基于差分投影与优割字符的车牌字符分割

针对车牌字符分割提出一种基于差分投影与优割字符的车牌字符分割算法.该方法利用水平差分投影图进行倾斜校正和水平切割,使得倾斜校正和水平切割同时进行,在降低算法的复杂度的同时提高了水平定位精确度.然后,结合垂直投影和连通域算法寻找车牌的优割字符,生成滑动的分割模板进行字符的垂直分割,有效地解决了字符粘连、断裂情况下字符识别问题.实验证明该方法分割速度快,分割质量好,对于模糊车牌识别具有自学习品质和很强的抗干扰性能.     

一种钢坯表面喷印字符图像分割算法

为了提高钢坯表面喷印字符分割的效果,提出通过图像增强和滤波算法改善图像质量,解决钢坯表面喷印字符图像的分割问题.通过构造自适应阈值,自动分割图像进行字符串定位,并基于形态学处理、连通域分析设计了字符分割算法,解决了图像中存在的黏连和断裂问题.设计了一种掩膜保护字符的滤波算法,解决了细线噪声干扰问题,同时建立了相应的实验系统进行研究.结果表明:该算法效果较好,对字符图像黏连、断裂情况分割的正确率分别达到了99.6%, 98.3%,对细线噪声干扰类样本分割的正确率达到了97.9%.     

一种基于先验知识约束的车牌字符分割新算法

车牌字符分割是车牌自动识别系统的三大核心技术之一,字符分割是字符识别的基础;针对传统的基于连通域分割字符算法计算量大、处理时间长的不足之处,在此提出了一种改进的算法,充分利用先验知识进行字符粗分割,在此基础上再利用连通域法最终实现字符完整分割,同时利用先验知识改进了传统的迭代法求二值化阈值算法,减少了迭代次数;实验表明:在此提出的字符分割算法在准确提取了车牌字符的前提下,大大缩短了处理时间,满足了实时性要求。     

基于改进LLT算法的女书字符图像分割方法研究

针对女书字符书写的结构特点,结合基于局部阈值的思想,建立相应的数学模型,给出了一种基于改进LLT算法的女书字符图像分割方法;并进一步分析了算法的关键参数设置。通过与传统的OTSU算法和LLT算法相比较,改进的LLT算法不仅可以有效降低背景噪声的影响,还对具有不均匀光照和相近对比度的女书字符图像分割具有较强的适应性。实验结果进一步验证了方法的有效性和鲁棒性。     

MATLAB在车牌字符分割中的应用

车牌字符分割是车牌自动识别系统的一个重要环节,分割效果直接影响到后续的字符识别.提出了一种基于连续字符块长度特征的字符分割算法,通过预先设定阈值,判断字符是否需要分割.利用定位好的74个车牌图像在MATLAB环境下进行仿真实验,实验结果显示字符分割准确率高达91.9%,说明该方法具有简单、实用的特点.     

复杂背景下字符提取算法的分析与实现

为了在复杂背景下提取字符,采用了基于图像理论的降维算法和彩色游程算法,对复杂图像进行颜色聚类,通过阈值控制相近颜色的聚类,同时生成平均颜色的彩色游程信息,有效地合并了颜色种类,为字符区域的二值化奠定了良好的基础.实验结果表明,采用以上算法在复杂背景下提取字符,其识别率达到89%.     

径向基神经网络算法在车牌字符识别中的应用

提出一种基于径向基网络的汽车车牌字符识别算法.在预处理阶段,采用灰度化、自适应阈值分割去除图像噪声并增强图像对比度;在字符分割阶段,采用极限元素位置确定法实现独立字符分割;在字符识别阶段,利用自行构建的字符子块图像库对径向基神经网络进行训练.选取基于反向传播(BP)神经网络的字符识别算法和基于支持向量机(SVM)的字符识别算法与文中方法进行比较.实验结果表明:文中方法在识别准确率上具有明显优势,更适用于汽车车牌的字符识别.     

