基于OpenCV与SVM的车牌识别方法

为了提高车牌识别效率,论文提出了一种基于OpenCV与SVM的车牌识别方法.用Canny算子获取图像边缘轮廓信息,基于SURF算法对车牌进行特征提取,并结合HSV颜色空间来定位车牌位置;基于垂直投影方法来提取车牌字符特征,再利用SVM算法实现对车牌字符的识别.该方法利用计算机视觉库OpenCV实现,利用OpenCV封装的SURF算法和SVM算法实现车牌识别,实验表明,该方法有较高的识别效率.     

BP神经网络在车牌字符识别中的应用研究

研究车牌字符识别问题,针对传统神经网络在车牌字符识别存在识别准确率低、效率低的问题,提出了一种基于改进神经网络的车牌字符识别方法.该方法首先采用Gabor滤波器提取车牌字符的特征,PCA降维处理消除车牌字符特征之间的冗余信息,然后采用改进的神经网络对提取特征进行训练得到最优识别模型,最后利用最优模型对车牌字符进行识别.仿真实验表明,数字及字母的识别准确率达95.0%以上,汉字的识别准确率达93.1%,与传统识别方法相比,识别准确率和识别速度都有了较大的改进,该方法在车牌识别的应用有着广泛的前景.     

基于模板匹配和神经网络的车牌字符识别方法

本文提出了一种基于模板匹配和神经网络的车牌识别方法.该方法集成了模板匹配识别车牌字符和神经网络识别车牌字符的各自优势.对于字符可单独分割出来的一类车牌,本文提出了一种改进的神经网络来进行字符识别;对于字符不可分割或分割困难的另一类车牌,本文提出了一种基于四灰度加权相似函数模板匹配方法来识别字符.从而克服了单一方法很难同时识别这两类车牌中的字符的不足,同时可有效地提高车牌字符识别的识别率、识别速度或识别系统的泛化能力.实验结果表明:大多数情况下,该方法车牌字符识别率超过90%,识别时间不超过1 200毫秒,能更有效识别各种车牌中的字符,能更好地满足实际系统的要求.     

基于多目标优化多任务学习的端到端车牌识别方法

本文针对多个车牌识别任务之间存在竞争和冲突,导致难以同时提高多个车牌的识别率的问题,提出基于多目标优化多任务学习的端到端车牌识别方法.首先,通过分析某些车牌识别任务容易占主导地位,而其他任务无法得到充分优化的问题,建立基于多任务学习的车牌识别模型.接着,针对字符分割造成车牌识别准确率较低、鲁棒性较差的问题,提出基于多任务学习的端到端车牌识别方法.最后,针对多个车牌识别任务间难以权衡的问题,提出一种基于多目标优化的多任务学习方法,以提高多个车牌识别的准确率.将本文所提方法在标准车牌数据集上进行测试,实验结果验证了该方法的有效性和优越性,其他代表性方法相比可以提高车牌识别的准确率、快速性和鲁棒性.     

基于深度学习模型LeNet-5-L的车牌识别算法

针对车牌中汉字识别率低和识别速度慢问题,提出一种基于深度学习的车牌识别网络LeNet-5-L,该网络把车牌识别分为两个阶段,运用OpenCV库函数对车牌图像预处理,结合垂直投影分割方法将车牌分割为7个独立字符图像,降低了图像特征提取难度,从而提高车牌中各个的字符识别率和整个车牌识别速度;运用卷积神经网络解决车牌字符识别问题,基于LeNet-L设计一种车牌字符识别网络LeNet-5-L,有效提高车牌中首字符汉字识别率;实验结果表明,该网络对车牌中各个字符的识别准确率均高于99.97％,单个车牌识别时间仅需0.83 ms,该方法有效的提高车牌识别的正确率和识别速度.     

基于ICA降维的车牌汉字识别研究

针对目前复杂环境下车牌汉字图像识别率较低,识别时间较长等问题,提出了一种基于伪Zernike矩和独立主成分分析(ICA)的改进概率神经网络(PNN)车牌汉字识别方法.该方法是将车牌汉字图像的伪Zernike矩通过独立主成分分析降维,再将降维后的特征输入所提出的一种基于代表点的改进概率神经网络中进行训练和识别,从而有效地实现车牌汉字的识别.将该方法应用于复杂环境下的车牌汉字图像识别实验,实验结果表明,该方法能有效地降低特征维数,减少识别时间,并能显著地提高车牌汉字的识别率.     

