基于能量增强的运动车辆车标的“四阶段法”定位技术研究

基于视频图像的运动车辆识别系统主要是由汽车牌照识别和汽车类型识别两大核心技术构成,它在智能交通领域中有着广泛的应用,同时也是计算机视觉、图像处理和模式识别等交叉学科研究的热门课题,运动车辆车标定位是车辆类型识别的核心技术之一,提出了基于能量增强的运动车辆车标定位的"四阶段法"的概念,介绍了运动车辆车标定位的方法和关键技术,对不同天气状况下不同类型的运动车辆进行了车标定位实验,实验结果表明该方法具有较强的科学依据和实用价值.     

伴内心三角形的一组优美不等式

定理　设△ ABC与其伴内心△ A′B′C′的边长分别为 a,b,c与 a′,b′,c′;外接圆半径分别为 R与 R′;内切圆半径分别为 r与 r′;半周长分别为 s与 s′;面积分别为△与△′.则有　△′≤ 14△　 ( 1 )　　　 R′≥ 14R ( 2 )　 s′≥ 12 s ( 3) r′≤ 12 r ( 4)等式成立当且仅当△ ABC是正三角形 .笔者在文 [1 ]中建立了不等式 ( 1 ) ( 2 ) ,今另辟蹊径建立了不等式 ( 3) ( 4) ,先介绍 :引理　 (第二届友谊杯国际数学邀请赛试题 )设 a,b,c都是正数 ,则a2b c b2c a c2a b≥ a b c2 . ( 5)证明　由伴内心定义 ,AC′C′B=ab…     

正交变换在图像压缩中的应用

用矩阵表示图像,构造正交均值差分变换矩阵,对原始图像进行正交变换,进一步取阈值,仅存储绝对值大于阈值的系数,获得数据压缩.解压缩过程只需作逆均值差分变换.最后将该算法分别应用于灰度和彩色图像的压缩处理,结果验证了算法的有效性.由于算法中所有变换都通过矩阵运算处理,且意义直观明了,故该算法是大学线性代数教学中一个非常好的应用案例.     

图像识别在民机机体表面维修中的应用研究

在民机机体表面维修领域中,飞机蒙皮损伤检测是非常重要的环节.首先采集飞机蒙皮表面损伤图像,将采集到的图像分为裂纹和腐蚀损伤图像并完成图像预处理工作;为了获得有效准确的特征数据,采用一种结合主成分分析法和形状特征提取的特征提取方法;最后采用支持向量机分类模型进行分类识别,通过选择高斯径向基核函数和合适的惩罚因子,从而对蒙皮损伤类型进行精确分类识别.实验结果表明,该方法能够精确地完成分类识别工作,损伤识别准确率达到95%,满足飞机蒙皮损伤日常检测与维修的需求.     

基于监控视频的前景目标提取

对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(Bayesian RPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有Bayesian RPCA和MoG-RPCA提取出了完整的前景目标,但是Bayesian RPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.     

数字图像处理技术在客观题阅卷中的应用

针对光电式阅卷机价格昂贵,使用成本高,设备利用率低、维护困难的缺点,介绍了一种采用数字图像处理技术,分析、理解答题卡图像,正确提取考试信息,结合数据库技术实现智能阅卷和成绩统计的新方法.首先对答题卡图像进行纠斜、定位、分割等预处理,然后通过比较答题卡图像中各选项的平均灰度值大小,不仅能识别出正确选项,而且能识别出错选、重选、漏选等选项.实验表明用此法实现客观题阅卷具有硬件价格低,使用成本低、设备利用率高、无需维护、阅卷速度快的优点,具有极大的推广应用价值.     

复杂背景下运动车辆车标定位与识别方法

目前关于运动车辆识别技术主要为基于图像处理的车牌自动识别技术,该技术主要适用于在简单背景下运行的单一车辆的牌照识别,对于在复杂背景下运行以及车牌被更换的运动车辆的车牌识别误差较大.为了弥补车牌识别技术在进行车辆识别时的不足,提出了一种复杂背景下运动车辆车标定位与识别方法.     

