选择特殊符号
选择搜索类型
请输入搜索
申请日 |
2021.04.16 |
申请人 |
动员(北京)人工智能技术研究院有限公司 |
地址 |
100043北京市石景山区黑石头路99号院2-5-601 |
发明人 |
刘永峰; 陈有; 姬新智; 于东宁 |
Int. Cl. |
G06K9/62(2006.01)I |
专利代理机构 |
北京劲创知识产权代理事务所(普通合伙)11589 |
代理人 |
王闯 |
本发明提供一种基于模板匹配的目标识别方法和系统,包括:获取原始图像与模板图像后预处理;将预处理后的模板图像的每个像素与预处理后原始图像的像素采用预设匹配算法进行相似度的遍历匹配,得到模板图像的像素在原始图像中位置的概率值,绘制位置概率曲线;对位置概率曲线进行拐点算法计算,得到概率值的门限阈值;保留原始图像中相应位置概率值大于门限阈值的像素值。该方法将原始图像与模板图像进行逐像素的相似度匹配,然后根据得到的概率曲线计算得到自适应概率阈值,将识别出的大于所述概率阈值的概率曲线上的所有对应的像素作为识别结果并显示在所述原始图像上,能够准确识别出原始图像中的目标物的数量和具体位置,识别的准确度高。
基于改进模板匹配的限速标志识别方法研究
第 35 卷第 4 期 西 南 大 学 学 报 ( 自然科学版 ) 2013 年 4 月 Vol. 35 N o. 4 Jour nal of Sout h westU ni versi t y ( Nat ur al Sci enceE di ti on ) Apr. 2013 文章编号 : 1673 9868 ( 2013 ) 04 0167 06 基于改进模板匹配的限速标志识别方法研究 ① 冯春贵 1 , 祝诗平 1 , 王海军 1 ,2 , 贺园园 1 1. 西南大学 工程技术学院 , 重庆 400716 ; 2. 重庆能源职业学院 能源工程系 , 重庆 400041 摘要 : 限速标志的识别是智能交通系统的重要环节 . 模板匹配法在目前的交通标志识别领域中应用比较广泛 , 传 统的模板匹配法对于限速标志的识别容易出现拒识和 误识的问题 , 正确识别率不高 . 将改进模板匹配算法
基于改进模板匹配的限速标志识别方法研究
限速标志的识别是智能交通系统的重要环节.模板匹配法在目前的交通标志识别领域中应用比较广泛,传统的模板匹配法对于限速标志的识别容易出现拒识和误识的问题,正确识别率不高.将改进模板匹配算法应用于限速标志的识别中,将限速标志字符的直观形象抽取特征,并结合边缘模板匹配,对限速标志进行识别,并在Vis-ual C++6.0环境下开发了限速牌识别软件系统.实验结果表明,基于改进模板匹配算法较传统模板匹配算法对限速标志的识别正确率有较大提高,识别率由80.95%提高到95.24%.
《基于小波变换的图像降噪》系统讨论了小波变换在图像降噪中的应用。内容包括:小波变换的基本理论,应用小波变换进行图像降噪的基本算法;变换系数的稀疏性和图像降噪效果之间的关系;综合利用傅里叶变换和小波变换图像降噪算法,并在附录中提供了书中部分图例和算法的MATLAB程序。
文本图像压缩中需要创建在图像中出现的形状库。这些形状通常和字符有关,在图像中出现的形状就会被指向图形库的指针替换。一般来说,虽然存在许多变体,但处理步骤包括如下:
找出、分离并且抽取所有的标记,即图像中聚集在一起出现的黑色像素。
建立一个包含图像中发现所有标记的库
通过识别图像中的符号找到库中与之最接近的标记实现,并度量一个标记和下一个标记的偏移值。
压缩符号顺序和偏移并存储入库。由于这一步骤中所存储的信息可以产生称为重构文本的原始图像的近似,所以为了重构图像无损,需要包括下面处理步骤:存储足够的信息以完成从重构文本中恢复原始图像。
当标记被抽取出来以后,需要将其与已经在库中的标记匹配,所有匹配库成员的标记都会被保存在一个集合中。如果当前标记与库中现有的一个标记足够匹配的话,则将其添加到与改符号相应的匹配标记集中,尽管将一个标记与每一个库中模板进行匹配查找出与其最接近模板的可靠,但在一个模板被发现于一个特定的相似阈值之内时即立即终止运算会更有效。如果没有发现足够近似的匹配点,则将新标记添加到库中。模板匹配对成功识别标记至关重要,匹配过程一般通过检查误差图来实现,误差图通过将新符号和库成员逐比特进行异或得到。在计算误差图之前,匹配的双方必须要正确注册。新符号添加在库中每个符号之前,为此需要在库中设置一个固定的参考点。
第1章 主要的图像降噪技术及发展现状
1.1 空间域图像降噪
1.2 频域图像降噪
1.3 基于小波变换的图像降噪算法
1.4 其他图像降噪方法
第2章 小波变换
2.1 小波变换概述
2.1.1 小波变换的基本概念
2.1.2 连续小波变换
2.2 离散小波变换
2.2.1 小波框架和小波基
2.2.2 多分辨率分析
2.2.3 多分辨率滤波器组
2.2.4 离散正交小波变换的快速算法
2.2.5 连续且紧支撑的正交小波基
2.2.6 初始输入序列
2.2.7 二维离散正交小波变换
第3章 基于小波变换的图像降噪
3.1 噪声的小波变换系数的统计特性
3.2噪声方差估计
3.3 降噪效果的评估方法
3.4 小波域的理想滤波器
3.5 小波阈值降噪
3.5.1 硬阈值和软阈值滤波
3.5.2 阈值的选择
3.5.3 小波基的选择
3.6 基于贝叶斯估计理论的小波域降噪
3.6.1 贝叶斯估计
3.6.2 图像小波变换系数的几个统计特性和分布模型
3.6.3 小波域的双参数收缩降噪
3.6.4 小波域的局部自适应维纳滤波
3.6.5 有方向窗口的局部维纳滤波器
3.6.6 三种算法的比较
第4章 混合傅里叶一小波图像降噪
4.1 变换域滤波效果和稀疏表示的关系
4.2 傅里叶变换和小波变换的比较
4.3 应用简单统计模型的混合傅里叶一小波图像降噪
4.3.1 有色噪声的小波变换系数
4.3.2 混合傅里叶一小波降噪算法
4.3.3 实验结果
4.4 应用GGD统计模型的混合傅里叶一小波图像降噪
4.4.1 算法的描述
4.4.2 实验结果
4.5 应用GSM统计模型的混合傅里叶一小波图像降噪
4.5.1 GSM模型
4.5.2 BLS—GSM降噪算法
4.5.3 应用BLS—GSM图像降噪算法的混合傅里叶一小波图像降噪
4.5.4 实验结果
第5章 混合傅里叶一小波图像降噪在SAR图像降噪中的应用
5.1 SAR图像的相干斑点噪声模型
5.2 应用混合傅里叶一小波降噪的相干斑点噪声抑制
5.3 实验
附录A 泛函分析基础
A.1 赋范线性空间
A.2 Hilbert空间和基
A.3可分离基
附录B MATLAB程序
B.1 图2.5和图2.6的源程序
B.2 图2.8的源程序
B.3 图2.9的源程序
B.4 混合傅里叶一小波图像降噪
参考文献