二维直线型Renyi熵阈值分割方法

考虑到噪声对图像的影响,提出了二维直线型Renyi熵阈值分割方法,由于二维方法的运算量太大,给出了二维直线型Renyi熵方法的快速递推公式。实验表明,对于噪声图像二维直线型Renyi熵阈值法可以获得比传统二维Renyi熵更好的分割结果。     

基于遗传算法的车道线识别

与传统的经过图像处理的识别方法不同,利用CCD采集的道路灰度图像,采用抛物线模型作为目标函数去拟合车道线,应用遗传算法对抛物线参数进行优化,通过二进制编码、多点交叉及变异等遗传过程,得到各个参数的最优解,从而识别车道线.试验结果表明,本方法能有效消除复杂环境下噪声的不良影响,准确识别车道线,大大提高了识别的实时性.     

边缘检测识别道路边界时消除标识线干扰的图像处理方法

针对通过对道路图像进行边缘检测来识别道路边界时道路中道路标识线的边缘特征对判断造成干扰的问题,提出了一种处理图像的方法.该方法基于边缘检测算法检测到的边缘对道路的灰度图像进行逐行处理,通过对该行中边缘通过的点附近的灰度值进行判断和修改来降低道路标识线的边缘特征,同时保留道路真实边界的边缘特征.在该方法基础上搭建了基于边缘检测的道路边界识别系统并对方法进行检验,使用130余张道路图片作为输入,验证了方法的有效性和实时性.实验结果表明,该方法能有效消除道路标识线对基于图像边缘检测的道路边界检测方法的干扰.     

基于肤色和边缘轮廓检测的手势识别

本文采用视频图像处理技术进行人手识别,利用肤色分割和Freeman链实现边缘轮廓的提取.本算法可快速、高效地识别几种基本手势.利用序列图像特征性进行机器人导航.     

基于图像质量分析与多角点融合的车道线识别算法

为了解决车道线识别中环境因素影响图像质量的问题,提出了一种基于图像质量分析与多角点检测融合的车道线识别算法。通过设计基于灰度与频域的图像质量分析函数,建立多阈值判断机制,确保图像中包含所有的车道线且清晰度达标。在此基础上融合多角点特征,对车道线特征点进行定位。基于OpenCV开源函数,实现车道检测算法,采用C#语言完成系统界面开发,并安装于实验平台进行测试。测试结果显示,在实际场景中,此车道识别系统具有较高的识别准确度。     

基于实例分割的复杂环境车道线检测方法

针对基于语义分割的车道线检测方法存在的特征表述模糊、语义信息利用率较低的问题,采用实例分割算法,提出基于改进混合任务级联（HTC）网络的车道线检测方法. 基于HTC网络模型,在主干网络中引入可变形卷积,提升主干网络对复杂环境中车道线特征的提取能力. 改进特征金字塔网络结构,在特征金字塔网络的基础上添加自底向上的低层特征传递路径,引入空洞卷积,在不损失车道线特征信息的情况下增加特征图感受野,利用低层特征中所包含的车道线的精确定位信息,提高车道线的检测精度. 实验结果表明,改进HTC网络模型可以实现车道线特征的鲁棒提取,在复杂道路环境中可以获得较好的检测性能,有效提高了车道线检测精度.     

基于Beamlet和K-means聚类的车道线识别

为了解决视频车道线识别中抗噪性差和鲁棒性低的问题,本文提出了一种基于新的特征提取和分类的快速车道线识别算法。算法首先对预处理后的灰度图像进行改进的Beamlet变换,然后对Beamlet的中点集合运用改进的K-means方法进行聚类分析;最后对每类中的中点集合分别进行基于三阶贝塞尔曲线的RANSAC拟合后可以准确地提取出车道线。本文通过简化Beamlet词典与快速提取Beamlet基,加快了Beamlet变换的计算速度;通过寻找最佳投影线与多次迭代聚类中心来改进K-means聚类,解决了曲线车道线和车道线数目的聚类问题。实验证明,对于结构化或非结构化的道路环境,本文算法的都具有很好的可靠性、实时性和鲁棒性。     

基于数学形态学的图像边缘提取方法

提出了一种基于数学形态学的灰度图像边缘提取方法,并进行了仿真实验。实验结果表明,该方法不仅具有较好的去噪和边缘提取能力,而且算法简单易于实现,运算速度快。     

LaneAr：基于编解码实例分割的车道线检测方法

车道线检测在自动驾驶中有着重要的作用。在对道路图像进行检测时,一般的编解码网络在进行图像分割的精度不高。构建一种LaneAr编解码体系结构的车道线检测算法,在编码器部分采用深层的残差结构与不同尺度的空洞卷积结合扩大感知域,同时利用批归一化BN(Batch Normalization)捕获到图像中的车道线语义信息,在获取到编码特征图时利用提出通道注意力机制增强语义特征提取效果,最后再通过多次上采样进行解码恢复到与输入图像相同的像素。实验表明,LaneAr模型在tusimple数据集进行车道线检测的实验其准确率能达到97.82%,同时对复杂场景下的道路环境的车道线检测效果也比较显著。该方法在进行车道线检测时的精度上优于现阶段的其他编解码方法。     

基于信息融合的车道检测算法

提出了一个基于图像区域分割和边缘检测信息融合的车道检测算法,首先在HSV颜色空间内进行基于区域的分割,得到车道边界的模板;接着将车道边界模板和道路边缘检测结果进行操作,得到车道边界点;最后对车道的边界点使用Hough变换进行处理,得到车道的方向和位置.算法将基于区域分割的信息和边缘检测的信息相互补充,提高了车道边界提取的精度.仿真实验结果表明,对于多种复杂的道路环境算法都可以鲁棒的检测出准确的车道.     

