基于波形检测和颜色空间的车牌分割方法

车牌识别是智能交通中关键技术之一,车牌分割是车牌识别的基础。本文提出一种利用波检测和颜色空间相结合的车牌分割方法,克服了传统边缘检测阈值难以选择的缺点,并且不受光照变化和车牌掉色及磨损的影响,提供了车牌分割准确率     

基于AdaBoost的场景车牌号精确定位研究

场景文本检测与识别对于自然场景的理解、图像中物体信息的获取以及自动驾驶与导航等研究有非常重要的作用。其中场景车牌号识别属于场景文本检测与识别的一个分支,在自然场景中,由于背景复杂、光线暗、模糊等原因,往往造成检测结果的不准确。文本识别的第一步是文本区域的定位,本研究先对图像使用水平滤波器过滤掉大部分背景,然后使用AdaBoost训练haar-like分类器,粗略定位车牌位置,对目标区域进行二值化处理,获得车牌上下边界的点集合,去掉噪点后进行拟合,获得车牌上下边界。对目标区域进行垂直方向投影,根据累加值判断车牌左右边界,从而实现车牌号的精定位。通过实验测试,该算法的准确率和检测效率高。     

BP神经网络数字识别系统的设计方法

字符识别一直是一个热点问题,而人工神经网络具有并行计算能力、容错能力、泛化能力,以及任意精度逼近未知非线性对象的特点,将人工神经网络应用在字符识别中,提高字符的识别率与识别效率就具有了可行性.论文着重介绍BP神经网络数字识别系统的设计方法和步骤,指出该系统不仅可以识别数字,而且经过BP神经网络的适当改变,可以实现英文字符、简单汉字和混合字符数据的识别.     

一种新的全天自主星图识别算法

在星图识别领域三角形算法得到了广泛的应用，但是在星对角距很小的情况下，其识别率严重降低。字符匹配算法可以解决这个问题，但是它无法识别由于相机在拍摄瞬问的平移和旋转而产生位移的星图。为了克服这一缺陷，提出了一种有效的星图识别算法，该算法在生成导航星数据库时以一些一定范围内的亮星为中心，把整个天球分为很多个四方形区域，然后根据被拍摄星图的特点从这些四方形区域内选取子区域参与星图识别。仿真结果表明该算法不但继承了字符匹配算法的优点，而且对星图位移有很强的鲁棒性。     

一种新的无人机监控图像实时目标识别算法

提出一种新的无人机监控图像实时目标识别算法。首先将获取的无人机监控图像应用自适应阈值分割将其转换为二值图像。对二值图像进行形态学处理,定位潜在目标出现的位置。最后对潜在目标区域再次应用局部自适应阈值分割获取目标,同时给出每个目标的图像坐标位置。飞行试验表明该算法保证实时性的情况下,有较高的识别正确率。     

基于点云的空间非合作目标结构识别问题研究

在空间非合作目标捕获任务中，从传感器数据中识别出目标表面的可抓取结构是一个有待解决的问题。以卫星点云数据集作为对象，对4种基于神经网络算法(PointNet、PointNet++、SPLATNet和SO-Net)在卫星结构分割识别任务中的性能进行了比较分析。为了能够更好地测试算法性能，基于NASA在线数据库构建了训练测试数据集，并给出一种点云数据的快速构建方法。使用该方法，可以实现成批量地生成点云数据。仿真测试结果显示:PointNet++在卫星完整点云数据集和非完整点云数据上的分割准确率都是最高，并且分割效果也优于其他算法。     

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。     

基于纹理的活动轮廓三维图像分割研究

对具高噪声和低对比度三维图像的识别和分割算法进行了研究。基于活动轮廓模型,用Gabor变换提取图像的纹理特征,根据统计学信息假设,通过偏微分方程水平集和窄带方法求解,获得较基本活动轮廓的算法分割更光滑精确的物体轮廓。实验结果表明:改进模型算法的效率和准确度达到预期效果。     

