基于灰度图像的车牌定位研究

车辆牌照的自动识别是智能交通系统(ITS)中的关健技术,而车牌定位又是车牌识别的关健点之一。长期以来,许多学者从事这方面的探讨和研究,相继出现了一些新方法、新思路、尽管如此,目前国内尚无一个完善、通用的车牌定位系统。这篇文章对近几年来国内外车辆牌照识别系统研究中出现的车牌定位方法进行了全面的综述。     

基于波形分形维数的车牌定位算法

根据车牌区域内字符分布特点,提出一种基于波形分形维数的车牌定位算法.该算法采用滑动窗法对照片中每一行灰度曲线计算窗口内曲线段的波形分形维数,得到一幅二维波形分形维数特征分布图,通过对分布图进行处理可分割出车牌区域.实验结果表明波形分形维数能有效表征车牌内字符的排列特征,且不受背景环境、车牌颜色和类型的影响,对车牌倾斜度也不敏感.对1 000张包含复杂背景照片进行定位的准确率达到98.9%.     

小波分形混合图象编码

该文在惧和阅读了与小波分形混合图象编码方法有关文献的基础上,对小波分形混合象编码方法的研究现状和发展前景进行了心可能全面和详细的评述,文中介绍了小波图象编码经过１０年研究,主要算法已经基本成熟,并受到一些正在酝酿之中的图象国际标准的青睐,而分形图象编码沿处于学术研究阶段,并指出小波分形混合图象编码是分形图象编码从学术研究走向实际应用的出路之一。     

基于小波变换和神经网络的车牌识别系统

介绍了通过小波变换在复杂背景下对车辆图像进行去噪和对车辆牌照进行定位,并利用BP网络结合线性感知器来对车牌字符进行分类和识别。实验结果表明,该文提出的设计方案,算法简单、实时性好、识别率高,可适用于复杂背景环境中的车牌识别。     

小波分形插值应用于遥感图像处理

鉴于自然物体图像具有分形特征,提出了小波分形插值应用于遥感图像处理的新方法.这种小波分形插值方法利用小波变换系数中低分辨率频带中的高频分量相似高分辨率频带中的高频分量的特点.将遥感图像在小波变换的基础上用分形做相似变换,进而通过反变换得到比原图像分辨率高的插值图像.实验证明,小波分形插值方法比现有的双线性插值、三次方B样条插值方法具有更好的性能.     

基于行扫描和小波变换的车牌定位算法

为了能在复杂背景和不同光照条件下快速、准确地定位车牌位置,提出一种基于行扫描和小波变换的车牌定位算法。该方法首先对车牌图像实行边缘检测、二值化等预处理,在此基础上,利用行扫描法确定车牌的上下边界,对水平区域图像的垂直投影进行小波变换,设定阈值,确定左右边界。实验结果表明,该方法定位速度快、准确率可达到98%,具有很好的鲁棒性。     

基于分形盒子维数的车牌定位方法

分形维数是估计表面粗糙度的一个重要参数，在图像处理领域中更多地用到分形盒子维的概念，计算盒子维的DBC算法快速，有效，精确度高，被广为采纳，针对车牌内部图像的复杂度和背景有较大差异的特征，提出了一种通过计算分形盒子维同时结合其它图像处理方法来进行车牌定位的新算法，效果较好。     

基于纹理特征的车牌定位方法

为了提高车辆牌照定位成功的概率以及定位精度,提出了一种基于纹理特征,采用自适应二值化的车牌定位方法。该方法首先利用小波分析对图像进行预处理,提取车牌图像字符区域的纵向纹理特征,然后利用边缘检测算子对图像纹理特征进行二次提取,再进行自适应二值化。该方法克服了直接对小波分析后图像进行二值化时,阈值选取非常困难的缺陷。实验结果表明,该方法能够达到提取有效车牌图像的目的,适用于各种复杂条件下拍摄的车牌图像定位。     

基于小波分解的车牌定位算法

提出了一种基于小波分解的方法来定位车牌。该算法利用数学形态学对边缘图像进行处理，并进行小波分解，只需要进行水平扫描，克服了传统算法中需要水平和垂直扫描的弊端，同时有效地抑制了车辆边缘的干扰信息。     

基于NSCT变换的车牌定位算法研究

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,目前车牌定位的方法多种多样,各有所长,但存在着计算量大或定位准确率不高等问题。为了实现对车牌区域的精确定位,提出了一种基于非下采样Contourlet变换的车牌定位算法。首先,对图像进行非下采样Contourlet变换,得到车辆图像的8个方向的高频分量子图;然后,通过一定的结合规则将这些高频子图合成一幅能突出车牌区域的高频图;最后,运用数学形态学和连通域分析定位出车牌。实验结果表明,其算法不仅能成功提取车牌图像边缘,而且能很好地滤除噪声,从而实现准确车牌定位。     

