基于区域划分和霍夫变换的车牌倾斜校正

针对车牌倾斜会降低字符分割和识别准确率的问题,提出了基于区域划分和霍夫变换的倾斜校正方法。定位后的车牌在垂直方向根据阈值划分成高度相同的等分域,然后通过霍夫变换取得所有区域的最大角度值为水平角度值,同样在水平方向从两侧往中间划分等分域,通过霍夫变换取两侧最大角度值为垂直倾斜角度,对水平倾斜进行双线性插值旋转校正,对垂直倾斜进行错位偏移校正。通过区域划分的方法,可以有效降低霍夫变换搜索的区域,从而提高校正速度。实验结果表明:该算法简单、正确率高、鲁棒性好。     

像素面积插值法及其在名片识别系统中的应用

提出了一种新的算法用以提高名片识别系统中的图像倾斜校正效果．根据倾斜像素在相邻像素中所占的面积，进行面积插值，获得像素的灰度值、将这一算法应用于名片识别系统，利用从系统中获取的倾斜角度和顶点坐标，得到了很好的校正效果.     

一种基于小波变换和PCA的人脸识别改进方法

针对主成分分析PCA算法中存在的问题,提出了利用小波变换对人脸图像进行预处理,PCA提取图像特征,最近邻法分类的人脸识别改进方法.基于ORL、YALE数据库的相关实验表明,这样的系统能够降低数据维数和克服角度、位移变化对算法的影响,能够取得比传统PCA更好的识别性能。     

一种基于Radon变换的车牌识别技术研究

由于车牌和摄像机之间存在相位差,导致获取的车牌图像存在倾斜、扭曲和变形,造成车牌的分割和识别困难.针对上述问题,提出了一种改进的Radon变换的车牌识别算法.该算法首先对车牌图像进行Radon变换,接下来对Radon变换的结果进行一阶函数求导,对一阶导数的绝对值再进行累计求和,由求和结果的最大值得到相对应的Radon变换角度值,把该变换角度值作为车牌图像的倾斜角度.实验结果表明,改进的Radon变换车牌识别算法用时少、精度高,具有对光照不敏感和较好的抗外界干扰等优点.     

基于方向场的计量刻度线倾斜校正

为了克服牛奶瓶刻度的倾斜给字符分割与识别带来不便的问题,本文提出了一种基于方向场的计量刻度倾斜校正方法。该方法利用刻度线的特征,利用sobel算子计算梯度方向场,进而求出水平倾斜角度和垂直倾斜角度,然后按所得夹角再加上双线性插值进行旋转校正。实验证明,这种方法具有较强的可行性和有效性。     

改进的大斜视角SAR阶梯变换算法

针对大斜视角下合成孔径雷达信号时域距离校正后的特点,提出了改进的阶梯变换算法,在各个子孔径分别采用不同调频斜率的参考信号进行去斜处理,解决了信号多普勒调频斜率随方位时间变化的问题;通过频域插值准确挑选粗分辨傅里叶输出数据,克服了原有阶梯变换算法对参数匹配的严格限制。实验结果表明:该算法在大斜视情况下是有效的。     

基于小波变换的自适应公钥数字水印

利用小波变换良好的时频局部特性,提出了一种基于小波变换的自适应公钥数字水印设计方案。数据的所有者利用私钥向数据中嵌入版权信息,任何数据使用者可以利用公钥从接收到的数据中提取版权信息。水印的嵌入强度可根据原始图像自身的特点自适应调节,水印的提取也不需要原始图像。实验结果表明该算法具有良好的不可视性和抗联合图像专家组压缩、剪切、滤波等攻击的能力。     

一种基于小波变换特征提取的集成学习算法

将不同训练数据子集和不同特征子集相结合,提出了一种基于小波变换特征提取的集成学习算法Wavelet-Forests.先随机划分特征集,用小波变换提取特征子集的特征,再用小波系数重构特征集训练基分类器.使用公认的WEKA平台验证了Wavelet-Forests算法的性能,与经典算法Bagging,AdaBoost和Random Forest相比,本文所提算法具有良好的泛化能力.     

小波级数变换的一种离散小波变换算法

小波文献中，离散小波变换多由于带分解或拉普拉斯塔形分解等引出。本文从连续小波变换及小波级数变换出发，通过对采样过程的分析导出了离散小波变换的定义。离散小波变换是唯一便于Ｘ数值计算的小波变换，本文提出了一种以离散小波变换计算小波级数变换的算法，该算法较之Ｏ’Ｒｌｏｕｌ的类似算法相比，可取得更好的计算精度。     

基于小波变换的汽车前照灯图像边缘检测

用改进的基于小波多尺度变换的数字图像边缘检测算法,提取汽车前照灯近光图像的边缘,完成图像的初步预处理,从而为车灯的近光检测奠定基础.采用小波分解算法进行图像增强,针对小波模极大值在不同尺度下传播的特性,检测出图像在两个方向的极大值,之后通过边缘跟踪补偿和平滑细化得到图像的边缘.对比几种经典的边缘检测算子,小波变换的数字图像边缘算法对汽车前照灯近光图像的处理结果较好.