运动车辆车牌图像的超分辨率重建

为了改善实际交通环境中运动车辆车牌图像的质量,提出一种新的超分辨率重建方法,即通过融合低分辨率图像间的互补信息得到一幅高分辨率车牌图像.首先,在超分辨率重建正则化框架下引入梯度残差项作为一个梯度强制项来改善重建图像的质量.其次,为了提高重建算法的鲁棒性,用L1范数度量数据残差项和梯度残差项.最后,用最速下降法求解相应的最小能量泛函.模拟和实际视频图像序列的实验结果验证了所提方法的有效性和实用性,所提方法在重建图像的信噪比指标和视觉效果方面均优于双三次插值和DAMRF法.     

基于混合核的超球面支持向量机车牌字符识别

在车牌字符识别应用中,超球面支持向量机核函数的选取一直采用单一核函数方案,存在识别正确率不高或过程较繁琐的问题。针对以上不足,将单一径向基核函数、混合核函数分别应用到超球面支持向量机的决策函数中,找到径向基核函数参数和混合核线性组合交叉概率的最优取值,提出一种超球面混合核支持向量机(MHS-SVM)。将Computational Vision研究小组数据集转换为一维矢量提取特征,采用此算法进行识别验证。试验结果表明,较已有的欧拉数特征分类和组合支持向量机,混合核方案过程简洁,具有更高的识别正确率,同时拥有较好的识别速率。     

支持向量机在SAR自动目标识别系统中的应用

SAR自动目标识别技术是新一代战场感知系统雷达信号处理中的关键技术之一，目前己成为国内外研究的热门课题。支持向量机（Support Vector Machines简称SVM）方法是近年发展起来的一种新的统计学习理论方法，本文通过对这一方法的学习，提出了基于SVM的SAR目标自动识别，并对MSTAR的Public Targets数据库进行实验，取得了良好的识别效果。这为SAR自动目标识别提供了一种新方法和新思路。     

香港车牌识别系统

提出了一个香港车牌识别系统。针对香港车牌的特点,先对车牌图像进行彩色二值化、不可能字符区域的去除、水平梯度统计、基元扫描后得到车牌的大致区域,然后对大致车牌区域进行精确搜索,最后获取车牌字符,送交到后端的字符识别模块进行识别。通过大量图片的测试和实际的应用表明,本系统有着93%以上的识别正确率。     

基于MATLAB的车牌识别系统研究

为了提高车牌识别准确率,以MATLAB为平台,对车牌识别系统部分算子选择及算法进行调整和优化。在具体处理中,通过灰度拉伸、顶帽变换、二值化等实现车牌预处理,用边缘检测、形态学处理等实现车牌定位,通过多种算法对比选择合适的车牌矫正方法,结合车牌垂直投影法、模板匹配法完成车牌识别系统设计。该系统对车牌识别的准确率由96.5%提升至97.5%,识别效果较好。     

基于OPENCV的智能车牌识别系统

智能车牌识别系统是结合数字图像处理技术、计算机视觉和模式识别为一体的综合系统,包含对车牌图像进行预处理、车牌区域定位、字符分割以及字符识别等功能。在车牌识别技术中,采用了BP神经网络技术,能快速根据提取的车牌字符特征与已知样本中特征进行比对以获取车牌字符。通过运用OPENCV计算机视觉库,大大降低了系统实现复杂度,实现了快速准确识别车牌号码。     

超分辨率图像重建的应用

由于超分辨率重建技术在一定条件下,可以克服图像系统内在分辨率的限制,提高被处理图像的分辨率,因而在视频、遥感、医学和安全监控等领域具都有十分重要的应用。(1)在数字电视(DTV)向高清晰度电视(HDTV)过度阶段,仅有部分电视节目会以HDTV的形式播出,不少节目采用的是DTV的形式。因此,可以利用超分辨率重建技术将DTV信号转化为与HDTV接收机相匹配的信号,提高电视节目的兼容性;(2)在采集军事与气象遥感图像时,由于受到成像条件与成像系统分辨率的限制,不可能获得清晰度很高的图像,而通过利用超分辨率重建技术,在不改变卫星图像探测…     

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。     

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。     

互信息算法在车牌识别中的应用研究

将医学图像配准中的互信息算法移植到车牌识别系统,首先基于颜色信息快速定位车牌并校准分割出待识别的车牌字符,然后计算分割字符与字库字符的互信息值,互信息值的大小反映了图像之间的相似程度,最后通过比较互信息值的大小确定最终结果.实验证明,互信息算法相对其他车牌识别常规算法能更准确反映出图像之间的相似度,从而得到更精确的识别效果.     

