一种梯度特征与区域合并的车牌定位方法

车牌定位是车牌识别系统的重要组成部分。针对车牌目标所在区域梯度变换频繁的特点,利用高通滤波保留梯度变换频繁区域,形态学处理后,将相邻区域进行合并以确定车牌的候选区域。再结合车牌的几何特征与区域目标背景比,找到车牌位置,利用投影方法去除车牌边框,实现车牌的精确定位。实验结果表明,该方法削弱了传统车牌定位算法对车辆大小、图像环境、拍摄角度等的要求,进一步提高了算法的鲁棒性和实用性。     

基于改进Sobel算子的车牌定位方法

车牌定位作为车牌识别系统中的一个重要环节,定位算法的好坏直接影响到识别的效果.本文针对不同背景和光照条件下的车辆图像,提出一种改进Sobel算子的车牌定位算法,首先对已经过预处理的车牌图像进行改进的Sobel运算.然后使用迭代求图像最佳分割阈值的算法二值化出前景,根据车牌区域纹理丰富的特点.采用水平梯度算子求得图像的水平投影图,再运用数学形态学的开闭运算进行车牌垂直定位,最终定位车牌位置.经过大量试验证明,该算法准确率高、定位速度快.具有较好的实用价值.     

基于多方法融合的车牌自动定位算法研究

提出了一种将模板匹配、形态学和投影法多方法融合的车牌定位算法.首先,对预处理后的车牌图像采用优化的模板匹配算法粗定位车牌区域;然后运用形态梯度方法对租定位后的图像进行边缘检测;最后,采用投影法进行精确定位,通过对投影的分析找到车牌的准确位置.实验结果表明,该算法对车牌定位的准确性和处理速度都有很大提高,满足了系统实时性和准确性的要求.     

基于OpenCV的车牌图像定位

现有的车牌定位方法几乎都需要先对白天夜晚的场景进行分类,在图像中存在其他灰度剧烈变化区域时,这种场景分类容易影响到车牌定位的准确率;为了对获取到的车辆图像进行准确地定位,提出了一种改进的灰度跳变车牌定位算法,首先加入了光照补偿,使得不需要对白天和晚上的场景进行分类；然后进行了长竖线的噪声去除,可以在背景比较复杂的情况下准确定位车牌；并对精确定位出的车牌进行边框的去除,有利于下一步的字符分割;另外,对OpenCV计算机视觉库的库函数的利用,算法的复杂度得到了简化,从而更好地满足了车牌识别系统的实时性；通过对出入口处采集到的分辨率为704×576的300张图片进行测试,定位率高于95%,对白天和夜晚获取的图像有很好的适应性,满足设计要求。     

基于混合特征的车牌定位算法

车牌定位技术是汽车牌照自动识别和智能交通系统的用车牌的颜色、纹理和结构几何等多维特征,实现车牌定位.该算法利用车牌的彩色信息进行彩色分割,实现车牌图像的二值化,而后提取边缘增强,在此基础上利用数学形态学方法去噪并去除车牌边框,并利用车牌纹理特征利用投影实现车牌的最终定位.该算法克服了单一特征信息不完备引起的车牌定位误差,实验表明该方法具有较好的车牌定位效果.     

基于Tent映射CPSO和车牌纹理特征的车牌定位

针对现有车牌定位算法定位准确率不高和速度慢等问题,结合车牌纹理特征,提出了一种基于Tent映射混沌粒子群(CPSO)的车牌精确定位算法.首先用基于二维直方图区域斜分的OTSU方法对车牌图像做二值化处理;接着使用三组一维滤波器获取其二值纹理特征向量.然后利用基于Tent映射CPSO快速准确的全局搜索能力,结合二值纹理特征向量构造适应度函数,并引入车牌纹理的一致性度量作为判决条件,找到车牌区域的最佳定位参量.最后,与基于遗传算法(GA)和基本粒子群算法(BPSO)的定位方法进行了比较.实验结果表明,该方法适应性强,定位效果较好,运行时间更短.     

基于特征多样性的车牌定位方法

本文提出了一种基于结构特征和纹理特征的车牌定位方法:对车辆图像进行预处理,检测垂直方向的边缘,执行数学形态学操作,并利用车牌的结构特征粗定位车牌区域;提取车牌的纹理特征并构建特征向量,通过贝叶斯分类器来精确定位车牌区域。该方法不受车牌大小、位置等因素限制。对采集到的各种复杂背景、环境下的车辆图像进行了大量实验。实验证明:该方法定位率高,速度快,具有较好的鲁棒性。     

基于阈值分割的运矿车辆车牌精确定位

由于运矿车辆车牌图像质量低、车牌污染严重、环境复杂、识别率低等特殊情况,设计了一种基于灰度阈值分割的运矿车辆车牌的精确定位算法.它通过对粗定位车牌图像进行灰度阈值分割,得到估计车牌区域并进行区域标记,根据车牌所在连通区域面积最大这一特征,得到完整有效的车牌区域,结合车牌先验知识去掉其边框,从而得到车牌的精确定位结果.实验结果表明,该算法定位准确率高,耗时少,分割效果好,具有较强的实用价值,是对现有车牌识别技术有意义的扩展和补充.     

