中国台湾电信市场现状

台湾电信市场的开放大致分四个阶段,从1995年起,陆续开放了移动通信、卫星通信及固定通信等多种业务。固网市场,2001年新世纪资通、台湾固网和力霸宽频电信的加入打破了中华电信的独家垄断,开始形成四强竞争的新局面。移动领域,1997年底6家运营商8张民营执照的发放开始了该领域史无前例的竞争。在2001年1月,台湾大哥大、远致电信、亚太行动宽频、联邦电信和中华电信获得了3G执照,累计竞标金额达488.99亿元(新台币)。     

机动车车牌识别中SVM的应用

支持向量机是一类新型机器学习方法,成功应用于各个领域,算法在分类性能上优于其它学习算法。该文在字符特征提取基础上,将支持向量机理论应用于车牌识别系统,提高识别率和识别速度,具有很好的推广价值。     

基于DSP+CPLD的车牌实时识别系统的设计

传统的基于微机的车牌识别系统的方案,使得评价识别效果的识别速率和识别成功率两个重要指标相互冲突.为了解决这个问题,很多文章提出了改进算法来调和识别算法的计算量和识别的成功率,但却没有考虑识别系统的成本问题.提出了一个基于DSP CPLD的硬件识别平台,可以大大提高各种识别算法的适应性和降低系统成本.     

基于Cortex-A8处理器的车牌识别系统设计

随着车辆数量的日益增多,交通管理的压力日趋增大,越来越多的场合需要实时车牌识别。针对此问题,本文设计一种基于Cortex-A8处理器的实时车牌识别系统。该系统以Coretx-A8嵌入式处理器为核心,通过V4L2接口进行视频流的采集,然后运行基于改进的OpenCV车牌识别算法,最后通过MJPG-streamer和Socket编程进行视频流和车牌数据的传输。测试结果表明,该系统具有较强的稳定性和实时性,具有较强的实用价值。     

基于Matlab的车辆牌照自动识别技术研究

在充分利用车牌投影特征和纹理特征的基础上,以准确快速自动识别车辆牌照为最终目标,经过灰度变换、边缘检测、形态学处理、二值化处理等多种图像处理方式,并考虑了图像在拍摄、传输过程中可能存在的噪声干扰、光照不均等不利因素的影响,以M atlab为开发平台编程实现车辆牌照自动识别全过程,经对多幅车牌图像进行实验,测试结果表明该系统运行快速稳定、正确识别率较高,具备实际应用价值。     

Exploiting Ontology for Software License Agreements

Software end-users need to sign licenses to seal an agreement with the product providers. Habitually, users agree with the license (i.e. terms and conditions) without fully understanding the agreement. To address this issue, an ontological model is developed to formulate the user requirements and license agreements formally. This paper, introduces ontological model that includes the abstract license ontology of common features found in di?erent license agreements. The abstract license ontology is then extended to a few real world license agreements. The resulting model can be used for di?erent purposes such as querying the appropriate licenses for a speciˉc requirement or checking the license terms and conditions with user requirements.     

基于CBR的车牌识别技术的研究

为提高车牌识别的速度和准确性,在图像处理与车牌识别技术相结合的基础上,提出了一种基于实例推理（CBR）的车牌识别方法,实现CBR在车牌识别领域的应用。描述了基于CBR车牌识别过程,分析了将CBR应用于车牌识别原因和前景,并提出了图像基于实例检索的关键技术和研究方向.     

快速路截面数据和车牌识别数据融合算法

为了提高快速路交通流检测精度,在对快速路截面数据和车牌识别数据预处理方法研究的基础上,提出了基于遗传算法优化的BP神经网络数据融合算法,并以VISSIM模拟交通流数据为对象,通过MATLAB程序实现该算法的仿真验证,同时与传统BP神经网络融合算法进行对比分析.结果表明,该算法融合的平均相对误差为0.73%,传统BP神经网络融合的平均相对误差为1.55%,融合精度显著提高.     

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。     

车牌图像色彩迁移与正则化约束去雾算法

针对雾天车牌图像模糊、车牌识别率低的问题,给出了车牌图像色彩迁移与正则化约束去雾算法。算法主要包含色彩迁移去雾和文本修复两个模块。采用MKL（Monge-Kantorovitch Linear Colour Mapping）色彩迁移算法,恢复雾天车牌颜色信息实现去雾;利用车牌的文本像素的强度和梯度特征对车牌图像进行正则化约束,实现车牌中文本的修复。实验结果表明,无论针对合成车牌雾图还是自然车牌雾图,去雾效果良好,且在薄雾、中等雾及浓雾三种不同雾度环境下都能够有效提高车牌识别率。