基于扫描枪的字符二维条码识读算法研究

不同于传统的图像二维条码,字符二维条码由字符组成条码矩阵.字符二维条码可通过扫描枪获取后,因其结构不同于传统图像二维条码,需对字符二维条码进行定位、分割以及字符识别.在扫描枪有限的内存空间和运行速度限制下,开发了字符二维条码的识读算法.提出了基于圆定位符的字符二维条码定位算法,对条码字符进行投影分割后,采用基于特征融合的识别方法实现了字符识别.实验表明:种字符二维条码识读算法能够很好地运行在扫描枪上,快速、准确地实现字符二维条码的识读.     

参数自适应的条件随机场视频分割方法

针对已有算法需要采用一系列参数经验值得到最优视频分割结果的问题,提出根据视频特征自适应地计算视频邻域关系的特征强度函数,构造参数自适应的条件随机场视频分割模型。算法的核心思想是采用视频中像素之间的邻域关系自适应计算各个模型的特征函数,通过条件随机场模型对这些特征能量函数进行约束并利用Gibbs采样算法对该模型进行求解,获得全局优化的分割结果。针对不同环境下的视频分割实验表明,该算法能够很好地逼近最优经验参数所得到的视频分割结果,从而避免定义经验值所导致的算法局限性问题。     

同异反网络计划中工序时间的专家意见综合法

同异反网络计划方法是一种新的网络计划技术，它能表达和处理网络计划中出现的随机、模糊、不确知和中介等多种不确定性及突发性，比传统网络计划方法有许多优点且更加符合实际。给出了当同异反网络计划中各个工序工时初步确定以后，在不同情况下综合专家评审意见，形成网络计划中实际使用的工序工时计算方法，实例显示，该方法具有实际应用价值。     

复杂背景PDF417解码相关技术的研究

本文研究了PDF417二维条码解码的相关技术,涉及了条码在复杂背景下的准确定位,条码行数的准确确定,条码列数的准确的确定,以及每个码字的准确位置的确定。定义了一些数据结构来记录相关重要的信息。     

邻域自适应的三维点云滤波算法

针对现有的点云滤波算法存在的精度丢失和收缩的不足,提出邻域自适应选择的算法,有效地改善了点云滤波中丢失精度的问题.算法首先针对原始点和均值点滤波出现的收缩问题,提出混合增采样策略.其次采用邻域自适应选择保持特征部分的滤波精度.最后定义每个采样点以对应的似然函数,并按照其梯度方向进行迭代,通过最大似然估计得到最优滤波结果...     

基于灰度合成的图像素描效果生成算法

提出一种采用灰度合成的图像素描效果快速生成算法,实现真实感图像的艺术化生成.不同于已有算法只是利用经典的边缘检测方法来提取图像的边缘特征,本算法通过灰度信息分布来控制素描图像的细节特征,通过灰度合成得到图像边缘特征的加强和柔化,形成素描效果.算法首先得到输入图像的灰度反色图,并对其进行高斯模糊滤波,平滑边缘特征.然后采用灰度合成将滤波后的反色图和输入图像的灰度图进行合成,并同时起到对混合的图像的亮度进行自适应调整的作用,形成图像素描艺术风格.实验结果表明,算法在突出边缘特征的同时,能够较好地保持输入图像的细节特征,并实现素描效果.     

基于优化遗传算法的智能组卷系统研究

智能组卷技术是计算机无纸化考试系统中一项必不可少的重要技术,而改进组卷算法和提高组卷质量已成为当前的研究热点.重点分析研究组卷算法,通过建立组卷数学模型,结合遗传算法理论解决考试系统中的智能组卷问题.在选择算子中采用适应度排序在前一半的个体进入下一代的繁殖;在交叉算子中采用最优保持策略;在成卷前调整试卷知识点的分布.使组卷算法在不同的要求下都能得到较为满意的效果.智能组卷在通用计算机考试系统建设中具有较高的应用价值.     

引入差分图像具有多重特性的图像分割模型

大多数经典活动轮廓模型只具有某些方面的优势,不能同时满足处理复杂图像的要求,对此提出一种具有多重分割特性的分割模型.模型通过引入差分图像,将差分图像的BGFRLS模型作为全局控制项,以保证模型能够最大限度地检测到所有的目标边缘;其次,将长度项设为局部项,使得分割进一步精确化,并将Li方法中的惩罚项加入到模型中,避免了重新初始化水平集函数,提高了分割效率;最后,模型在全局控制项和局部控制项之间引入了自适应权值,避免了过多的参数设置.通过上述方法使得模型具有如下优点:1)具有更强的全局分割性;2)可以分割灰度不均匀的图像,而且能够有效地检测出虚弱目标边缘;3)算法具有一定鲁棒性,能够克服一定噪声.实验表明,该模型在保证分割效率的前提下可以分割灰度不均匀的图像,而且能够有效检测出虚弱目标边缘,此外还具有更强的全局分割性,并能抵御一定噪声.     

基于在线多示例提升随机蕨丛的目标跟踪

为了实现在光线变化、目标形变及背景复杂环境下健壮有效的目标跟踪,提出一种基于在线多示例提升随机蕨丛的目标跟踪方法,通过无限冲激响应（IIR）滤波器实现随机蕨丛分类器的在线增量学习,构建在线随机蕨分类器池,并在在线多示例提升框架下对在线随机蕨进行更新和选取,生成在线多示例提升随机蕨丛分类器,利用该分类器对目标候选区域的采样进行分类以确定目标位置,同时构造正例和负例训练集进行在线增量更新。实验结果表明,复杂环境下,算法具有良好的目标跟踪稳定性。