改进的稀疏表示超分辨率图像重建

为了能从单幅低分辨率图像中利用超分辨率技术重建出高分辨率图像,提出一种基于稀疏表示的改进算法。首先求出在低分辨率图像过完备字典上的稀疏表示系数,将稀疏表示系数与高分辨率图像的过完备字典相结合,得到高分辨率图像块,再联合输入的低分辨率图像块与生成的高分辨率图像块,求解出其在高低分辨率字典对上的稀疏系数,最后结合高分辨率图像字典,得到更加精确的高分辨率图像块。经仿真实验验证,该改进方法有效提升了重建图像质量,增强了重建图像的还原度。     

支持向量机在语音识别中的应用

支持向量机采用数学方法和优化技术,将向量映射到一个更高维的空间里,建立一个有最大间隔的超平面,其在语音识别技术中应用广泛。     

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。     

基于机器学习的手势识别系统及其在移动终端上的应用

手势识别技术可有效提高移动终端操作效率。通过移动终端加速度传感器捕获手势执行过程中的三维加速度信号,经过预处理、特征提取之后,采用机器学习方法SVM,建立相应的SVM分类模型,并利用该识别模型实现手势动作。实验结果表明,该方法具有较高的识别率并在移动终端上得到应用。     

基于GAN的图像超分辨率方法研究

图像超分辨率是一种采用软件算法提高图像空间分辨率的技术,由于传统超分辨率方法超清程度有限,基于深度学习的图像超分辨率方法成为研究者们近年来的研究重点。基于生成对抗网络（GAN）的图像超分辨率方法,在其网络模型结构基础上增加批处理归一化（BN）层以提升网络收敛速度、加强网络训练稳定性,更改上采样层网络并对损失函数作相应修改。在网络训练过程中,选择当前比较通用的Adam优化器。实验结果表明,该方法具有很好的超分辨率图像重建能力,且在训练过程中训练稳定性得到提升,收敛速度也有所加快。     

超分辨率图像复原技术综述

介绍了超分辨率图像重建的基本概念、应用场合和主要的重建方法,着重分析了压缩域中的超分辨率重建技术,并对未来的研究问题进行了展望。     

多帧图像超分辨率重建算法

多帧图像超分辨率重建技术就是将一些变形、模糊、降采样的低分辨率图像进行融合,估计出一幅高分辨率图像,其步骤主要分为运动估计、插值处理、图像重建.本文采用Vandewalle配准方法将处理过的低分辨率图像序列映射到一幅高分辨率网格上,然后进行插值,最后结合小波变换和迭代方法进行图像重建,并采用小波阈值去噪方法进行去噪处理.实验结果表明：本算法能较好地提高图像的峰值信噪比,是图像重建的一种有效方法.     

支持向量机在基于内容的图像检索中的应用

本文比较了图像检索方法,提出利用支持向量机分类精度高、泛化能力好的特点应用于基于内容的图像检索方法。同时针对图像分类问题是个多分类问题,应用二叉树作为分类决策树形式,将支持向量机的两分类扩展为多分类来构建分类器。     

多尺度自相似融合图像超分辨率重建

为提高低分辨率图像超分辨率重建的精度和效率,提出一种多尺度自相似融合图像超分辨率重建算法。该方法在锚定邻域回归(ANR)方法的基础上引入自相似矩阵,使图像边缘更加清晰;利用多层小波变换构建多尺度串联模型,实现小波域的不同尺度图像的多层超分辨率重建;增加训练字典原子数和邻域数,采用分层搜索匹配策略进行低分辨率图像块与锚点的匹配以减少图像重建时间。实验结果表明:该方法重建的图像边缘和细节更清晰,边缘重影和阶梯效应明显削弱,PSNR值提高约1 dB,且重建时间有所减少。