自然图像抠图技术综述

着重对近几年自然图像抠图研究新进展进行综述,针对近年来基于启发式优化的抠图研究以及基于深度学习的抠图研究新成果对抠图研究工作进行重新分类和梳理,分析不同类型自然图像抠图研究主要的方法并整理其中的关键问题,介绍常用的自然图像抠图评价指标。最后通过实例分析总结了当前自然图像抠图研究面临的挑战,并对未来的研究前景进行了探讨。     

基于改进BP网络在车牌字符识别中的应用

本文研究针对传统神经网络在字符识别存在识别准确率低、效率低的问题,提出了一种基于误差反向传播的人工神经网络算法（BP神经网络算法）。该算法首先对字符图像进行归一化处理,然后对字符进行特征提取,采用PCA主成分分析对Gabort提取的特征进行降维处理,将提取字符特征输入到BP神经网络进行学习和识别,并采用动量因子和自适应学习速率对BP神经网络进行改进,加快其收敛速度,从而提高识别的实时性。     

基于数字图像处理的车牌定位方法研究

针对复杂背景的车牌定位问题,提出了一种二值图和纹理方向图相结合的车牌定位方法。采用GaussainHermite矩和方向场对原图像进行计算,从而得到纹理方向图;然后结合二值图和方向图通过查找边缘信息的方法确定车牌区域及候选区域;最后使用改进的区域标记法准确的定位车牌。实验证明此种方法定位效果好。     

一种基于图论的图像分割算法

针对图像分割应用中阈值难以确定的问题,提出一种基于图论的图像分割算法。利用二维高斯分布函数给出边权重函数的动态自适应系数,结合区域间、区域内的相似度函数定义差距函数,得到适合区域合并的动态判定函数。实验结果表明,与其他算法相比,该算法的图像分割效果较好,花费时间较少。     

基于在线学习的阴影消除算法

针对在智能监控中,因为光照产生的阴影会后期信息处理和决策问题,提出了一种基于在线学习消除阴影的新算法。首先对视频设备图像转成矩阵,对矩阵进行SVD运算获得相应的特征基,在特征基上按照二类分类器思想将其化为二类最优化问题求解,通过在线学习产生非阴影和阴影类之间的分界系统,如果在置信区间,这样就可以直接将阴影类直接消除,否则更新直到非阴影和阴影类划分在置信区间为止。通过实验证明,该算法具有较好的自学习性和适应性。     

连续型进化算法首达时间分析的更新理论模型

连续型进化算法首达时间上界研究中需要较强的前提假设且较少关注其下界.文中引入鞅论和更新过程,结合瓦尔德不等式以及更新定理,提出基于增长率的更新理论模型,用于估计进化策略(Evolution Strategies, ES)平均首达时间的上界和下界.更新理论模型依赖算法的初始种群以及增长率概率密度函数,这为进化策略的首达时间分析提供估计优势.为了验证文中更新理论模型,首先计算带均匀变异(1,λ)ES在二维倾斜平面问题上的平均首达时间,得到(1,λ)ES种群规模与时间上下界之间的关系闭合表达式,并且验证平均首达时间与种群规模之间并非负相关.再计算带均匀变异(1,λ)ES在五维超平面问题上的平均首达时间,得到理论计算的上下界闭合表达式.数值实验表明,理论计算的上界和下界与实际运行平均首达时间一致,这为分析进化策略的首达时间提供一种理论工具.     

基于方向场的计量刻度线倾斜校正

为了克服牛奶瓶刻度的倾斜给字符分割与识别带来不便的问题,本文提出了一种基于方向场的计量刻度倾斜校正方法。该方法利用刻度线的特征,利用sobel算子计算梯度方向场,进而求出水平倾斜角度和垂直倾斜角度,然后按所得夹角再加上双线性插值进行旋转校正。实验证明,这种方法具有较强的可行性和有效性。