基于实景图像的道路限速标志识别算法研究

基于道路图像的交通标志识别系统中,关键步骤之一是对图像中的交通标志能够快速有效的识别.文中以具有字符信息的限速标志为例,通过对提取的区域图像进行预处理、旋转校正、字符分割和字符识别,实现了对交通标志中字符信息的自动识别.实验验证:该算法能有效地识别交通标志中的字符信息.     

仿射变换在交通标志检测中的应用

将仿射变换应用于道路交通标志识别系统,用以解决场景图中交通标志的变形问题,并通过对交通标志场景图中变形的交通标志进行形状矫正以提高交通标志检测和识别的准确率.在分析交通标志变形情况的基础上,给出了仿射变换在交通标志检测中应用的具体算法.仿真实验表明：采用仿射变换能够快速、有效地矫正交通标志的变形,具有较好的可行性和实时性.     

基于支持向量机的字符编码识别系统

基于支持向量机设计了一种产品字符编码识别系统,该系统通过CCD视觉传感器采集图像信息,经过目标提取、字符分割、编码识别过程,最后输出识别结果.其中,识别过程采用支持向量机作为判别函数分类器,该方法能较好的解决小样本、非线性、高维数等实际问题,并且较传统的神经网络识别方法训练速度更快.实验结果表明,该方法识别率高,可以达到98.3%,并且具有较高的实时性.     

基于梯度方向图像局部增强的车牌定位算法

车牌识别是智能交通系统中的关键技术。而车牌定位是识别的先决工作。本文在定位过程中提出了根据梯度的变化方向，对图像的目标部分增强明暗的对比．克服了图像目标局部灰度变化差异性而引起的二值图像中字符笔划缺失或粘连问题．为车牌定位和字识别提供更为可靠二值图像；     

基于ICA的车牌牌照字符识别系统

介绍了基于ICA(独立分量分析法)的牌照识别系统的字符识别.为了提高字符特征提取的质量,首先通过车牌图像的预处理,然后采用了基于高阶统计信息的特征提取方法,即ICA对车牌灰度图像的字符进行识别.该系统避免了二值化对字符特征的影响,识别方法简单,结果理想.     

认证码字符识别方法的研究

从加强网站安全性的角度,研究认证码字符识别的技术要点.首先,提出预处理算法去除图像中的干扰因素,分割出字符;其次,采用分类器技术对预处理后得到的字符进行识别.实验指出有效的预处理算法和选择合适分类器对于快速准确识别认证码起着至关重要的作用,证实了目前一些认证码在保障网站安全性的同时,尚存在一些漏洞,需要继续完善.     

基于先验知识的单幅图像雨雾去除方法

单幅图像雨雾去除是计算机视觉研究的热点之一,现有的去雨方法往往需根据雨的特性恢复图像,忽视了场景中的雾以及场景深处雨累积的影响。提出了一种新型单幅图像去雨雾方法,设计了一种基于先验知识的三阶段单幅图像去雨雾框架。首先,将深度图作为图像透射率的引导,利用暗通道先验知识对输入图像的低频部分去雾,然后,采用残差网络学习高频雨痕特征,最后,引入条件生成对抗网络（conditional generative adversarial network,cGAN）,对图像局部细节进行精细化修复,cGAN对图像的空间信息和纹理细节更为敏感,能有效恢复去雨雾过程中丢失或未能填补的细节。分别用高质量的合成雨雾数据集和真实数据集进行实验测试,结果表明,本文方法在峰值信噪比和结构相似度上均较基准方法优,能将雾浓度各异和雨分布变化情况下的图像恢复至细节丰富的干净场景图。     

基于迁移学习的自然环境下香梨目标识别研究

为了准确识别自然成熟的香梨果实,使得采摘机能对水果目标进行精确的定位,提出了使用目标检测深度学习网络模型的方法.该模型基于Mask R-CNN,首先通过在Kaggle数据集以及网上爬取并筛选出的9 600张水果图片对Resnet网络进行初步训练,然后在预训练过的Resnet网络基础上加入掩模分支和分类分支训练自然环境下成熟香梨的数据集,最终获得准确识别香梨目标的网络模型.实验结果表明,在同等目标未添加噪声的情况下,在使用水果图片数据集预训练的基础上,图片的平均分割精度为98.02%,这与使用COCO数据集进行预训练相比(精度为93.72%),平均分割精度增加了4.30%.此外,该模型对于被遮挡水果也有着不错的识别效果,在未添加噪声的情况下,被遮挡水果的平均分割精度为95.28%,这与未被遮挡水果的分割精度相比,误差仅增加了2.74%.所以,此模型对于香梨的识别和分割具有很好的鲁棒性.     

基于数字图像处理的车牌定位与识别研究(英文)

研究了车牌图像的特征,车牌定位算法基于车牌图像颜色特征,选取适合的颜色模型进行车牌提取,将彩色车牌图像转化为灰度图像.采用基于矩的阈值选取方法进行图像二值化处理,Hough变换的方法对图像进行倾斜校正,最后对已预处理增强的图像进行Sobel垂直算子边缘检测,用阈值分割出前景,搜索出符合车牌字符特征的候选区域,对候选区域进一步分析得到牌照位置.提出并采用基于PCA-BP神经网络的字符识别算法对车牌进行识别,300ms内车牌字符识别率达97.5%,实验证明,在训练样本较少的情况下,该系统的识别率依然较高.     