复杂背景中基于纹理和颜色的车牌定位研究

提出一种将车牌纹理和颜色相结合的车牌定位方法,即基于纹理粗定位得到车牌候选区域后,运用改进的自主确定聚类数和聚类中心的RGB空间k-means聚类算法,而不是定义颜色范围来分割车牌。该方法的优越性在于首先利用纹理排除了颜色干扰区域,其次利用颜色聚类去除了纹理干扰区域,又克服了量化定义颜色适应性不强、稳定性差的缺点。实验表明,该方法可以准确定位复杂背景中任意方向和不同光照下的车牌,具有很强的稳定性和鲁棒性。     

基于边缘检测和颜色纹理直方图的车牌定位方法

针对已有车牌定位算法在分辨率高、背景复杂图像上存在准确率下降的问题,提出了一种基于边缘检测和颜色纹理直方图的车牌定位算法。该定位算法分为两个阶段：首先利用结合了Canny和Sobel算法的改进边缘检测算法提取图像的垂直边缘,并结合滤波、投影等方法进行车牌粗定位;然后提取候选区域的颜色纹理直方图,与训练好的分类器进行匹配,实现车牌的精确定位。实验表明,该方法对于背景复杂、光照不均等情况均有良好的鲁棒性,在白天和晚上都能取得较好的定位效果。     

位置预测在定位服务中的应用研究*

定位服务在现代社会中扮演着越来越重要的角色,而引入位置预测在定位服务可以使得其更能满足公众对于定位的需求。但目前在基于数据挖掘的位置预测的研究中,很少有研究关注空间关系的模糊性,因此研究了一种基于模糊集理论,利用FMStree结构的FMSmining方法对位置数据进行挖掘。仿真实验结果表明,该方法有效且高效。     

Semantic location

Mobile web-services often use location information for service customisation. Most such services operate on the user's physical/ geographical location. Unfortunately, such common forms of location carry little context information. In the Cool Town project at HP Labs, we have addressed this deficiency by defined an orthogonal form of location-Semantic location. Use of this form of location can also help lower the risk of invasion of privacy.     

位置预测在定位服务中的应用研究*

定位服务在现代社会中扮演着越来越重要的角色,而引入位置预测在定位服务可以使得其更能满足公众对于定位的需求。但目前在基于数据挖掘的位置预测的研究中,很少有研究关注空间关系的模糊性,因此研究了一种基于模糊集理论,利用FMS-tree结构的FMS-mining方法对位置数据进行挖掘。仿真实验结果表明,该方法有效且高效。     

From location to location pattern privacy in location-based services

Location privacy is extensively studied in the context of location-based services (LBSs). Typically, users are assigned a location privacy profile and the precise locations are cloaked so that the privacy profile is not compromised. Though being well-defined for snapshot location privacy, these solutions require additional precautions and patches in case of consecutive LBS requests on the user trajectory. The attacker can exploit some background knowledge like maximum velocity to compromise the privacy profile. To protect against this kind of location privacy attacks, PROBE (Damiani et al. in Trans Data Priv 3(2):123–148, 2010)-like systems constantly check location privacy violations and alter requests as necessary. Clearly, the location privacy is defined in terms of snapshot locations. Observing that there are usually user-specific movement patterns existing in the shared LBS requests, this work extends location privacy to location pattern privacy. We present a framework where user-specific sensitive movement patterns are defined and sanitized in offline and online fashions, respectively. Our solution uses an efficient dynamic programming approach to decide on and to prevent sensitive pattern disclosure. An extensive experimental evaluation has been carried out too.     

基于位置社交网络的地点推荐算法

目前基于协同过滤的地点推荐算法存在难以准确估算用户偏好、推荐结果准确性不高等问题。改进了传统协同过滤中相似用户计算方法,在迭代过程中分别计算用户相似度和地点相似度的值,并不断交叉调整对方的值,直至收敛。该方法能够在稀疏的数据集下准确计算用户相似性。此外,在top-N推荐阶段,同时考虑了用户的兴趣度和推荐地点离用户所在地距离的影响,并设置阈值控制二者的权重,自适应地产生推荐结果。实验表明,与其它方法相比该方法能够获得更好的推荐效果。     

改进Monte Carlo算法用于RFID标签的室内定位

针对基于信号到达时间延迟(TOA)的定位算法存在的问题,改进了基于采样的Monte Carlo定位算法.将其用于室内射频标签的定位,分析了天线极化失配对改进的Monte Carlo定位算法的影响.仿真结果表明,改进的Monte Carlo定位算法受天线极化失配的影响较大,定位误差随标签与读写器天线之间极化方向的夹角的增大而增大.     

液位定位算法

液位定位是液位检测中的重要环节。圆形容器中的液位由于受到摄像头架设角度和容器的影响,在图像中是一条近似于抛物线的曲线。提出了一种圆形容器中液位定位算法。该算法合理运用了边缘检测、灰度投影、Hough变换等方法实现了对液位的粗定位和精定位,并在检测过程中,根据液位线的特点,利用坐标变换将液位线变为标准的抛物线,减少了Hough变换参数空间的维数,提高了检测速度。该算法与传统的算法相比较,简单易行,适用范围广。实验证明了该算法的有效性。     

Wireless-based location tracking

Who is capable of tracking your location? How would they do it? Historically, governments, multinational corporations, and potentially terrorist organizations have the funding to track individuals of interest. But with the advent of new wireless technologies such as 802.11 and Bluetooth, small companies or even individuals can use commodity equipment and small amounts of software to perform undetectable, semi-reliable location based tracking.     

Fractional location problems

In this paper we analyze some variants of the classical uncapacitated facility location problem with a ratio as an objective function. Using basic concepts and results of fractional programming, we identify a class of one-level fractional location problems which can be solved in polynomial time in terms of the size of the problem. We also consider the fractional two-echelon location problem, which is a special case of the general two-level fractional location problem. For this two-level fractional location problem we identify cases for which its solution involves decomposing the problem into several one-level fractional location problems.