电力巡检中绝缘子缺陷问题研究

针对电力巡检中由于无人机航拍绝缘子图像尺寸大,导致小目标检测难的问题,提出一种结合滑动窗口和主流神经网络的改进算法,对大尺寸图像中绝缘子串珠的分割以及缺陷区域的定位进行研究.在绝缘子串珠分割问题上,采用滑动窗口结合Mask R-CNN神经网络算法进行图像分割;在绝缘子缺陷检测问题上,结合滑动窗口和非极大值抑制算法对Yolo-v4神经网络进行改进,提高绝缘子缺陷区域小目标检测的精度.实验结果表明,分割所得绝缘子串珠掩膜图与标准掩膜图的相似度(Dice系数)为85.68%,与人工标记的绝缘子区域相比达到更高的相似度,绝缘子缺陷定位的平均精度均值(mean AP)为94.88%,与真实数据相比,平均重叠度为86.93%.     

基于随机谱聚类的图像分割算法

图像分割就是把感兴趣的区域从背景中分割、提取出来,为了使分割出来的图像特征信息完整,根据图像的灰度值和空间距离构造了一种相似度函数,得到基于图的灰度值的相似度矩阵,将图像分割转化为图论最小割问题,然后运用谱聚类算法进行分割.针对谱聚类算法运行所需的内存空间和运算量大的特点,提出一种考虑概率因素的随机抽样谱聚类算法.在具体实施时,为了减少背景噪声对分割结果的影响,对图像进行了滤波预处理.结果表明,算法稳定性好,相对现有算法,分割效果得到改善.     

基于贝叶斯分层混合模型的大脑FMRI图像分割

功能性磁共振成像(FMRI)是通过探索神经元活动的生物特性来揭示大脑功能的空间和时间信息的神经影像技术,自问世以来迅速应用于医学和脑神经科学的研究。本文针对目前大脑FMRI图像分割方法必须事先给定分割数目的问题,将完备数据似然方法、分层先验和可识别先验引入混合模型,建立一种对先验弱依赖的贝叶斯分层混合模型,采用可逆跳马尔可夫链蒙特卡罗算法对模型参数进行估计,实现在可变维参数空间的跳跃式抽样。对人类大脑FMRI图像的实例分析中,抽样得到的组织成分数与图像强度特征相一致,抽样分割结果图与原始图像相吻合。数据分析结果说明,贝叶斯分层混合模型方法能较好地体现FMRI图像的实际特征,实现大脑FMRI图像的自动分割     

A memetic-based fuzzy support vector machine model and its application to license plate recognition

In this paper, a novel fuzzy support vector machine (FSVM) coupled with a memetic particle swarm optimization (MPSO) algorithm is introduced. Its application to a license plate recognition problem is studied comprehensively. The proposed recognition model comprises linear FSVM classifiers which are used to locate a two-character window of the license plate. A new MPSO algorithm which consists of three layers i.e. a global optimization layer, a component optimization layer, and a local optimization layer is constructed. During the construction process, MPSO performs FSVM parameters tuning, feature selection, and training instance selection simultaneously. A total of 220 real Malaysian car plate images are used for evaluation. The experimental results indicate the effectiveness of the proposed model for undertaking license plate recognition problems.     

基于DCT变换的车牌定位算法

车牌定位技术是车牌识别技术中最重要的部分,利用车牌图像在DCT域的水平和竖直能量值对图像进行进一步二值化处理,通过中值滤波和小区去除定位车牌.实验结果表明这种车牌定位方法具有算法实现简单、速度快、适应性强的特点.     

基于数学形态学与Radon变换的车牌定位法

从粗定位和精定位方面考虑车牌定位.利用腐蚀、膨胀和差运算将RGB车牌图像转换为车牌图像位置为彩色的而其余位置是灰色的图像,将所获得的图像转化为灰度图像,利用Robert算子进行边缘检测,再进行腐蚀和膨胀运算,根据阈值获得连通区域,利用颜色特征实现车牌的粗定位.将粗定位后的图像进行二值化、差运算、Radon变换,再进行腐蚀运算,图像的填充等步骤,再考虑图像的上下左右边界实现车牌的精定位,对185幅车牌图像进行定位.通过实验,车牌定位准确率达到91.89%.说明所提出的方法简单易行,具有一定的实效性.     

基于旋转变换和鲁棒主成分分析的车牌校正方法

本文研究了受到非高斯噪声污染及边框信息不完整的车牌图像校正的问题.利用鲁棒主成分分析与旋转变换结合的方法,获得了更具普适性的车牌矫正方法.并通过与主成分分析法、旋转投影法的矫正结果相比较,推广了本文方法具有更好的鲁棒性和普适性的结果.     

