基于水平垂直灰度开运算的车牌字符分割算法

采用Hough变换检测车牌的倾斜角度进行车牌的矫正。提出了一种基于水平垂直结构元素开运算的数学形态学方法,对字符分割前的车牌进行预处理。该方法能够在车牌定位不精确的情况下有效地去除车牌边框、铆钉及其他噪声,消除干扰突出字符。运用传统的投影法以及车牌的先验知识进行字符间的分割,有效地提高了字符分割的效果。实验结果证明,该方法有效可行。

基于属性开运算的汽车牌照区域定位算法

现有的复杂背景下汽车牌照定位算法大都是基于牌照水平或者近似水平 ,处理倾斜情况下牌照定位是一个尚待解决的问题。文中提出了一种基于属性开运算的汽车牌照定位算法 ,其处理结果与牌照的倾斜角度无关 ,成功地应用于交通监控系统中。

形态学开运算在车型图像去噪中的应用

本文提出了一种用形态学开运算对基于二维激光雷达的车型图像进行快速去嘬的方法，这类车型图像不是直接通过摄像头拍摄获得，而是由激光雷达及其他辅助设备对车辆的侧面二维轮廓进行扫描并重建，再对置建后的车辆三维点云数据进行栅格化以及灰度化而得到的。

基于有限自动机的二值图像的开运算

以图像与图像平移的并集作为状态集,以探针与探针拷贝的并集作为输入字母表,用向量加减法构造状态转换映射和输出映射,给出了实现数学形态学基本运算开运算的有限自动机。与通用计算机对图像的串行处理相比,开运算自动机采取了并行结构。开运算自动机将运算的时间复杂度降低到了探针像素个数减1。

基于数学形态学开运算和投影特征的车牌定位研究

车牌识别系统主要包含车牌定位、字符分割和字符识别三个环节。车牌定位的好坏将直接影响车牌识别的效果。本文提出了数学形态学水平结构元素开运算和投影特征相结合的方法,该方法能有效地消弱了车牌边框和铆钉的不利影响,突出车牌区域,实现车牌准确定位的目的。通过Matlab 7.0进行了仿真研究,试验结果表明该方法是有效的、可行的。

基于开运算与区域数统计的教室人数估计

本文在对教室内人员分布特性和监控图像特性分析的基础上,提出了一种基于图像形态学处理与区域数统计的教室人数估计方法。该方法在图像预处理阶段:首先利用模板对原始图像进行剪辑,消除背景图像数据;然后对灰度图像进行归一化处理,实现了图像亮度增强,并基于头发灰度统计数据实现了图像二值化。在图像预处理基础上,进行图像开运算,并通过顶点链编码统计图像内人头部区域数,并以此进行人数估计。最后,通过教室监控图像构建了测试数据集,测试结果表明基于开运算与区域数统计的教室人数估计方法能较好地实现教室人数估计。

基于渐进形态学开运算和偏度平衡法的LiDAR数据滤波方法

基于高程的偏度参数统计的Li DAR数据滤波对地形起伏城区滤波适应性不强的弱点,对该方法进行了改进,提出了结合渐进形态学开运算和偏度平衡法的Li DAR数据滤波方法,该方法的原理就是将所有引起高程的突变转换成全由植被、建筑等非地面点引起,而不是由地形高程引起的,这个转换的中间量就是高差,即将高差作为偏度系数的统计对象。并通过实验验证了该方法的合理性,实验结果表明,改进的方法不仅延续了参数统计法无需阈值的优势,而且对城区滤波更具适应性、合理性和稳定性,能够明显地提高滤波精度。

