一种数字仪表显示值识别的预处理算法*

首先使用一种综合多帧差异积累、形态滤波和Sobel边缘检测的方法实现了数字区域的准确定位分割,然后采用基于局部门限处理的方法,解决了图像亮度分布不均的二值化问题,最后运用连续子集迭代分割算法实现了粘连和断裂数字的准确切分。     

新的文本图像倾斜检测及校正算法

在文档扫描过程中,文档可能会发生倾斜,而很多字符识别和布局分析算法都对倾斜十分敏感,文本图像的倾斜检测及校正就成为文档分析不可缺少的环节.提出了一种新的倾斜文本图像的校正方法,该方法首先获取文档图像的bounding box,以bounding box面积最小作为倾斜校正的最终目标,并使用遗传算法搜索该最小值.实验结果表明,该算法对倾斜角的检测具有较高的精确度.     

HTML5新输入类型及其对RIA界面效率支持研究

HTML5新增了13个新的表单输入类型及浏览器内置的表单验证功能为RIA Web应用提供了更好的支持.文中以典型的RIA开发平台Visual WebGui为参照基础,对HTML4和HTML5在实现表单输入和表单输入验证的代码简易度进行了研究.根据Visual WebGui应用程序在客户端产生的HTML4文件和脚本文件,得到了HTML4和JavaScript实现这些表单输入类型及其验证所需要的代码字符量,与HTML5实现这些表单输入类型及其验证所需要的代码字符量作比较,并据此得出HTML5新的表单输入类型极大地提高了RIA的客户端代码生成及客户端执行效率     

无线传感器网络MAC协议的性能改进研究

在无线传感器网络中,MAC协议决定着网络的信道分配,对网络的性能有很重要的影响。目前已研究出多种S-MAC协议,其中S-MAC协议是一种典型的无线传感器网络MAC协议,但此协议存在一定缺陷,无法更好地适应传感器网Jj络多变的特点。针对该问题,在S-MAC协议的基础上,结合了自适应退避窗口和根据节点队列长度预测流量的思想,提出了一种新的协议-Q-MAC协议,并达到了较为理想的预测效果。经NS2仿真验证,此协议在平均延迟、吞吐量、能量消耗方面较S-MAC协议有了显著提高。     

使用非均匀量化的Hough空间进行直线段检测

分析图像中最近邻直线间距离和夹角的非均匀性,得到这两个参数与线段方向和长度的相关关系,并由此提出了非均匀量化Hough空间的直线检测算法NUHT (Nonuniform Hough Transform).实验结果表明,NUHT在不降低运算效率的情况下,有2倍于标准Hough变换SHT (Standard Hough Transform)的直线段检测能力,同时误报率低于SHT的1/2.     

指针式仪表读数识别系统研究

介绍了一个指针式仪表自动读数识别系统.首先对仪表图像进行预处理操作;然后利用减影法提取指针图像;最后根据仪表指针变化趋势特点,提出应用于仪表指针读数识别的快速Hough法对指针进行识别,通过限制搜索范围降低Hough计算量.实验结果证明,该方法能在很大程度上提高系统实时性,比传统标准Hough方法时间快2～3倍.     

间隔值辅助的SMO算法改进研究

顺序最小优化（SMO）算法是现今求解支持向量机（SVM）的最优秀算法之一,其效率直接影响到SVM的训练效率。为提高SVM的训练效率,提出了一种间隔值辅助的SMO改进算法。通过一定量的经验性实验,统计总结出了间隔值随迭代次数变化的规律,即该变化呈铰链函数形态,起始阶段下降很快,经过一小段缓慢变化期后进入间隔值几乎无变化的水平区域。由此,提出并实现了SMO改进算法,通过跟踪间隔值随迭代次数的变化率,待越过拐点一小段时间后终止算法以缩短SVM训练时间。对比实验以及k分类的交叉验证（k-CV）证明,改进后的SMO算法在保持原有算法的模型预测能力的基础上,能够产生至少45%的效率提升。     

二维手绘形状的Spline拟合及角点检测方法

通过二维输入设备采样获得的手绘形状数据为离散的点,这些数据只有当被以某种数学形式表示时有更多的实际意义,Spline即是一种常用的表示形式.本文对手绘形状数据进行了参数化,在此基础上进行了Spline拟合.然而将一个手绘形状中的全部点序列进行Spline拟合时会使尖状角点被平滑,因而使手绘形状的这一重要特征发生了偏离.为此, 本文对一次拟合的Spline进行曲率计算, 求取曲率的极大值, 并将极大值作为角点将采样点进行分段, 然后对分段后的采样点进行二次Spline拟合.实验结果表明,这种方法在获得平滑效果较好的手绘形状的同时,保留了重要的角点特征.     

一个手写字符采集系统的设计与实现

以手写板为依托,设计了一个手写字符采集系统.该系统从多个方面对采样数据进行预处理,如位置调整,噪声点去除,定时精度等.针对采样的数据进行优化处理,使其更好的服务于实验.最后,介绍了如何对已采集的手写笔迹样本进行复原,即从保存的坐标数据还原为手写的笔迹,有助于更好的评估手写采样的效果.