基于adaboost算法的车牌检测

车牌识别技术（LPR）是智能交通（ITS）领域的重要研究课题之一。车牌的自动识别分为车牌检测、字符分割、字符识别三个主要部分。车牌检测是LPR中的关键技术。车牌图像由于受到噪声、车牌倾斜、光照不均、运动模糊等的影响，检测存在着很大的困难。因此，在总结前人检测算法的优点和缺点的基础上，提出了基于adaboost算法的检测算法，其优点是检测率高，检测时间少，适应性特别强。     

搅拌摩擦连接区域表面弧纹图像处理与间距特征提取

弧纹是搅拌摩擦连接区域表面的重要的特征形貌之一,而间距是弧纹的主要几何参数.本文使用图像识别的方法对弧纹间距进行检测,提出了针对弧纹特点的图像获取方法,并通过对此方法下获得的原始图像进行灰度化、二值化、二值图像后续优化等处理方法得到可识别的二值图像.对于所得到的二值图像进行特征区域截取,在此特征区域内进行弧纹间距参数的检测并最终得到所要检测的弧纹间距参数.本文所使用的方法具有较高的识别成功率且算法可靠,可计算性能好.     

基于笔画的汽车车牌自动识别系统的开发

车牌自动识别系统能从一幅图像中自动提取车牌图像,并对字符进行分割,从而达到对字符有效识别。该技术可以从采集汽车图像中确定车牌的准确位置,能及时准确地自动识别出车牌上的数字、字母和汉字字符,并且可以通过计算机进行数据后期处理并直接输出识别结果,为实现现代交通的智能化管理提供帮助。     

基于像素点对误差累加的最佳阈值选取与一种边界检测新算法

本文研究存在背景噪声和干扰的情况下图像的有效分割及边界检测的问题。提出了新的图像分割准则函数和梯度二值化算法。算法兼顾了分割效果和处理的实时性，通过编程在实际图像中的应用，证明了算法的有效性和优越性。     

红外成像制导中目标图像序列的仿真生成

在红外成像制导技术的算法研究中，目标红外图像序列是进行仿真验算的基础，通常真实的图像序列较难获得，本文通过建立空间目标的透《视投影模型来模拟红外成的过程，并由计算机作图得到目标的二值图像，为目标识别、跟踪算法及制导率的仿真验算打下了基础。     

基于重构算法的一种微弱目标检测后处理方法

 重点研究了形态学重构算法在微弱目标检测和跟踪中的应用，主要体现在对原始图像的背景估计过程和检测后处理过程。对于经过背景估计和二值化后的图像，若直接进行跟踪算法，由于虚警点数目太多，会严重影响跟踪算法的效率，同时也给跟踪结果造成了负面效应。因此，考虑在二值化之后，跟踪之前，引进后处理过程，以消除虚警点。在已知目标大致尺寸的情况下，选用不同的两个标记重构，同时消除小于目标的虚警点和大于目标的虚假目标。     

雷达数字信息识别系统的理论研究

对雷达数字信息进行识别,识别率高达98.7%.对于摄取的图像通过选取阈值进行二值化,在第一次分割中从背景中提取数字图像信息,第二次分割采用统计投影直方图方法,把单个数字字符图像分割开,将图像大小规范化,提取轮廓,采用方向线素特征提取,通过欧式距离分类器方法进行识别.引入信度函数,对识别结果进行分析,提高了字符识别率.     

非充分光照下的单目合作目标提取算法

合作目标方案在辅助飞行器着陆、物资投递、工程量测中具有重要应用价值.为解决单目视觉定位任务中非充分光照条件下合作目标识别不准确、提取过程易丢失等问题,提出了结合改进自适应局部阈值二值化与形态学约束的轮廓提取方案.以图像明度通道值作为灰度化依据,提出使用自适应局部阈值的方法对像素点进行二值化处理,结合使用形态学约束条件筛...     

基于Wasserstein距离和SBGFRLS方法的活动轮廓模型图像分割算法

提出一种结合Wasserstein距离和SBGFRLS方法的非参数化活动轮廓图像分割算法。该算法采用二值函数作为水平集函数并利用高斯核函数对其正则化,有效避免水平集演化中的重新初始化过程,提高分割速度。算法本身具有选择局部和全局分割的属性。利用Wasserstein距离作为区域相似性测度使图像分割不依赖于图像数据的具体分布模型,扩大了传统水平集算法的应用范围。实验结果表明,该算法能够对图像进行有效准确地分割且具有较快的速度。     

光照处理中改进的Gamma矫正方法

在图像处理中，光照始终是影响图像质量的重要因素。为了有效弱化光照对图像质量的影响，利用非线性函数叠加的方法构造了一个合理的Gamma值变化曲线，使Gamma矫正方法充分适应了图像中光照变化的实际情况，并有效防止了Gamma矫正可能产生的图像失真。实验证明该方法在改善图像光照条件、提高图像质量方面具有良好的性能。     

车牌定位与字符分割方法研究

介绍了一种改进的基于纹理特征的车牌定位方法,采用自适应阈值,实现了车牌的准确定位。设定自适应改变大小的投影切割阈值实现了字符分割。最后采用BP神经网络法来识别各个字符。实验结果表明,该方法能够较为准确的实现车牌识别,具有定位准、鲁棒性好等特点。     