An Approach based on Connected Components Analysis for Vehicle License Plate Location

复杂背景中车牌定位技术,是车牌识别过程中的技术难点,提出了一种基于连通域分析的车牌定位方法.该方法通过边缘检测方法进行车牌粗定位,再对粗定位图像进行连通域标记,然后利用级联分类器筛选车牌字符连通域,最后结合车牌模板确定车牌位置.实验表明,该方法定位车牌的准确率高,能够适用于国内现行的多种规格民用汽车牌照的定位.     

基于小波变换的车辆牌照定位研究

车辆牌照的准确定位是智能交通中车辆牌照识别技术的关键,提出一种基于小波变换的车牌质心定位方法,该方法可以很好地解决复杂背景与光照下的车牌定位.经过小波分析的车牌图像利用数学形态学进行车牌特征提取,对特征提取后的车牌图像采用连通区域质心的方法对车牌进行定位,最终得到车牌的准确区域.实验结果表明,该方法能够实现车牌的快速准确定位,是一种有效的车牌定位方法.     

快速精确识别车牌字符的方法

提出了一种利用车牌字符集特征来优化字符骨骼处理、改进骨骼变长编码的新方法,并把其用于车牌字符精确识别.该方法先利用车牌字符集特征优化处理标准车牌字符骨骼,再将"替换规则"与8方向链码相结合对其进行变长编码的结果作为模板,然后用同样方法得到待识别的车牌字符编码,将该编码与模板进行最佳匹配,实验结果表明,该方法具有实现简单、处理数据量小、抗旋转和对低分辨率车牌字符识别性能好等优点.     

一种新的车牌倾斜校正方法

车牌的倾斜对车牌的字符分割与识别带来不利的影响.本文分析了车牌的倾斜模式,提出了一种新的车牌倾斜校正方法.该方法采用水平和垂直彩色边缘检测结合旋转投影求取车牌的水平和垂直倾斜角度,对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正.实验结果表明,该方法简单实用,对光照、污迹等不敏感,抗干扰能力强.     

三对角线性方程组的分布式并行算法

文中回顾了Ｍｉｃｈｉｅｌｓｅ＆Ｖｏｒｓｔ算法，分析了影响Ｍ＆Ｖ．算法并行效率的主要因素，根据分布治之思想提出了一种求解三对角方程组的并行算法，新算法通信建立次数的Ｍ＆Ｖ算法的５０％，数据传输量为其３３％，最后的工作站网络环境下实现了新算法，就并行效率与Ｍ＆Ｖ算法进行了比较，结果表明在由６台工作站的组成的网络中新算法必能提高可达到４０％。     

基于排斥信息素的多机器人协作研究

提出了两种信息素应用的分类方法,一种是将信息素分为点信息素和线信息素,另一种是将信息素分为吸引信息素和排斥信息素。提出了三种排斥信息素应用的多机器人协作任务场合,并进行了仿真研究。仿真结果表明排斥信息素的应用是一种有效的多机器人协作方法。     

分层自组织耦合振荡聚类方法

A self-organization of pulse-coupled oscillators for clustering method is studied and the defectiveness of the method is analyzed.With modification to the method a new clustering method is presented.Experiments indicate the modified method is effective.     

三点Delta测量方法在6.5位数字多用表中的应用

电阻测量是数字多用表的基本功能之一,减小误差提高测试精度是测量设备追求的目标;针对6.5位数字多用表的电阻测量问题展开了测量方法的讨论,介绍了一种新的测量方法即三点Delta法;对比传统2线和4线电阻测量法阐述了三点Delta法的基本原理,从理论上分析了该方法的优越性;同时,设计了三点Delta法测试电路,并简要介绍了其硬件实现;经实用证明,该方法完全满足了工程应用的要求.     