一种自适应逐级开运算的原木端面识别方法

为提高原木检尺的工作效率,提出一种自适应逐级开运算的成堆原木端面识别方法,以实现自然环境下成堆原木端面的快速识别。获取自然环境下堆放的成堆原木图像,利用PSO改进的K-Means聚类算法基于图像的RGB色差值,对图像进行背景和目标的分割,用PSO算法寻找K-Means的初始聚类中心,通过背景和原木堆的聚类实现背景和目标的分割。对于分割后的图像,设计了一种自适应原木端面大小的逐级开运算原木端面识别方法,该方法根据图像中的目标原木大小,以圆面积计算公式中面积和半径的正比关系为依据,用半径作为结构元素,从而自适应地寻找出结构元素的最大值和最小值,在2个最值的区间内设定1个可变的结构元素,从最大值逐渐减少地对目标图像进行开运算,从而实现对图像中不同直径大小的原木识别,计算出原木堆图像中所有原木的根数。结果表明,使用逐级开运算进行原木识别,对清楞原木的检测达到平均正检率97.26%,漏检率2.74%,错检率8.10%;混楞原木检测正检率93.32%,漏检率6.68%,错检率7.02%;与使用Hough变换进行圆检测的方法相比,本算法清楞原木和混楞原木的正检率平均提高分别为16.24%和19.29%。自适应逐级开运算的原木端面识别方法,可以识别不同直径的成堆原木端面,从而实现原木根数的自动计算,能有效提高人工检尺的效率。

形态学开运算剔除激光雷达的太阳光干扰

为了剔除闪光式激光雷达白天工作时太阳光对目标的光污染,采用基于形态学开运算的强度图像预处理方法,对闪光式激光雷达在白天接收到的原始强度图像预处理,随后采用相邻帧差法对预处理后的强度图像进行三维重建,可以有效地将目标从太阳光污染中提取出来。为了验证该方法的可行性,用闪光式激光成像雷达在白天对距离500 m外的目标建筑物进行了成像实验,并与高斯滤波预处理、中值滤波预处理和阈值分割预处理进行对比,随后采用相邻帧差法并根据四种方法预处理后的强度图像来获取目标的距离信息。经过计算,形态学开运算预处理与高斯滤波预处理、中值滤波预处理和阈值分割预处理的结构相似度分别为0.78、0.83和0.85,他们之间的结构相似图分析结果充分说明采用形态学开运算的预处理方法在去除由太阳光引起的干扰的同时,可以完整获取目标的距离信息。

L-fuzzy拓扑空间中α-开运算及α-紧性

给出了L-fuzzy拓扑空间中L-fuzzyα-开运算的定义.然后借助L-fuzzyα-开运算给出L-fuzzy拓扑空间中L-fuzzyα-紧的定义;其次给出L-拓扑空间中开覆盖及fuzzyα-紧的定义;并分别得到了一些相关性质;最后讨论了L-fuzzy拓扑空间中L-fuzzyα-紧与L-拓扑空间中fuzzyα-紧之间的关系.

运用开运算辅助地面纹理识别

在视觉同步定位与建图算法中,定位问题一直困扰着研究者们。闭环误差、绝对定位误差和相对定位误差决定着机器人工作的精确度。本文提出了一种加入开运算的地面纹理识别算法,并通过所识别的信息来构建准确的地图,达到提高室内服务机器人定位精度的目的。

开闭运算在消除图象噪声中的应用研究

本文讨论了数学形态学开闭运算的滤波性质 。

基于曲线坐标系下扩散方程的形态学开.闭运算

形态学开、闭运算以腐蚀和膨胀为基础 .图像的腐蚀和膨胀统一为笛卡尔直角坐标系下几何制约扩散方程对图像灰度等值线的演化 .针对许多曲面上图像 ,比如柱面帖图 ,球面帖图 ,结合深度信息采用曲线坐标系下的几何制约扩散方程 (曲面上曲线的演化 )来进行形态学运算是一种新的尝试 ,从结果可以看到处理效果明显优于普通的方法 .

