改进的二阶互信息医学图像配准算法的研究

针对人脑的二维图像设计了一种改进的遗传算法和二阶互信息相结合的医学图像配准算法,采用互信息配准模型,以图像的灰度统计信息为配准依据,采用改进的遗传算法搜索图像的最优变换参数,并比较一阶互信息配准与改进的二阶互信息配准两种算法,实验表明改进的二阶互信息配准方法具有较高的配准精度和稳定性.     

基于互信息的多模图像配准研究

分析了基于互信息的多模态图像配准的理论和方法,从信息论的角度分析了互信息的性质以及两幅图像互信息的计算等,同时给出基于互信息的图像配准的基本步骤。     

基于最大互信息的多源图像配准研究

对同一场景使用不同传感器获取的多幅源图像往往存在许多差异,若要对其进行像素级图像融合,则首先必须对多幅源图像进行配准,配准精度要求达到像素级。本文在对多源图像配准理论和方法深入分析的基础上,对基于最大互信息的图像配准算法及其实现进行了深入研究,并将该方法应用于多源图像配准,通过仿真实验证明采用基于最大互信息的图像配准方法对来自不同传感器的多源图像进行配准,可以达到像素级的配准精度,该精度标准符合像素级图像融合对源图像的配准精度要求。     

条形码技术在车牌识别中的应用研究

在交管、治安和事故处理中经常使用车牌识别技术.通过研究带条形码的车牌识别过程中颜色编码问题、二值灰度图像处理、增加反光角度、捆绑无线射频识别标签等技术细节,证实在车牌里加入条形码是完全可行的,而且能够提高识别效率和正确性,这在一些特殊应用领域里是很有价值的.     

车牌拍照识别技术研究动向

车牌识别技术是一项应用范围非常广的技术,在人们的生活中发挥着越来越重要的作用。汽车牌照识别技术是一个以特定目标为对象的专用计算机视觉系统,能从一幅图像中自动提取车牌图像,自动分割字符,进而对字符进行识别。该技术对采集到的汽车图像进行处理,能够实时准确地自动识别出车牌的数字、字母及汉字字符,并以计算机可直接运行的数据形式给出识别结果。     

一种基于互信息和梯度信息的医学图像配准算法

由于互信息不需要对图像进行预处理，因此被广泛地应用于医学图像配准中．但是，配准过程中的局部极大值难以克服．本引进了梯度信息，用于解决局部极值问题．并将这种方法应用到人体的非刚性形变的医学图像配准中．同时，给出了一些用于改进精度的方法，如：Powell搜索算法、灰度插值和出界点问题，提高了匹配精度．采用此方法对脑部和肺部的多模图像进行配准，实验结果表明该方法对非刚体医学图像的配准有很大的可行性．     

车牌识别技术在高校校园车辆管理中的应用

给出了车牌识别技术在高校校园车辆进出管理中的应用方案,描述了一个以车牌自动识别技术为核心的校园车辆进出智能管理系统架构。     

浅析车牌识别技术

车牌识别技术作为智能交通的重要组成部分,在人们的生活中发挥着越来越重要的作用。车牌定位、字符分割、字符识别是车牌识别的三个重要组成部分,是车牌识别技术研究的重点,从这三个方面对车牌识别技术的发展和现状及车牌识别技术的应用进行了简要介绍。     

车牌识别中图像增强算法研究

车牌定位是自动车牌识别系统中的关键技术,图像增强算法在车牌定位又是十分重要的一部分,本文对常用图像增强算法进行了分析研究,结合实际车辆牌照图像进行了相应的处理实验,并进行了实验结果分析.     

基于深度学习的Android平台车牌识别系统设计

在自然场景下,车牌信息易受光照、旋转、拍摄角度等复杂背景噪声干扰,提取车牌信息难度较大.因此设计一种基于深度学习的车牌识别方法,并将模型移植到Android移动端以满足复杂场景实时准确识别的需求.首先使用U型网络实现车牌区域与背景的语义分割,然后利用OpenCV对提取的车牌图像进行校正,最后利用共享Loss的卷积神经网...     