基于相对条件熵的搭配抽取方法

针对以往研究将搭配视为词项的简单并置，而没有考虑词项间的倾向性的问题，提出了一个基于相对条件熵的搭配倾向统计模型，衡量中心词对上下文同现词的依赖程度。此外，加入语言学启发式规则，利用词性过滤器和滑动窗口的方法识别搭配边界，最终形成了在开放语料库环境下的搭配抽取方法。该方法具有很强的解释性，有效地揭示了搭配构成的内在机理。经过证明，搭配倾向强度可以解释为由方向修正的互信息。     

New Individual Identification Method of Radiation Source Signal Based on Entropy Feature and SVM

In this paper, according to the defect of methods which have low identification rate in low SNR, a new individual identification method of radiation source based on information entropy feature and SVM is presented. Firstly, based on the theory of multi-resolution wavelet analysis, the wavelet power spectrum of non- cooperative signal can be gotten. Secondly, according to the information entropy theory, the wavelet power spectrum entropy is defined in this paper. Therefore, the database of signal＇ s wavelet power spectrum entropy can be built in different SNR and signal parameters. Finally, the sorting and identification model based on SVM is built for the individual identification of radiation source signal. The simulation result indicates that this method has a high individual＇ s identification rate in low SNR, when the SNR is greater than 4 dB, the identification rate can reach 100%. Under unstable SNR conditions, when the range of SNR is between 0 dB and 24 dB, the average identification rate is more than 92.67%. Therefore, this method has a great application value in the complex electromagnetic environment.     

基于最大熵方法的评论信息抽取方法

基于目前互联网的信息与日俱增而用户评论信息利用度很低的现状,提出了一种基于最大熵分类器进行评论信息抽取的方法,并结合自然语言处理技术,利用同义词林以及反义词林定位产品评论属性值的语义极性。最后,通过试验验证了评论信息抽取方法的可行性。     

基于熵和线性关系的两级流量异常检测方法

提出了一种基于熵和线性关系的两级流量异常检测方法,综合考虑了流量异常检测方法的准确性和实时性要求.该方法在时间域上设定两级动态阈值,采用基于熵的方法对异常时间点进行检测,对熵值变化程度明显的时间点可使用一级阈值检测出来,而对熵值变化程度处于一级阈值和二级阈值之间的时间点采用基于线性关系的方法再次进行检测,并通过定义的报警触发函数识别异常类型.仿真实验结果证明,该方法在准确性和实时性方面优于现有的方法.     

一种基于方形函数的邻域灰度差值边缘提取方法

根据数字图像处理中现有边缘检测算子,对连续边缘的检测及抵抗噪声的能力问题,提出一种基于方形函数的测算法。首先将目标图像划分成方形的采样网格;然后确定检测的起始点位置,利用图像边缘处内外灰度差值最大原理判定该方形区域边缘所在的切线位置;最后通过多个区域的并集取得图形边缘。实验证明通过该算法可以提取出较为完整的边缘,抗噪能力也优于以往的边缘检测方法。     

基于多尺度边缘提取的薄雾图像处理方法

雾天获取的图像,掩盖了部分需要的真实信息.针对这类图像,给出了应用强化边缘的方法进行处理,主要采用多尺度边缘提取方法获得图像边缘;用小波阈值去噪法对图像进行消噪处理;为了避免传统方法产生的块状现象,最后用三次样条插值对图像进行平滑处理.     

基于方案熵的潜艇系统方案综合评估方法

分析了潜艇系统综合评估的指标体系,提出了方案熵的概念。采用三角模糊数来建立判断矩阵,根据水平截集和乐观指标,由模糊区间运算得出方案熵,根据其大小对潜艇系统进行分析评估。     

浅析基于多属性决策理论的评估系统中的熵权法

面向多属性多指标评估系统,在测评者对各指标及受测者都很熟悉的情况下,探索一种适合的赋权方法。主要阐述了熵权法的原理及计算过程,并结合实例进行应用分析,结果表明,熵权法比其他方法能更好地解决该情况下的指标赋权问题。由此得出结论：熵权法是非专业性评估系统中各指标的最佳赋权方法。     

基于线性组合模型的人脸特征检测方法

为了实现人脸图像特征的自动检测,提出了一种基于线性组合模型的人脸特征检测新方法.该方法通过原型人脸标定获取人脸特征知识,并使用模型匹配来检测目标人脸特征.在建立人脸线性组合模型的过程中,提出了局部约束光流算法,解决了有局部特征信息的人脸图像稠密对应问题.在MPI和ORL人脸数据库上进行的人脸特征检测得到的平均误差分别为96.7%和86%,该结果表明了基于线性组合模型的人脸特征检测方法是有效和实用的.