分步式滤波在短时交通流预测中的应用

用基于分步式滤波的多传感器动态系统数据融合算法建立了短时段交通流量预测模型,并与传统的卡尔曼滤波算法在计算复杂度上进行了比较。利用澳大利亚某高速公路所采集的数据进行了预测仿真实验。实验结果表明该算法确保了预测精度,同时简化了计算量,提高了响应速度,可以实现对交通流的实时预测。     

基于改进词典序的彩色图像形态学研究

向量排序是彩色形态学应用中的关键问题。针对传统词典序中过度优先第一维向量的不足,提出一种基于α模数的一般词典序方法,能任意调整量化函数,降低排列在先的分量作用。将其应用到彩色图像处理中,与传统的词典序彩色形态学算子相比,实验结果表明算法具有出色的向量保持能力,显示出更优的降噪与图像分割性能。     

基于Delphi的网络交通信号控制系统上位机软件设计

基于Delphi的网络交通信号控制系统,上位机软件负责灯色方案表的数据形成,以及方案表和步伐时间数据的发送、信号机数据的接收与显示.交通控制客户端,采用组件Indy中的IdUDPClient组件读取信息.交通控制接收端由Delphi通过IdUDPServer组件的OnUDPRead事件,读取下位机数据.网络传输采用UDP通信协议.     

彩色汽车牌照的定位方法

基于颜色和纹理综合特征的车牌定位方法,通过色彩空间变换、色彩分割,牌照区域定位及去除伪车牌区域等步骤进行车牌特征分析.其在HSV空间中进行色彩分割,运用数学形态学处理,采用闭运算,形成连通域.通过连通域分析车牌区域,再根据其几何和空间频率特征,设计相关评判标准.经实验验证,符合该标准的即为车牌区域.     

一种自适应中值滤波去雾算法

在雾、霾气候下所捕获到的照片质量因大气衰减而有所降低。为有效恢复场景实际色度,提高图像的视觉效果,提出了一种基于中值滤波去雾的改进算法。首先根据输入图像的一维熵以及平均灰度的特点,自适应调节大气光成分值使得去雾后图像的亮度达到最优;为调和去雾后图像的色度,引进了图像融合的方法,并且根据大气光成分值的选取特点设置了融合比例,从而实现了去雾系统的整体最优化。实验结果表明,算法去雾后图像具有较好的视觉效果,其色度、亮度、对比度都有了一定程度的提高。     

融合纹理与形状特征的HEp-2细胞分类

间接免疫荧光(IIF)HEp-2细胞图像分析是自身免疫疾病诊断的重要依据,然而由于类内的变化与类间的相似性,HEp-2细胞染色模式分类具有很大难度。该文提出一种结合纹理和形状信息的有效分类方法,借鉴CLBP原理,提出具有完整信息描述能力的局部三值模式CLTP(Completed Local Triple Pattern)描述子来提取纹理信息,同时采用IFV(Improved Fisher Vector)模型和Rootsift特征来描绘形状信息,通过纹理和形状信息的结合,最终训练得到SVM分类器在ICPR 2012与ICIP 2013数据集上进行了对比试验。结果表明,所提方法在细胞级测试中优于其它方法,拥有竞争性的分类性能。     

Fisher准则下面向判别性特征的字典学习方法及其组织病理图像分类研究

针对当前面向组织病理图像特征提取的字典学习方法中存在着学习的无病字典与有病字典相似程度高,判别性弱的问题,本文提出一种新的面向判别性特征字典学习方法（Discriminative feature-oriented dictionary learning based on Fisher criterion,FCDFDL）.该方法基于Fisher准则构造目标函数的惩罚项,最小化学习字典的类内距离与最大化学习字典的类间距离,大大降低无病字典与有病字典间的相似性.同时,优化学习字典对同类样本的重构性能,并约束学习字典对非同类样本的重构性能.然后,利用本文学习的无病与有病字典对测试样本进行稀疏表示,采用重构误差向量的统计量构造分类器.最后,分别在ADL数据集与BreaKHis数据集上验证了本文方法的有效性.实验结果表明,本文学习字典的判别性更强,获得了更优的分类性能.     

基于B样条曲线模型的彩色图像分割

提出一种可靠的色彩建模方法,建立基于亮度变化的色彩统计特征数学模型,其特征包含随亮度变化的色度、饱和度的均值以及标准偏差,应用B样条对模型进行曲线拟合,实现彩色图像分割。实验结果表明,该算法的分割效果较好,鲁棒性强。能够适应不同光照条件下彩色图像的分割。     

种子区域生长技术在彩色图像分割中的应用

提出一种基于种子区域生长(Seeded Region Growing,SRG)技术的彩色图像分割方法.该算法利用L*a*b*颜色空间的象素与其邻域的颜色差异及相对欧式距离自动选择种子;应用SRG技术由已知的种子生长出初始分割区域;根据融合了颜色空间和邻接关系的区域距离对初始区域进行分级合并.算法克服了传统区域生长方法不能自动选择种子且容易导致过分割的局限性.将新的分割方法应用到彩色图像,并得到与视觉判断相一致的有意义的分割结果.实验结果显示了所提出的方法对于不同自然彩色图像分割的有效性与适应性.     

群稀疏残差约束的引导字典学习算法及其单幅图像去雨

为了更有效地进行单幅图像去雨,提出一种群稀疏残差约束的引导字典学习算法.该算法特点在于利用混合高斯模型从自然图像中学习外部字典,面向有雨图像构建了基于外部字典引导的内部字典学习模型,并将内部字典的低秩性增加到字典学习目标函数中.该模型可以有效地利用自然图像与有雨图像先验知识之间的互补性,有助于同时恢复潜在稀疏的与稠密的图像细节.其次,基于图像的非局部自相似准则,利用群结构稀疏表示确保了相似图像块的编码系数尽可能接近,并对该模型引入残差约束,可有效地提高学习字典的重构能力与泛化能力.实验结果表明,在合成图像与真实图像上与其他算法相比,使用所提算法去雨后的图像具有更丰富的细节信息,图像更清晰,大大改善了整体视觉效果.