RBF神经网络在车牌字符识别中的应用

针对现有车牌字符识别算法中存在识别时间长、正确率低的问题,提出了基于粗网格特征提取及RBF神经网络的车牌字符识别算法。该算法首先对车牌图像字符进行预处理,再将提取的车牌字符特征向量输入RBF神经网络进行训练,通过建立汉字字符、字母、字母／数字混合分类器分别对车牌字符信息进行识别,同时引入拒识别和易混字符细识别机制。实验表明,这种方法克服了BP神经网络易陷入局部最小值的问题,提高了识别的正确率,适合于对实时性要求较高的智能交通管理系统。     

基于MATLAB的车牌识别系统设计与实现

针对复杂的高速交通系统,设计了一套基于MATLAB的车牌识别系统,采用数字图像处理技术,自动识别车牌图像中的牌照信息,让交通系统实现数字化。具体过程是先对采集到的车牌图像进行灰度化,再进行边缘检测、形态学处理等,完成车牌的两次定位,成功后再进行倾斜校正、二值化、反色、字符分割,最后用模版匹配法对车牌字符进行识别。从实验结果看,该系统准确定位车牌并能准确快速地识别出车牌号码,实时性和实用性都较好。     

一种改进的车牌图像识别算法

提出了基于改进的边缘检测和数学形态学结合的车牌图像识别新方法.首先将采集到的彩色车牌图像转化为灰度车牌图像,然后利用Sobel算子进行边缘检测,接着对灰度化的车牌图像进行形态学的腐蚀处理,得到平滑图像的轮廓,再进行X方向的定位和Y方向的定位及区域校正得到车牌的区域.通过对车牌图像的二值化和形态滤波把车牌上的字符给有效分割出来,最后采用模版匹配的方法进行车牌字符的识别.从仿真的结果看:可以准确提取车牌位置的字符,字符识别的准确率较高,且识别的速度快.     

竖向边缘生长的车牌定位算法

车牌定位在车牌识别系（License Plate Recognition,LPR）的实现过程中是一种极为重要的技术。车牌定位不仅是LPR中的重要步骤，而且是识别的基础。竖向边缘生长算法．既充分发挥了样板匹配的边缘检测方法定位边缘高效快速的特点，又结合了区域生长算法分割结果准确的优点。     

车牌粗定位

在现有车牌定位的基础上,提出了一种结合图像空间信息方法和颜色空间信息方法进行车牌粗定位的方法。粗定位的结果可以用于车牌的精定位,为后续的车牌定位和识别打下良好的基础。     

基于形态学的车牌定位方法研究

针对复杂背景的车牌定位问题,提出了一种基于形态学的车牌定位算法.数学形态学是一种应用于图像处理和模式识别领域的新的方法,其基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的.[1]     

基于TIC6201 DSP的车牌识别卡硬件设计与实现

在交通收费和路口监控等车牌识别应用中,纯粹依靠PC机通常难以达到实时性,应用受到了限制.在将DSP引入到车牌识别应用系统后,此问题可得到较好解决.本DIP系统以TIC6201 DSP处理器为核心,配王S从7111A视频解码芯片SAA7111A作为图像输入通道,使用PCI2040实现了DSP以PCI接口方式与PC的通信.在此系统中,DSP运行识别算法,然后将识别结果通过PCI接口传输给PC供PC进行显示和管理.整个系统计算分布合理,实时性强,极大提高了实用性.     

基于大数据标签与机器学习的车牌识别算法

为了提高机器学习算法对实际场景中车牌识别能力,克服天气、车牌种类对识别的干扰,以实际场景拍摄的车牌为识别对象,设计并开发了一种基于大数据标签与机器学习的车牌识别系统。首先,在不同启用场景、不同天气下采集两万帧车牌,涵盖各省市汽车,作为大数据标签和学习基础,建立车牌图像和车牌文字字段的训练集数据库;然后,利用图像降噪、自动阈值分割、形态学处理以及边缘检测,完成车牌定位与分割;随后,通过建立支持向量机与随机森林分类器,对训练集样本进行模型学习,完成机器学习算子,完成针对车牌的最终识别;最后基于Windows系统、C++语言与OpenCV开源学习框架,编码实现算法和系统。经过与对照组的对标测试,所提算法具有更高的车牌识别能力。     

人工鱼群算法在图像配准中的应用

图像配准是图像处理的基本任务之一,是图像融合、目标识别等的前提。文章将基于行为的人工智能思想通过动物自治体的模式引入优化命题的解决中,构造了一种解决问题的架构—鱼群模式,并由此产生了一种高效的智能优化算法—人工鱼群算法(AFSA),进而提出以人工鱼群算法为优化搜索策略的人工鱼群算法在图像配准中的应用。     

车牌自动识别技术的算法与实践

分析了车牌识别在智能交通中的作用,给出了其主要的原理和本文组织结构,并对主要的步骤算法进行了分析和仿真实验.