现有技术相结合,在残差图像的基础上利用改进的LBP技术对图像纹理进行描述,然后借助两类共生矩阵获取不同的图像特征,通过对这些特征向量的组合来提高检测精度.提取特征后利用支持向量机(SVM)或集成分类器进行分类预测.实验结果表明,所提出的方法在IEEE IFS-TC图像取证竞赛库和中国科学院彩色图像库分别达到了0.911和0.938的最高检测准确率.     

一种用于在线检测的嵌入式图像检测系统

介绍了一种基于嵌入式技术的用于产品在线检测的图像检测系统.该系统通过CMOS图像传感器采集产品的图像信息,并将其转化成数字信号传输到存储器中,再由ARM处理器进行图像处理和分析,判断产品是否合格,然后自动剔除不合格的产品.同时,系统通过对图像RGB 3个分量图的分析,挑选合适的分量图进行二值化处理,定位出中心圆孔,屏蔽掉无需处理的区域,保留感兴趣的区域,最终实现了对产品的实时在线检测.     

融合SLIC的DCUT改进图像分割算法

谱聚类DCUT算法能在任意形状的样本空间上聚类且收敛于全局最优解,但其缺点是计算相似度矩阵和特征向量的复杂度较高.为了提高了DCUT的算法速度,提出了基于SLIC的DCUT算法(SDCUT).SDCUT算法首先采用SLIC算法分割图像成超像素,再根据任意两个超像素的归一化直方图计算Pearson系数作为超像素之间的相似度,从而建立基于超像素的相似度矩阵,最后采用DCUT算法对超像素进行分类获得最终分割结果.在一系列图像上的实验结果表明,与几种经典谱聚类算法相比,本文方法的分割速度更快,且具有较好的分割效果.     

面向自然场景图像的三阶段文字识别框架

文字识别技术在文档管理、图像理解、视觉导航等中具有重要应用。然而,自然场景中的文字通常排列任意、形状不一、字体多样,难以被检测和识别。提出了面向自然场景图像的三阶段文字识别框架,该框架包括文字检测、文字矫正和文字识别。首先,利用特征金字塔网络分割图像中的字符,基于双向长短期记忆网络获取字符间的亲和度,连接孤立字符构建单词行,文字检测率（F分数）高达91.97%。然后,通过多目标矫正网络矫正被检测文字,以应对场景图像文字的复杂形变,增强阅读性。最后,通过注意力序列识别网络按序输出预测结果,实现单词级识别,文字识别正确率达84.98%。     

基于二维图像形态处理法的接触物体分离算法

在许多图像分析处理中,区分和计算被摄对象的形状与尺寸大小是重要的一步、解决形状识别等问题对于图像中那些互不接触的被摄对象(本文中简称物体)而言是相对简单的．如果物体相互接触甚至部分重叠,问题就变得复杂起来．在这种情况下,2个或2个以上接触的物体相对机器视觉来说只是一个尺寸更大,形状更复杂的物体,由此得出的结果无疑是错误的．本文作者提出了一种利用图像形态处理法来分离相互接触或轻度重叠物体的算法．该算法首先对二值图像中的物体图形部分进行“三维地貌化”的立体化处理,再设计一个搜寻模板在所得的地貌表面上通过搜寻特征面来寻找分离点(鞍点)．分离点位置确定后,搜索最佳切割方向继而进行图形的切割分离．该算法在一含有相互接触物体堆的真实图像上进行验证,其结果显示了算法是有效而令人满意的．     

基于置信特征与结构相似度约束的图像修复算法

当前图像修复算法主要通过对像素值的差异进行度量来完成图像修复,当待修复图像中破损区域较大时,该方法修复的图像中会出现较为明显的块效应以及纹理不连续效应,导致算法的修复效果不佳.对此,本文提出了基于置信特征耦合结构相似度约束的图像修复算法.引入优先权函数,对破损区域中待修复像素的优先权值进行计算,以确定待修复像素.利用待修复像素的梯度模值来构造梯度变化约束机制,对修复块的模板大小进行调整,以提高图像的修复质量.通过像素点的置信度构造置信特征因子,并利用置信特征因子建立了搜索空间适配法则,明确了最优匹配块的搜索范围.引入结构相似度模型,对修复块与匹配块之间的结构相似度进行约束,以选取最优匹配块,利用最优匹配块对修复块进行扩散填充,从而完成图像的修复.仿真实验表明:与当前图像修复技术相比,本文方法具有更好的图像复原质量,有效降低了块效应以及不连续效应.     

基于计算机视觉和GA-SVM的梭子蟹体重预测

以梭子蟹为研究对象,利用计算机视觉技术对其进行测量.通过CCD相机获取不同生长情况下的梭子蟹图像,采用图像处理技术对图像进行分割处理,计算获得的投影面积、全甲宽与甲长参数;利用图像获取的尺寸参数对梭子蟹体重进行预测,发现梭子蟹投影面积、全甲宽、甲长与体重具有正相关性;并采用遗传优化(GA)的支持向量机(SVM)建立梭子蟹体重回归预测模型.实测结果表明,梭子蟹体重预测值与实测值平均绝对百分比误差(MAPE)为2.23%,均方根误差(RMSE)为5.80 g,优于BP神经网络和参数未优化的SVM预测.证明基于计算机视觉与遗传优化支持向量机(GA-SVM)的梭子蟹体重预测方法能够达到梭子蟹体重测量要求.     

基于旋转灰度特征与位移约束的图像伪造检测算法

当前图像伪造检测方法主要依靠近邻比值法来实现图像内容的真伪决策,由于近邻比值法的判断条件单一,该类算法的检测精度不佳.因此,本文提出了旋转灰度特征耦合位移约束的图像伪造检测算法.首先,根据图像像素点,构造十字约束法则,对FAST算法予以改进,以提取待检测图像中的特征点;然后,利用像素点的梯度特征形成直方图,通过直方图峰值获取特征点的主方向;再用特征点的灰度值来构造旋转灰度特征模型,用于获取特征向量,生成特征描述子;用特征点的位置以及角度特征,构造了位移约束规则,并且在位移约束规则下,通过归一化互相关函数对特征点的相似性进行度量,完成特征点匹配.最后,引入均值漂移模型,对图像中的伪造内容完成区域定位,实现图像的伪造检测.实验结果表明:与当前图像伪造检测算法相比,本文算法不仅具有更高的检测精度以及检测效率,而且还具有更好地鲁棒性能.