彩色汽车牌照的定位方法

基于颜色和纹理综合特征的车牌定位方法,通过色彩空间变换、色彩分割,牌照区域定位及去除伪车牌区域等步骤进行车牌特征分析.其在HSV空间中进行色彩分割,运用数学形态学处理,采用闭运算,形成连通域.通过连通域分析车牌区域,再根据其几何和空间频率特征,设计相关评判标准.经实验验证,符合该标准的即为车牌区域.     

时变滑模变结构与智能模糊结合的非线性系统控制

时变滑模变结构与智能模糊结合的非线性系统控制,先采用时变滑模变结构控制,通过设计动态滑模面,系统的任意初始状态一开始就处于系统的滑模面上,使系统对内部参数变化和外部干扰均具有全局鲁棒性.然后设计智能模糊控制器,使整个系统的鲁棒性在线调整,不仅增强了全局抗干扰能力,而且有效消除系统的抖振现象.     

基于蚁群算法的交叉路口多相位信号配时优化

针对城市道路交叉口的交通流特性,提出一种交叉路口多相位配时的TSP模型,采用新的优化算法——蚁群算法（ACA）来优化交叉路口多相位配时信号,并以每周期内交叉路口车辆总延误最小作为性能指标进行仿真实验。实验表明：在相同的时间和车辆到达率的情况下,采用蚁群算法优化相位和绿信比的配时方法明显优于定时配时方法,也优于定相位优化绿信比的配时方法,降低了交叉口的车辆延误,提高了通行能力;且该算法的求解速度快,稳定性好。     

一种改进的混合高斯背景模型

针对经典混合高斯模型无法识别静态目标的问题,提出一种改进算法。通过加入了参数还原算法,并引入一个反馈调节环节,可以避免静态前景被学习进入背景。当目标停留超过预定帧数时,目标所覆盖的每个像素点的K个高斯函数进行参数还原,避免了目标被更新为背景的一部分。实验结果表明,提出的改进模型,不仅能检测长时间静止目标,而且能识别多模态背景。     

粗糙语义引导的同时预测前背景的透明度图估计算法EI北大核心CSCD

针对抠图算法中的“溢色”现象,提出一种同时预测前景、背景和透明度图的算法,并设计了一个结合粗糙语义的自动抠图网络.该算法包括2个阶段:粗糙语义生成阶段和同时预测前背景的抠图阶段.在粗糙语义生成阶段,利用语义分割网络得到中间结果,再通过一个粗糙语义信息融合模块,在多个尺度上对语义信息进行粗略估计;在抠图阶段,利用一个编码器-解码器结构的神经网络对粗糙的语义信息进行编解码,最终得到前景、背景和透明度图的预测.上述2阶段网络可以更加准确地提取出前景物体,得到的透明度图可直接应用于影视特效、图像处理等下游任务.在Adobe数据集和Distinction-646数据集上的实验结果表明,所提算法的绝对误差和分别为42.5和50.3,梯度误差分别为27.1和28.0;抠图的细节也更为准确.