基于多尺度空间PCNN模型的图像分割算法

运动车辆图像中车牌具有所占比例小、位置不固定和大小不一的特点,因此,对车辆图像分割时车牌区域容易产生过分割与欠分割问题.脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)被誉为"第三代神经网络"并广泛应用于图像分割.在利用PCNN模拟人类视觉的图像分割过程中,由于传统PCNN模型中的连接矩阵使用固定值表示,使得PCNN模型不能满足图像分割时尺度变化的需求.为了解决这个问题,本文提出了基于多尺度空间PCNN模型的车辆图像分割算法,将尺度空间引入PCNN模型,使PCNN模型具有了尺度特性,提高了系统自适应分割车牌图像的能力.     

基于模糊集的车牌提取方法

利用了车牌的颜色特征与纹理特征,提出一种新的基于模糊集的车牌提取方法.该方法用图像颜色对区域检测、颜色对边缘检测、色度峰值统计及密集小边缘增强,使用模糊集算子综合它们的结果,精确提取出车牌.实验结果表明:对在不同条件下拍摄的图像应用本方法,车牌提取准确率达到98.0%.特别地对光照不均、背景复杂的图像,本方法仍具有很强的鲁棒性.     

法语二外中的日常文化教学

在法语二外教学中，教语言的同时要教文化，但文化教授的重点应首先放在日常文化上。对话是法语二外教学的主要形式，因此利用对话教授日常文化对于法语二外的学生而言不失为一种有效的教学手段。     

数字高斯白噪声的频域和时域特性分析

分析了数字高斯白噪声在频域的频谱特性和在时间域的统计特性,提出在数字处理速度一定时,随着输出噪声频域带宽的增加,输出噪声的时间统计特性不再符合高斯分布.通过增加滤波器阶数可以提高噪声的时间统计特性,但是将增加输出噪声的带内波动.通过计算机仿真验证了上述的理论分析,并给出了频域和时域特性都满足相应要求的带宽范围实验值.     

基于机器视觉的钢轨表面损伤检测算法

钢轨表面损伤的检测对于铁路运输安全具有重要的意义.不同类型的损伤具有不同的成因和特征,单一的检测算法针对性和鲁棒性不强,应根据不同的损伤类型提出针对性的检测方法.本文针对鱼鳞纹损伤的规则方向性特征,提出了基于转动惯量等效椭圆的区域方向性计算和基于纵向区域直方图的区域方向性筛选算法;针对踏面剥离裂纹和浅层掉块损伤的呈带状分布的不规则、不连续和多凹陷特征,提出了基于多孔洞区域的骨架提取的检测算法.这两种算法均能有效地检测出相应损伤,为缺陷的分类识别提供参考.     

基于灰度-梯度共生矩阵的钢轨表面缺陷检测方法

根据钢轨表面缺陷的灰度和梯度特征,提出了钢轨缺陷自动检测方法:基于灰度-梯度共生矩阵为模型提取钢轨缺陷的内边缘,其中以最大熵方法自动求取灰度-梯度二维阈值向量,利用形态学方法对分割后的二值图像进行后期处理,有效区分正常轨面、缺陷区域、阴影和干扰区域.实验表明:本方法能较好地对钢轨表面缺陷进行检测.     

基于脸部检测和Fuzzy ART的乘客检测算法

研究了小汽车内的乘客检测和计数的方法,提出了一种基于脸部检测和Fuzzy ART神经网络的算法.采用光照校正、基于亮度补偿的椭圆肤色模型检测算法和数学形态方法以分割汽车内部的人脸区域和背景区域,使用Fuzzy ART神经网络分类器对脸部区域进行计数.在正常白天天气和光照条件下,该算法能够有效地检测出运动车辆中乘客的数量.