一种快速有效的混合倾斜车牌校正方法

车牌倾斜校正是车牌识别系统中的一关键技术,校正效果将直接影响到后续字符分割和识别的效果.为此,提出了一种快速有效的混合倾斜车牌校正方法.水平倾斜校正时,先进行Sobel垂直边缘检测算子提取字符的有效数据点,构造有效数据点矩阵,然后进行矩阵奇异值分解,利用特征向量矩阵导出车牌水平倾斜角度的表达式;垂直倾斜校正时,首先通过Sobel垂直和水平边缘检测有效去除边框及上下左右噪声干扰区域,然后通过形态学腐蚀提取有效反映字符水平错位的有效数据点,其次将这些有效数据点水平投影分成七个字符区域,求取每个区域错切变换后的最佳列坐标质心对应其区域垂直倾斜角,最后取区域垂直倾斜角的均值作为车牌的最佳垂直倾斜角.对大量复杂背景下的倾斜车牌进行实验,并做了精确度、运行时间、抗干扰性分析,实验结果表明:提出的混合倾斜校正方法精确度高、运行时间短、抗干扰性强.     

车牌识别机器学习方法的数学建模与实现

首先,针对不同光照、复杂背景和投影失真的车牌图像建立基于Adaboost算法和改进Haar特征的车牌检测模型;然后,运用Radon变换进行车牌校正,并结合3次B样条小波变换和识别反馈模型对字符进行粗和精分割;最后,根据汉字和数字字母的不同结构特征,采用不同的算法提取特征,特别是针对车牌字符特点,训练汉字、字母和数字字母3种神经网络模型用于建立字符识别模型.实验结果表明该模型是实用的.     

二阶可加混料模型稳健D-最优设计

本文研究了在给定两个随机模型先验测度r下的q分量二阶可加混料模型稳健D-最优设计。依据Kiefer次序下完备集的结果且结合稳健D-最优准则,给出了二阶可加模型稳健D-最优的相关理论,并得到了四分量可加模型稳健D-最优ξα_r~*=α_r~*ξ_1~*+(1-α_r~*)ξ_2~*,且利用等价性定理证明了ξα_r~*为稳健D-最优设计。同时基于α_r~*与先验测度r的关系,介绍了先验测度r选择的效率最大最小原则,得到了四分量二阶可加模型的最优先验测度r~*,且比较了四分量二阶可加混料模型稳健D-最优设计与D-最优设计的效率。     

基于模板匹配的车牌数字与字母识别

车牌的字符识别是车牌识别的重要组成部分.我国的车牌由7个字符组成,除第一位为汉字外,其余均为字母和数字字符,所以提高数字与字母识别率在车牌字符识别中占很重要的地位.通过模板匹配的方法对车牌的数字与字母字符进行识别.选择了两个判别函数,一个是求取模板、待识别字符与运算结果的标准差的最小值,另一个是求取运算结果与模板比值的最大值.并对两个判别函数的识别结果进行了比较,求标准差最小值在总体识别结果上比求比值最大值的识别结果要好,但在个别字符的识别上,求取比值最大值的识别结果要高于求取标准差最小值的识别结果.     

A new modified panoramic UAV image stitching model based on the GA-SIFT and adaptive threshold method

This paper presents panoramic unmanned aerial vehicle (UAV) image stitching techniques based on an optimal Scale Invariant Feature Transform (SIFT) method. The image stitching representation associates a transformation matrix with each input image. In this study, we formulate stitching as a multi-image matching problem, and use invariant local features to find matches between the images. An improved Geometric Algebra (GA-SIFT) algorithm is proposed to realize fast feature extraction and feature matching work for the scanned images. The proposed GA-SIFT method can locate more feature points with greater accurately than the traditional SIFT method. The adaptive threshold value method proposed solves the limitation problem of high computation load and high cost of stitching time by greater feature points extraction and stitching work. The modified random sample consensus method is proposed to estimate the image transformation parameters and to determine the solution with the best consensus for the data. The experimental results demonstrate that the proposed image stitching method greatly increases the speed of the image alignment process and produces a satisfactory image stitching result. The proposed image stitching model for aerial images has good distinctiveness and robustness, and can save considerable time for large UAV image stitching.