基于颜色与投影特征的车牌定位

车牌定位是车牌识别系统的关键技术。定位的准确与否直接影响车牌识别的结果。本文根据车牌的颜色特征和投影特征提出了一种综合颜色特征和投影特征相结合的定位方法,算法分为粗定位和精确定位。该方法较单一特征的定位方法有较好的通用性,可适应于不同背景、不同光照下的汽车图像,能够确定出车牌区域,准确率得到了较大提高。     

基于LVQ神经网络的城市快速路事件自动检测算法

基于具有自组织功能的学习矢量量化(LVQ)神经网络设计了城市快速路异常事件的自动检测算法,提出分车道检测的构想。研究了原始数据筛选、输入向量模式、神经元个数及检测时段等参数的选择。基于小波分析技术对原始数据的高频噪声进行滤波,引入长车流量作为输入参数,并对比了引入前后的检测效果。选用加利福尼亚算法作为评价的参考依据,对其执行过程和门限值的选择进行了研究。     

一种格缩减辅助MIMO检测的非线性量化算法

针对格缩减辅助MIMO检测中,采用格缩减技术后导致星座畸变,引起变换域信号非线性联合量化复杂度高的问题,提出了一种排序反馈的非线性量化算法。该算法同时考虑了变换星座的边界和各元素之间的相关性,且根据量化误差的大小选择信号元素量化判决的顺序,依次量化判决信号的各个元素。仿真证明,基于该算法的格缩减辅助MIMO检测其性能要优于无排序反馈量化和逐元素独立量化的格缩减辅助MIMO检测,且能很好的逼近最大似然检测的性能,在平坦块衰落信道下,算法复杂度为多项式复杂度。     

基于一次反馈的色彩-空间图像检索技术研究

基于颜色-空间二维直方图的图像检索方法简便易行,检索效率较高,但此方法对图像主体的检索不够突出,对检索精度造成了一定的影响.基于一次反馈的色彩-空间图像检索技术,在传统的色彩-空间的图像检索技术中加入了检索者对于检索结果的判断,通过检索者的一次反馈要求,选择是否进行图像的二次筛选,即结合人的智能识别来提高搜索精度,从而...     

基于模糊层次分析法综合评判工会竞赛成绩

为综合评判工会组织的各项竞赛活动的成绩,提出了基于模糊层次分析法的综合评判措施,主要包括竞赛项目权重的确定、竞赛成绩的量化和综合评判等过程.实际应用表明,模糊层次分析法可以最大限度减少主观因素对评价结果的影响,合理地确定各项赛事在工会竞赛活动中的权重,结合竞赛成绩的量化矩阵,使得综合评价结果科学、可信.     

面泊松融合结合色彩变换的无缝纹理辐射处理

目的：消除三维模型纹理接缝上的辐射差异,实现接缝处色彩的自然、连续的过渡。方法：本文在标准的泊松融合（Poisson Blending）基础上,结合色彩变换技术（Color Transfer）,提出了一种新的以面为基元的泊松融合无缝纹理辐射处理方法。首先以影像上的纹理三角形为处理单元,以色彩变换参数为未知数,根据模型的三角网边邻接拓扑关系建立泊松方程组,然后全局最小二乘解求局部色彩变换参数,最后进行全局最优解下的局部色彩变换。结果：既保证了色彩的均匀过渡,又能更好的改正影像间的整体色差。结论：相比使用标准的像素级泊松融合方法进行无缝纹理处理,本文的方法拥有计算上的优势,更适合于复杂模型的处理,且有更好的整体色差改正与过渡效果。理论分析和大量试验证明了本文方法的优越性。     

互信息在图像检索中的应用

介绍了一种用互信息来衡量相似性图像检索方法.该方法首先生成一种在统计上有代表性的视觉模式,使用这种模式的分布作为图像内容的描述符;基于该内容描述,设计了其互信息的计算方法以衡量图像的相似性.实验结果表明,在图像检索中,相对于其它如KL散度和L2规范等方法,互信息是一种更为有效的衡量相似性的方法.     

大型陶瓷壁画电脑喷绘制作系统

简要阐述了电脑应用于大型陶瓷壁画制作的技术可行性。并对电脑瓷板画普遍存在的偏色技术难题,给出了解决问题的一种新方法,大大提高了大型陶瓷瓷板画的成色质量。对大型壁画的生产工艺给出了具有创造性的新思路。     

基于对比学习的无监督三元哈希方法

为了解决现有无监督二元哈希方法由于存在较大量化损失而导致检索精度较低的问题,在CIBHash方法的基础上,提出了一种新的基于对比学习的无监督三元哈希方法——CUTHash,将三元哈希编码用于图像检索。具体来说,首先,使用融合了解耦对比损失的对比学习框架,在目标数据集上进行无监督的图像特征学习;接着,为了得到三元哈希编码,对学习到的图像特征使用平滑函数进行量化操作,解决离散函数量化后导致的零梯度问题;最后,应用改进后的对比损失,约束同属一张图像的增强视图的特征在哈希空间中尽可能地接近,从而使得三元哈希编码具有一定的辨识力,使其更好地应用于无监督图像检索任务。在CIFAR-10、NUS-WIDE、MSCOCO以及ImageNet100数据集上进行了大量对比实验,取得了较当前主流的无监督哈希方法更好的检索性能,从而验证了CUTHash方法的有效性。     

基于加权特征投影的信源数估计方法

考虑到色噪声或低快条件下噪声特征值发散,导致基于特征分解的信源数估计方法得到的信号判据值和噪声判据值区分不明显,提出了一种基于加权特征投影的信源数估计方法;首先,为了使该方法可适用于低信噪比条件,对阵列接收数据的协方差矩阵进行降噪处理,并利用降噪后协方差矩阵所有特征值和特征向量构造了一个用来区分信号和噪声的加权空间矩阵;然后,将降噪后的协方差矩阵在该加权空间矩阵上投影,从而增大了信号判据值与噪声判据值的差异;最后,结合幂函数的缩放性构建了判决函数,进而实现信源数估计;通过理论分析和实验验证,该方法不仅适用于白噪声和色噪声条件,而且在低快拍和低信噪比条件下优势明显,在快拍数为10,信噪比分别为0 dB的白噪声和6 dB的色噪声条件下,该方法的成功检测概率均达到90％以上,同时该算法在信源数较多时效果鲁棒.