耦合场协同仿真中节点载荷插值的混合法

节点载荷插值是使用协同设计方法进行耦合场仿真的一个关键。首先介绍了有限元软件内部的多场耦合的节点映射方法,然后把协同设计方式下多场耦合的插值算法归结为散乱点的插值。分析了映射法、自然邻居插值法、滑动最小二乘法和反距离移动平均法对于散乱点插值的优缺点,在此基础上提出了耦合场协同仿真的混合法。该法首先使用自然邻居插值法对大多数内点进行插值,接着使用滑动最小二乘法对外点插值,对余下的外点使用反距离移动平均法进行插值。对滑动最小二乘法做了改进以进行精确插值。最后用一个热应力的算例进行验证,表明该算法具有良好的精度、速度和稳定性。     

一种改进的舰船红外图像分割算法

图像分割在图像分析和识别中具有重要的意义,针对最大类间方差法—Otsu法在复杂背景或目标灰度与其周围背景灰度相差不大情况下,目标相对面积较小时易出现目标与背景误分割的问题,提出了一种改进的Otsu法。该算法先对预处理后的红外舰船图像归一化投影,然后,按一定阈值对图像进行裁剪,最后,利用Otsu法进行分割。实验结果表明:与Otsu法、递归Otsu法相比,该算法能够更好地分割出目标。     

Probability representations of fuzzy systems

1 Background of birth of fuzzy systems As is well-known, just considering the great uncertainties of many systems, Zadeh put forward the notion of fuzzy sets and advanced the idea of the fuzzy reasoning by means of fuzzy sets which could describe a system approximately[1]. Those systems that are constructed on the basis of fuzzy reasoning are called fuzzy systems in general[2―4]. The research on fuzzy systems has attracted broad attention[5―7]. For instance, universal ap- proximation proper…     

On the Generalization of Single Input Rule Modules Connected Type Fuzzy Reasoning Method

Yubazaki have proposed a “single input rule modules connected type fuzzy reasoning method (SIRMs method)” in which its final output is obtained by summarizing the product of importance degree and inference result from single input fuzzy rule modules. This paper proposes a “functional-type SIRMs method,” which is an extended version of the SIRMs method, and clarifies the relationship between the Takagi--Sugeno (T--S) reasoning method and the functional-type SIRMs method. The functional-type SIRMs method can be shown to be transformed to the T--S reasoning method, but generally the conversion to functional-type SIRMs method from the T--S reasoning method is impossible. It is shown, however, that the T--S reasoning method can be transformed to the functional-type SIRMs method when the T--S reasoning method fills some conditions. For this reason, it is shown that the functional-type SIRMs method is the subset of the T--S reasoning method.      

基于经验模态分解和小波阈值的冲击信号去噪

冲击信号是非线性的并且容易受到噪声污染;为研究冲击信号去噪的问题,针对经验模态分解(Empirical Mode Decomposition,EMD)去噪和小波阈值去噪方法存在的不足,提出了基于EMD的小波阈值去噪方法;单纯的EMD去噪方法会在去除高频噪声的同时压制高频的有效信息;EMD与小波阈值去噪相结合,利用连续均方误差准则确定含噪较多的高频固有模态函数(Intrinsic Mode Function, IMF),对高频IMF分量进行小波阈值去噪,以分离并保留这些分量中的有效信息,同时保持低频IMF分量不变;对模拟数据和实际冲击信号进行去噪处理,结果表明,基于EMD的小波阈值去噪方法的去噪效果优于单纯的EMD去噪方法和小波阈值去噪方法。     

完善频谱脸人像识别的分类器设计

频谱脸方法是一种利用小波变换和Fourier变换有效地提取人像的位移不变特征和表情相对不变特征的方法。该文着重讨论了频谱脸方法系统化的预处理方法和相似性度量选择这两个关键性问题。其中，矩的方法被用于人像进行预处理，因为它能有效地对人像的伸缩和平面旋转进行矫正；通过对最近邻法、平均法、Hausdroff距离法和修正的Hausdroff距离法等4种典型的相似性度量方法中进行比较和分析的结果表明，最近邻法、平均法和修正的Hausdroff距离法都是频谱脸方法进行相似性度量的有效方法，其中，最近邻法是最有效的方法，它对诸如位移、伸缩、平面旋转、少许遮掩及少许姿势、表情和光照条件的变化多种影响人像识别的因素均具有最佳的容错性，并在Yale和Olivetti人 像数值库上进行了识别试验，分别取得了97％和99％的识别率。