基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法

提出了一种基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法。该方法首先利用形态学开闭运算对原始图像进行平滑处理,再对梯度图像进行阈值优化,去除过多的区域极小值,然后利用分水岭分割算法检测目标,最后利用目标的面积和空间关系等特征去除少量误提目标。实验表明,新方法可以取得很好的效果。

形态学开闭运算在居民地边缘检测中的应用

居民地是遥感影像中重要的地形要素之一,在研究居民地影像特征的基础上,提出一种基于形态学开闭运算的居民地边缘检测算法。试验结果表明,该方法能很好地检测出居民地的边缘。

基于Criminisi算法的四经绞罗纹样修复研究

文章针对古代罗织物受到诸多因素影响而产生破损、难以提取修复这一问题,提出了一种结合开运算和Criminisi算法的图像修复方法。收集具有规律性特征的四经绞罗传统纹样,用图谱分析法分析最具代表性的菱形纹,使用原算法和开运算改进过的Criminisi算法,对图像进行剪裁,得出掩膜,计算优先权后进行纹样填充,完成了四经绞罗规律型图样的数字化修复。结果表明,经过开运算改进的Criminisi算法弥补了原算法的不足,修复后的图像和原算法修复的相比更加清晰平滑,验证了此算法修复四经绞罗纹样的可行性与可信性,为罗织物的传承和修复提供了较为可靠的方法。

开平方运算程序的优化

在分析浮点数开平方运算方法的基础上,对仪表开平方运算程序的优化进行了探讨和研究,并给出了合理优化后的程序框图。

基于形态学运算的星图像分割

在获取星图像的过程中，由于某些因素的影响，获得的星图像存在噪声和划痕，而且星图像的背景经常是不均匀的，为星图像的分割造成了极大的网难，甚至使得自动闽值分割无法实现或效果较差。膨胀和腐蚀是形态学的两个基本运算，实验证明，通过组合膨胀和腐蚀，可以获取更为复杂的形态学运算。用形态学运算对星图像进行处理，补偿不均匀的星图像背景，然后进行星图像的自动阈值分割可以得到很好的分割效果。

简化数学运算的若干策略

数学解题离不开运算，运算能力不仅是新课标要求培养的基本数学素养，也是历年高考重点考查的五大能力之一．但高考对运算能力的考查并非局限于“会根据公理、法则、公式、定理等进行数字运算”层面，而是越来越注重考查学生“能根据问题的条件，寻找与设计合理、简捷的运算途径”，那么怎样才能找到设计合理、简捷的运算途径呢？本文举例介绍减少运算量、优化解题过程的若干策略，供大家参考．

基于K均值聚类和开闭交替滤波的黄瓜叶片水滴荧光图像分割

为了监测温室黄瓜叶片湿润情况以计算叶片湿润时间并用于病害预警,利用K-均值聚类算法实现黄瓜叶片的水滴荧光图像分割。选择人工气候室培育的健康且洁净的黄瓜叶片作为试验试材,采用移液枪向叶面、叶缘部位上滴水,模拟不同的叶片湿润情形,使用荧光成像仪蓝光镜头在白天(07:00)和夜晚(18:00)分别采集图像。应用K-均值聚类算法在L*a*b颜色空间对水滴图像进行分割,首先要将原始图像由RGB颜色空间转换到L*a*b颜色空间,然后在在L*a*b颜色空间中利用a*b*二维数据空间的颜色差异,以欧式距离度量像素间的相似度,使用K均值对图像进行聚类,聚类得到的图像灰度化后进一步用数学形态学中的开闭交替滤波方法进行校正,最终完成图像分割。利用该方法对10幅含有不同水滴数量的黄瓜叶片荧光图像进行分割,为了验证该方法的有效性,分别采用基于H分量直方图分割算法、主动轮廓即C_V模型分割方法、融合K均值聚类和Ncut算法作对比试验。试验结果表明,该方法的平均匹配率、误分率相较于其他3种方法有明显的优势,平均匹配率为81.27%、平均误分率为9.57%,较之于其他3种方法,平均匹配率分别提高了44.11、11.50、10.90百分点,平均误分率分别降低了23.03、5.47和5.05百分点。该方法能够较为准确地将水滴从图像中分割出来,这为用计算机器视觉的方法监测黄瓜叶片的润湿时间提供了新的思路。