基于Chebyshev正交分解的曲线运动轨迹SAR的Chirp Scaling算法

针对具有三维速度和加速度的曲线运动轨迹合成孔径雷达（SAR），传统的斜距模型无法精确描述其运动特性，曲线历程增加了距离走动现象和方位向时间的高次项，使二维耦合现象更为复杂。本文提出了一种考虑载体平台三维速度和加速度的Chirp Scaling算法以解决曲线运动轨迹SAR成像问题。首先根据运动方程建立斜距表达式，然后对其进行Chebyshev近似，并构造其等效双曲方程形式的斜距模型，推导了具有空变性的距离徙动函数，Chirp Scaling因子以及适用于曲线轨迹的Chirp Scaling成像算法。仿真结果证实了此扩展的等效斜距模型和Chirp Scaling算法在大合成孔径时间下的有效性，并给出了三维加速度的边界值。     

彩色车牌图像的多阈值分割方法

彩色图像的颜色是图像分析的重要特征信息,颜色特征的提取是图像分析的重要步骤,但彩色图像为多维空间信息且可能涉及的是多种颜色特征。文章介绍了采用多阈值分割方法,将多种感兴趣的颜色信息转化为灰度图像,在同一个灰度图像中对应多种彩色信息,对各种不同颜色信息方便处理。通过200幅实测车辆图像使用彩色图像的多阈值分割方法进行车牌定位试验,准确率为98%。     

民用航空器注册号识别的鲁棒性方法研究

为了提高空管自动化水平并降低运行成本,提出一种基于计算机图像处理技术的民用航空器注册号识别方法.首先将全局阈值分割算法与形态学分割算法结合,实现对航空器图像中注册号的精确定位.然后采用主成分分析法解决注册号倾斜校正问题,并分别针对粘连和非粘连情况的注册号字符进行有效切割.最后利用基于特征提取的模板匹配算法,完成对注册号字符的准确识别.在此基础上,基于MATLAB搭建实验测试平台对上述方法进行仿真验证.实验结果表明,方法能够针对不同角度拍摄的航空器图像快速、准确地识别其注册号,单幅图像识别耗时在0.5 s左右.相比于其他方法,在图像拍摄方面要求较低,有效性与鲁棒性较高,计算速度较快,可以满足实时监控的需求.     

基于力场转换理论的图像粗大边缘检测方法

基于粗大边缘的异源图像匹配在导航制导等领域具有广阔的应用前景,但是现有边缘检测方法很难提取出异源图像中的粗大边缘.根据异源图像成像原理和灰度分布特点,提出一种基于力场转换理论的异源图像粗大边缘检测新方法.首先,根据引力概念计算图像中各像素点受到合力的大小和方向;其次,为了去除光照和异源图像灰度不同的影响,对图像中像素点...     

航拍视频帧间快速配准算法

 为应对相机运动的影响,提出了一种快速有效的无人机(UAV)视频相邻帧图像配准算法。通过空间分布约束和角点量限制来筛选有效的FAST特征点,引入自适应阈值提高特征点检测的环境适应性,采用训练得到的不相关采样点集对特征点进行二值描述,以获得准确快速的特征描述,并通过最近邻算法根据汉明距离获得特征匹配对,最后运用RANSAC方法得到帧间仿射变换模型参数,消除相机运动带来的影响,为后续运动目标检测与跟踪提供保障。实验结果表明该算法快速、稳定,具有较高的环境适应性,能够满足无人机系统视频图像配准的要求。     

双基地角时变下的ISAR稀疏孔径自聚焦成像

针对双基地角时变下的逆合成孔径雷达（ISAR）成像分辨率低以及稀疏孔径存在相位误差引起图像散焦等问题,提出了一种基于贝叶斯压缩感知（BCS）的双基地ISAR稀疏孔径自聚焦高分辨成像算法。在平动补偿后回波数据的基础上,首先构造补偿相位将由双基地角时变引起的多普勒偏移补偿掉,然后构造随双基地角变化的稀疏基矩阵,建立基于压缩感知的双基地ISAR稀疏孔径观测模型,并将相位误差作为ISAR成像的模型误差,接着假设目标图像各像元服从Laplace先验、噪声统计特性服从Gaussian分布,利用贝叶斯推理进行"分布式"迭代求解,在高分辨成像的同时实现了相位自聚焦,仿真结果验证了算法的有效性和优越性。     

基于双摄像机的立体视觉图像预处理研究

针对立体图像对的亮度差异问题和图像噪声问题研究图像的强化处理,图像预处理主要完成图像对极线校正和图像质量增强.极线校正部分以对极几何为基础研究立体图像对的校正算法.图像质量增强部分主要研究了立体图像对特有的亮度差异问题,并提出了应用直方图均衡化来校正亮度的方法.之后本文对图像噪声进行了深入的分析,并针对立体图像特点使用均值滤波和Gauss滤波平滑图像.在实验中,验证了算法的可行性,取得了良好的应用效果.