基于ICA的车牌牌照字符识别系统

介绍了基于ICA(独立分量分析法)的牌照识别系统的字符识别.为了提高字符特征提取的质量,首先通过车牌图像的预处理,然后采用了基于高阶统计信息的特征提取方法,即ICA对车牌灰度图像的字符进行识别.该系统避免了二值化对字符特征的影响,识别方法简单,结果理想.     

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.     

基于字符纹理的车牌定位算法

提出了一种基于小波变换和均值聚类的实时车牌定位算法,根据车牌字符的纹理特征,在小波变换域中结合均值聚类自适应动态阈值取得字符信息,然后通过连通区域分析,结合车牌的宏观特征对车牌进行定位,试验证明,该算法准确率高,抗干扰性强。     

一种自适应四叉树分块的图像拼接算法

图像拼接技术是计算机图形学的研究热点,具有代表性的As-Projective-As-Possible(APAP)算法采用均匀分块法来实现图像拼接的局部映射,没有充分考虑图像不同区域之间的差异性.为了兼顾图像拼接的精度和效率,提出了一种基于特征点分布的图像映射算法,利用四叉树对图像分块来实现图像拼接的局部映射.首先,设定四叉树的最大深度,并根据图像匹配点的总数估计出每个图像块的匹配点阈值;然后,利用最大深度和匹配点阈值对图像做自适应四叉树分块;最后,对不同的图像块使用移动线性变换估计出单应性矩阵,依据估计的结果完成图像拼接.实验结果表明,提出的算法提高了图像拼接的精度,其速度远大于APAP算法,并且提升了拼接图像的质量.     

改进的区域生长算法在寺观壁画脱落病害标定中的应用

针对开化寺宋代寺观壁画存在的脱落病害侵蚀问题,提出一种融合阈值分割的改进的区域生长算法,自动标定壁画的脱落病害.首先分析脱落区域的颜色特征,通过阈值分割标注疑似脱落点并以这些点为种子点进行区域生长,扩展脱落区域,计算颜色掩码;然后在YcbCr、HSV颜色空间分析脱落区域的亮度、色度、饱和度特征,通过阈值分割得到脱落区域的亮度、色度、饱和度掩码,并将各个特征掩码进行融合;最后将融合得到的脱落区域掩码与原图进行加运算,实现脱落病害的标定.与现有壁画病害标定算法进行对比,结果表明本文提出的标定算法的标定效果更好,为古代壁画的虚拟和实际修复奠定了良好的基础.     

3D人脸线框模型的自动调整

3D人脸线框模型是自然人脸表述的重要方法.如何将通用的模型调整到特定的人脸上涉及脸部特点的自动提取和模型的调整两个主要过程.对通过皮肤颜色分割和形态滤波得到复杂背景的视频场景中的候选人脸,用区域惯量椭圆方向进行调整并用先验人脸模板校验以找出人脸和脸部特征区域.根据人脸特征区域所具有的颜色特性和空间分布采用基于特征的人脸识别算法提取部分重要的脸部特征点,由曲线和活动轮廓模型拟合脸部特征边缘,从中提取特征点,用来估计头部姿势和作为插值结点的使用径向基函数插值,可将3D人脸线框模型自动调整到特定的人脸上.     

基于实景图像的道路限速标志识别算法研究

基于道路图像的交通标志识别系统中,关键步骤之一是对图像中的交通标志能够快速有效的识别.文中以具有字符信息的限速标志为例,通过对提取的区域图像进行预处理、旋转校正、字符分割和字符识别,实现了对交通标志中字符信息的自动识别.实验验证:该算法能有效地识别交通标志中的字符信息.     

一种改进Haar-like特征的车辆识别算法

传统的Haar-like特征算法在特征提取过程中仅对图像全局进行特征提取,忽略了目标敏感区域,易受非目标区域的干扰,导致识别率降低.本文对传统的Haar-like特征提取算法进行了改进,将图像分成三个区域,运用的矩形框模板分别从这三个区域中提取像素值,将其中两个区域的像素值减去两倍的另外一个区域的像素值作为特征值.采用高斯随机测量矩阵对高维度的特征值进行压缩,运用Adaboost分类器训练方法,利用构造好的分类器对压缩后形成的特征空间进行分类识别.实验结果表明,本文的方法不仅减少了分类器所需的训练时间,而且识别性能也优于Haar-like特征、颜色纹理融合等传统算法.     

基于改进的Heaviside核函数新的目标模型追踪算法

为更好地解决前景和背景相似程度较大或目标运动较为复杂的问题,提出了基于改进的Heaviside核函数新的目标模型追踪算法.在初始帧中,使用改进的Heaviside核函数来表示目标区域,然后分别计算目标区域前景和背景元素的颜色纹理直方图特征分布,并通过前景和背景特征分布差异建立新的目标模型,它可更好地代表目标.对于候选模型,结合传统Epanechnikov核对目标模型建模,通过Bhattacharyya系数进行迭代搜索,最终收敛的位置即为下一帧的目标中心.实验结果表明:提出的算法和传统的Mean-shift算法和基于颜色纹理直方图的Mean-shift算法相比较精确度高、速度快、鲁棒性强.     

基于二次加噪相关性的拼接图像盲取证

每幅数字图像的背景噪声可看作具有"弹道"特性,多幅图像内容拼接后不同区域噪声会存在差异.利用这一特点,本文提出了一种基于二次加噪相关性的拼接图像盲检测方法.首先对拼接图像进行二次加噪,其次估计二次加噪前后对应子块的相关系数,然后依据所选阈值的大小对相关系数进行分类,最后根据不同分类定位出拼接区域.本文算法不需要预先知道噪声数据库和原始图像的信息,具有较强的实用性.实验结果表明,本文算法能有效鉴别具有不同背景噪声的拼接图像.与文献算法相比,本文算法不仅提高了检测正确率,而且降低了计算复杂度.