红外成像导引头目标检测识别共性技术综述

对红外凝视成像导引头目标检测识别中的共性技术进行了综述。讨论了红外弱小目标检测中的先检测后跟踪(DBT)和检测前跟踪(TBD)技术,图像配准技术中的图像匹配、全局运动估计与补偿和运动目标检测,弹道终端目标识别中的图像分割和目标要害选取,红外图像仿真中的目标与背景红外辐射、辐射传输等技术,指出提高成像导引头目标检测识别技术和工程化实现是提高成像制导武器性能的关键。     

一种SAR图像特征增强新方法

军事目标的SAR图像特征在合成孔径雷达目标识别(SAR ATR)中扮演着重要的角色。提出了一种在多小波域中用维纳滤波重构进行SAR目标图像特征增强的新方法,并在此基础上进行了目标图像分割。实验结果表明,该方法能够有效增强SAR图像中的目标区域特征,增大目标和背景杂波之间的统计可分离度,有利于目标图像的精确分割和特征提取。     

噪声图象的快速边缘提取与分割

噪声图象的快速边缘提取和分割是实时图象处理中的重要问题。本文提出了一种噪声图象快速边缘提取和分割算法。实验表明,这种方法具有很强的噪声抑制能力,且快速准确。     

指纹图像分割算法的仿真与比较

指纹图像分割是指纹识别过程中非常关键的环节,目前指纹图像分割算法都是基于图像的方向特性或灰度特性。本文介绍了常用的三种指纹图像分割的方法,并在VC6.0中分别用三种方法对同一枚指纹处理,最后根据实际图像分割效果对这三种算法进行分析和比较。     

指纹图像分割算法的仿真与比较

指纹图像分割是指纹识别过程中非常关键的环节,目前指纹图像分割算法都是基于图像的方向特性或灰度特性。本文介绍了常用的三种指纹图像分割的方法,并在VC6.0中分别用三种方法对同一枚指纹处理,最后根据实际图像分割效果对这三种算法进行分析和比较。     

基于深度学习的语义分割算法综述

图像的语义分割是对图像中的每个像素标注其所属的类别。在航天领域,语义分割技术可用于定位航天器及其零部件,为航天器故障排除、部件维修、太空垃圾清理等在轨服务创造条件。近几年,全部或部分使用深度学习时,语义分割的效果获得了很大的提升。本文对基于深度学习的语义分割算法进行综述。首先介绍常用的数据集和通用的深度神经网络,随后对两类具有重大实用意义的分割算法:编码器-解码器算法和整合上下文信息算法进行总结。最后对语义分割的发展进行了展望。     

基于过渡区的序列图像运动目标分割方法

序列图像运动目标检测技术是目标搜索与跟踪系统的一项核心技术.提出了一种基于过渡区的序列图像运动目标分割方法,该方法通过提取序列图像过渡区来进行目标分割,并与传统的阈值分割算法进行效果比较.实验结果表明,该方法能取得更好的序列图像运动目标分割效果.     

固体发动机CT图像的一种自动分割方法

在分析固体发动机CT图像结构特征和灰度分布的基础上,设计一种集边缘检测、数学形态学、多阈值分割于一体的自动分割方法。用此方法对含有缺陷的固体发动机CT图像实施分割,并利用光线投射体绘制算法对分割结果进行三维重构,经过与原发动机对照,重构结果精确地显示出缺陷的空间位置和分布,证明了所设计的分割方法达到了无损检测的工业标准。     

高分辨率SAR图像分割及目标特征提取

提出了一种非监督SAR图像快速分割算法,对分割得到的目标区域进行特征提取.分割方法利用固体热扩散模型与图像尺度空间的等价性,在SAR图像初始分割的基础上,引入最大后验概率矩阵的各向异性多尺度平滑,在保持图像结构信息的同时滤除斑点噪声对于分割的影响.然后提取目标区域6个特征以详细描述目标,实验结果表明：该方法计算速度快,能够从获得的目标区域得到大量有用的信息.