支持虚拟场景图形交互系统的设计与实现

在分析SVG特点的基础上,以支持虚拟场景的网络售票系统为例,介绍了SVG在数据驱动图形交互Web业务领域中的应用．在应用系统的原型实现中,提出基于Servlets的代理服务器框架模式,给出代理服务器的基本Servlet结构,实现了SVG图像图形元素的数据驱动．通过服务器存储SVG与JavaScript模板等方式,解决SVG图形元素的重用以及客户端响应的动态生成．     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据，随着高分辨率遥感图像数据的日益增多，迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分，在特征选择上存在一定的局限性。为此，提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network，DCNN）的多尺度神经网络（multi-scale neural network，MSNet）模型，基于残差网络构建了100层编码网络，通过并行输入实现输入图像的多尺度学习，利用膨胀卷积实现特征图像的多尺度学习，设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验，总体分类精度达91.97%，并将其与传统全卷积网络（fully convolutional networks，FCN）方法和基于支持向量机（support vector machine，SVM）的面向对象方法进行了对比，结果表明，本文所提方法分类精度更高，分类结果整体性更强。     

基于网络文本的西溪湿地公园旅游体验要素结构特征分析

将网络文本应用于旅游体验要素结构特征分析的研究还较少.以西溪国家湿地公园为例,携程网的游客点评为文本资料来源,利用内容分析法对点评文本进行旅游体验要素编码及要素评价等级评定,整理出西溪湿地公园的旅游体验要素结构和旅游体验质量评价数据集.在此基础上,运用SNA、IPA等手段深入分析了其结构特征.SNA分析结果显示:该旅游体验结构的整体协调性程度较高;湿地自然景观风貌是结构中最核心的要素;整体结构分化为2个有统计学意义和2个无统计学意义的子群结构等.IPA分析结果显示,各旅游体验要素的表现性得分普遍较高,体现游客的旅游体验评价较高.重要性得分差异较大,表明游客对于旅游体验各要素的感知重要程度存在差异.据此,对西溪国家湿地公园的可持续发展提出了相关建议.     

应用于平扫CT图像肺结节检测的深度学习方法综述

肺癌是一种致死率很高的癌症.通过肺部平扫CT影像检测肺结节对肺癌早期诊断、治疗意义重大.全面介绍了一种革命性的图像识别技术——深度学习方法,在肺结节检测中的应用.首先,横向对比了不同卷积神经网络的结构及其在图像识别上的效果,其次着重分析了不同深度学习方法在训练肺结节分类器上的应用,包括faster-RCNN、迁移学习、残差学习以及迁移学习.还介绍了一些可用的肺部CT影像数据集供读者参考.     

中文文本分割模式获取及其优化方法

文本分割是非结构化文本处理的一个重要预处理步骤,对自然语言处理中的许多任务如自动摘要、自动问答和信息检索等的处理效果具有重要的影响。针对文本分割算法要解决的最根本问题:主题相关性度量和边界划分策略,利用"分割单元"内部具有最大的主题相关性而"分割单元"之间具有最     

用自适应谐振网络进行图像纹理的分类与识别

分析了自适应谐振（ＡＲＴ２）神经网络模型的模式分类能力，并利用该网络来进行图像纹理的分类和识别，对６类自然景物的纹理图片分类和识别的结果验证了方法的有效性，对心脏超声图片的分类也取得一些初步成果．     

虚拟场景中图形化交互组件的深度冲突缓解研究

虚拟场景要求有更自然的交互范式以满足用户需求，图形化范式可作为自然范式的有效补充，目前对图形化范式在虚拟空间中的应用研究较少，在应用时，图形化范式与虚拟场景中的主体物可能存在深度冲突。本文提出一种新的交互范式——SOMRM范式，并以虚拟现实（VR）找不同和增强现实（AR）俄罗斯方块场景为例，对添加光圈模糊和调节组件与被试间距离2种缓解虚拟场景中深度冲突的方式进行了研究。通过分析被试在虚拟场景中执行查看、抓取、滑动等交互任务所需的时间和偏差等数据，从易学性、准确性、易用性、真实性、舒适性等6个维度上比较了2种深度冲突缓解方式。研究结果表明，添加光圈模糊能较好缓解虚拟场景交互中的深度冲突。     

虚拟场景中图形化交互组件的深度冲突缓解研究

虚拟场景要求有更自然的交互范式以满足用户需求,图形化范式可作为自然范式的有效补充,目前对图形化范式在虚拟空间中的应用研究较少,在应用时,图形化范式与虚拟场景中的主体物可能存在深度冲突。本文提出一种新的交互范式——SOMRM范式,并以虚拟现实（VR）找不同和增强现实（AR）俄罗斯方块场景为例,对添加光圈模糊和调节组件与被试间距离2种缓解虚拟场景中深度冲突的方式进行了研究。通过分析被试在虚拟场景中执行查看、抓取、滑动等交互任务所需的时间和偏差等数据,从易学性、准确性、易用性、真实性、舒适性等6个维度上比较了2种深度冲突缓解方式。研究结果表明,添加光圈模糊能较好缓解虚拟场景交互中的深度冲突。     

基于规则的维吾尔语对偶词识别算法研究

维吾尔语对偶词的自动识别是维吾尔语自然语言处理中的一项基础性工作．维吾尔语对偶词的自动识别是维吾尔语自动分词的难点之一,也是一个重点．在维吾尔语中,内部成分平等连接而形成的词汇单位叫做对偶词．本文首先介绍了对偶词的基本概念和特征,然后分析了维吾尔语对偶词的结构特征和结合规则．在字符串匹配算法的基础上,提出了一种基于规则的维吾尔语对偶词的识别算法,并通过试验证明了该算法的正确性．