一种基于小波变换和神经网络的数字水印算法

提出了一种新的基于小波变换和神经网络的数字水印算法。该算法首先把原始图像分成8X8像素的小块,根据Logistic映射产生的混沌序列选择相应的小块构造一个原始图像的子图,接着把DWT变换作用在这个子图上,得到两个子带LH:和HL1,然后把水印信息嵌入在这两个子带上,接着通过IDWT变换重构子图,最后按构成子图的顺序把每一个8X8像素的小块放回到原图中相应位置,从而得到一个嵌入了水印信息的图像。在水印的提取过程中使用了经典的I3P神经网络。实验结果表明,通过该算法嵌入的水印具有较好的鲁棒性、安全性和不可感知性。     

结合小波变换的零搜索分形图象编码

为提高分形图象编码的质量,缩短编码时间,针对Monro在文献[1]中提出的零搜索分形图象编码方法,其恢复图象在存在的块效应的问题,提出了一种结合小波变换的多项式近似快速分形图象编码方法,该方法是利用各频带间能量分布不均衡的特性,构造一种结合小波分解的分形图象编码算法,首先对图象进行塔式离散正交小波变换,然后再对小波系数进行分形编码,实验结果表明,用该算法对图象进行编码,不仅使恢复图象的质量得到了较大的提高,而且编码时间仅用1．48s。     

一种基于改进遗传算法的新型小波神经网研究

提出了一种基于改进遗传算法（Improved Genetic Algorithm , IGA）的新型BP小波神经网络，并通过异或问题和非线性辨识问题进行仿真实验。实验结果表明，基于改进遗传算法的BP小波网络不仅具有小波分析良好的局部特性以及神经网络的学习、分类能力，而且具有遗传算法全局快速寻优的特点，与简单遗传算法相比，在收敛快速性和稳定性方面都有了明显的改善。     

基于DWT和BP神经网络的人脸识别方法

提出了将人脸图像的离散小波变换DWT和BP神经网络相结合以达到人脸识别的方法。由于离散小波变换具有良好的多尺度特征表达能力,能将图像的大部分能量集中到最低分辨率子图像,高频部分则对应于图像的边缘和轮廓,能很好的表征人脸图像的特征。而BP神经网络具有很强的分类能力,并且可以运用神经网络的学习算法进行学习。实验表明:二者的结合对人脸识别具有计算量小,识别率高的优点,有很强的实用性。     

基于遗传小波神经网络的语音识别分类器设计

分类在语音识别中是很重要的,由于小波神经网络的学习效果对网络隐层节点数、初始权值(包括阈值)、伸缩和平移因子以及学习率和动量因子的依赖性较大,致使其全局搜索能力弱,易陷入局部极小,收敛速度减慢,甚至不收敛。而遗传算法具有的高度并行、随机、自适应搜索性能,使它在处理用传统搜索方法解决不了的复杂和非线性问题时具有明显的优势。因此,考虑把遗传算法和神经网络相结合,采用遗传算法选取初值进行训练,用小波神经网络完成给定精度的学习。仿真实验结果表明,该模型有效地提高了语音的识别率,并缩短了识别时间,实现了效率与时间的双赢,为算法的实用性莫定了基础。     

小波变换提取的胎动信号的神经网络识别

胎动监护是预防围产期胎死的一项重要手段。本文介绍了一种用小波变换实现胎动信号滤波并利用BP神经网络识别胎动以实现胎动自动监护的方法,其中胎动信号利用压力传感器从孕妇腹部获取。通过使用所设计的分类系统对13例共260min的腹部胎动信号进行识别,总的正确率达90．05％。从实验结果看,本方法效果令人满意。     

基于小波神经网络的脑图像分割研究

随着影像学的发展,医学影像设备极大地提高了人类获取自身信息的能力,推动了现代医学的发展.为了更好地获得脑部图像的信息,对脑部图像进行分割研究.首先介绍了脑图像的分割研究背景,然后详细研究了脑图像的分割方法.在分割算法中,给出了脑图像预处理模型,然后通过将小波理论和神经网路相结合提出一种脑部图像分割算法,并将将该算法在脑部图像处理中实现.脑图像分割实验表明算法能够有效地对图像进行分割.实验评估结果显示算法对于脑图像的分割足高效的.     

在小波变换域内应用BP网络进行图象压缩的方法研究

主要讨论了经过小波变换后较难压缩的低频子带系数特性,并据此利用基于ＢＰ算法的多层前向神经网络高度非线性映射能力,构造了一个非线性预测器,有效地去除低频子带系数间的冗余度,在较高的保真条件下获得了罗满意的压缩比。     

基于零树小波与分形图像的编码算法结合研究

通过有机结合零树小波编码、分形图像编码,提出了一种基于零树小波和分形图像的小波图像压缩算法,讨论了基于零树小波图像压缩的编码算法机理,提高了算术编码的性能,并对JPEG2000与JPEG效果图像的测试实验结果进行了比较,实验结果表明,JPEG2000的压缩效果优于目前已有的小波图像压缩算法。