一种改进的小波隐性马尔可夫树模型纹理分割及在车牌定位中的应用

小波隐性马尔可夫树模型(WHMTM)能对纹理特征进行多尺度的精确描述。在WHMTM纹理分割的基础上提出了一种改进的方法,并已将它应用到车牌定位中。在WHMTM中,通过引入用于描述尺度间邻域相关性的指数加权系数和相同尺度内邻域纹理分类的标识变量,使多尺度粗分割结果的融合更加精确。实验结果表明,该方法对多尺度的纹理分割及车牌定位有更好的效果。     

基于彩色像素统计与新型模板匹配的车牌识别系统

提出一种新型的车牌定位方法与字符识别方法。在整个车辆图片中,车牌区域具有对比度高,形状规整等特点,运用彩色像素统计法直接对车辆图像进行车牌定位,对提取的车牌进行滤波和锐化,抑制噪声对车牌区域的干扰,最后对类间距离差别较大的字符类型制作多个模板,来达到模板的更有效匹配。结果表明,与传统方法相比,该方法对车牌定位、字符的提取和识别具有精确度高、运算时间少且鲁棒性好的优势。     

实时车牌定位模块IP Core的研究与设计

车牌定位是车牌识别系统需要解决的首要问题。基于FPGA的硬件特点,提出了一种简单、有效的车牌定位算法。在车牌区域图像的预处理阶段,提出了一种新的基于色彩分量的灰度化方法,该方法不仅可以消除小型民用车车牌图片的背景和车身信息,还可以较好的保留车牌区域信息,从而降低定位难度,简化定位步骤,提高小型民用车车牌定位的效率。并设计了一种实时车牌定位模块的软核IP,该IP Core通过了代码覆盖率和功能覆盖率的测试。实际工程项目测试表明,该IP Core定位准确、反应速度快。     

机械式冲床停上死点位置的控制策略设计与实现

车牌定位是车牌自动识别的第一步,而如何考虑当照影响是车牌定位是否成功的关键。本文提出了一种考虑不同光照条件的车牌定位方法,首先,针对不同光照条件下采集到的车牌图像明暗度的不同,利用多阈值处理方法得到车牌信息不丢失的、最佳的二值图像,然后,在其二值图像中首先利用灰度跳变定位车牌的上下边界,接着对字符垂直投影后的宽度进行统一的调整并以固定的字符间隔特征定位车牌的左右边界,从而完成车牌定位。最后,通过实验验证了该方法的有效性。     

车辆牌照识别系统的设计

利用数字图像处理技术以及神经网络技术对车牌识别系统进行研究。首先从采集的牌照图片中进行车牌定位,车牌字符分割,字符特征提取,最后送入BP神经网络进行识别。     

基于灰度跳变与字符间隔模式的车牌定位方法研究

车牌定位是车牌自动识别的第一步,而如何考虑光照影响是车牌定位是否成功的关键;通过深入分析不同的车牌图像,提出一种基于灰度跳变与字符间隔模式的车牌定位方法;首先,针对不同光照条件下采集到的车牌图像明暗度的不同,利用多阈值处理方法得到车牌信息不丢失的、最佳的二值图像,然后,在其二值图像中首先利用灰度跳变定位车牌的上下边界,接着对字符垂直投影后的宽度进行统一的调整并以固定的字符间隔特征定位车牌的左右边界,从而完成车牌定位;最后,通过实验验证了该方法的有效性。     

基于BP神经网络的复杂彩色图像文本定位*

针对复杂彩色图像中文本的特征,提出了基于小波变换和BP神经网络甄别文本区域的算法.该算法首先利用文本块的边缘特征遴选出备选图像块,而后采用小波变换提取备选图像块的纹理特征,把这些纹理特征参量连同图像块的颜色特征和笔画特征参量输入训练好的BP神经网络,判断备选图像块是否包含文本.该方法运算简单,定位时间短.采用专用的文本定位比赛用图进行实验的结果表明,定位准确率可达到92％,召回率为87.4%.     

基于BP神经网络的复杂彩色图像文本定位

针对复杂彩色图像中文本的特征,提出了基于小波变换和BP神经网络甄别文本区域的算法.该算法首先利用文本块的边缘特征遴选出备选图像块,而后采用小波变换提取备选图像块的纹理特征,把这些纹理特征参量连同图像块的颜色特征和笔画特征参量输入训练好的BP神经网络,判断备选图像块是否包含文本.该方法运算简单,定位时间短.采用专用的文本定位比赛用图进行实验的结果表明,定位准确率可达到92%,召回率为87.4%.     

基于纹理特征和形态学特征融合的高光谱影像分类法

针对传统融合空间和光谱特征方法仅使用单一空间特征,并未充分利用其双高分辨率的特点,提出了一种基于纹理特征和形态学特征融合的高光谱影像分类方法.首先利用传统主成份分析变换降低高光谱影像的维数,消除空间相关性,然后对每一主成分采用灰度共生矩阵提取纹理特征,获得扩展纹理特征,最后结合形态学特征和部分光谱特征进行高光谱影像的分类.实验证明,本文提出的方法能更好地克服传统光谱特征分类的局限性,提高高光谱影像的分类准确度.     

基于OpenCV的车牌图像定位

现有的车牌定位方法几乎都需要先对白天夜晚的场景进行分类,在图像中存在其他灰度剧烈变化区域时,这种场景分类容易影响到车牌定位的准确率;为了对获取到的车辆图像进行准确地定位,提出了一种改进的灰度跳变车牌定位算法,首先加入了光照补偿,使得不需要对白天和晚上的场景进行分类;然后进行了长竖线的噪声去除,可以在背景比较复杂的情况下准确定位车牌;并对精确定位出的车牌进行边框的去除,有利于下一步的字符分割;另外,对OpenCV计算机视觉库的库函数的利用,算法的复杂度得到了简化,从而更好地满足了车牌识别系统的实时性;通过对出入口处采集到的分辨率为704×576的300张图片进行测试,定位率高于95%,对白天和夜晚获取的图像有很好的适应性,满足设计要求。