基于LabVIEW和IMAQ的动车车号自动识别

随着人工智能的快速发展,机器视觉系统所具有的数字化、智能化、实时化等特点逐渐被应用到实际项目中.此系统以实现对过往动车车号识别为研究目的,采用NI公司的LabVIEW软件作为开发平台,调用IMAQ专业控件及Vision Assistant函数库,设计一款智能化,并同时包括图像采集、图像预处理、车号定位与字符识别等完整的动车车号识别系统.此系统包含背景校正算法、基本形态学算法以及字符间距分割算法等,且动车车号识别率高达99.81%,解决实际应用问题,为进一步研究奠定基础.     

基于神经网络的机动车号牌字符识别

以定位、 分割后的机动车号牌字符为研究对象. 首先, 对机动车号牌图像进行大小、 灰度方差、 灰度均值的标准化处理. 其次, 根据机动车号 牌字符的特点, 抽取字符3种不同的特征, 构造3个BP神经网络对机动车号牌字符进行识别. 并根据字符在机动车号牌中所处位置的差异, 在每个BP神经网络中构造4种不同的子网络分 别进行训练和识别. 最后, 每个BP神经网络的输出通过加权求和的组合方式得到最终识别结 果. 在组合各网络输出前, 采用对字符图像求取局部二阶差分值的方法, 将字形相近的字符 进行再分类, 从而有效地降低误识率. 通过分析实验结果, 表明本算法在机动车号牌识 别应用中达到了理想的识别效果.     

基于字符块提取的车牌字符分割算法

为了解决车牌图像倾斜、背景复杂、分割过程中出现的字符间粘连、断裂等问题,提出简便有效抗干扰强的基于字符块提取的车牌字符分割算法,以此提升车牌字符的识别效果.通过车牌图像二值化处理、倾斜矫正、去除干扰以及字符块提取一系列步骤,实现车牌识别前对车牌字符的准确有效分割.实验结果表明,该车牌字符分割方法可靠、准确度高,为后续车牌字符的正确识别奠定基础.     

铁路货物周转量的多因素分析和预测

提出了铁路货物周转量同营业里程、列车牵引净重和货物列车密度间的数学表达式，利用由此建立的货物周转量指数体系，研究了营业里程、列车牵引净重和货物列车密度变动引起的货物周转量的变化量；分析说明，４０多年来货物列车密度的快速增长是货物周转量大幅度增加的主要原因；通过本文所建立的一组回归方程，得出了营业里程、列车牵引净重、货物列车密度和货物周转量的２０００年预测值     

基于极小阈值和曲线拟合的垂直投影汉字切分

针对传统汉字切分方法中对粘连汉字和重叠汉字切分不准确的问题,提出了基于极小阈值和曲线拟合的垂直投影汉字切分算法.该算法在传统垂直投影法汉字切分的基础上结合极小阈值和曲线拟合进行切分,实验结果表明:相对于传统汉字切分方法,该算法对含有粘连和重叠现象的手写体汉字文本的切分是有效的,从而可使手写体汉字的切分准确率有较大的提高.     

基于大数据的货物运输责任时间划分方法研究

通过对铁路货物运输过程及其影响因素的分析,指出了现有货物运输过程各环节时间的分配方法存在的不足。提出基于大数据的货物运输责任时间划分方法,借助云计算平台在大数据处理方面的优势,设计了货物运输大数据分析方法和步骤;提出货物运输责任时间和责任保障率的概念及计算方法,以实现对货物运输全程各环节作业的效率进行动态考核和评价。以京广线上衡阳北—大朗运输区段的实际数据为算例,与传统计算方法进行对比,验证了本文所提出的方法具有更好的可适性和应用前景。     

基于一维Otsu的多阈值医学图像分割算法

针对传统医学图像分割算法时间复杂度高、 分割精度低等问题, 提出一种基于一维Otsu的自动多阈值分割算法. 考虑到医学图像信息的复杂性, 引入基于梯度、 灰度、 距离的综合信息直方图替代传统的灰度直方图, 并分别赋予这3个信息相应的权值. 采用kd-树作为框架快速自动确定阈值个数, 进而实现Otsu对医学图像的自动多阈值分割. 与最大熵、 基于粒子群优化的Otsu算法等进行对比实验的结果表明, 该算法的分割性能优于其他算法.     

基于Shi-Tomasi角点验证的线段提取算法优化方法

针对现有的线段提取算法在图像中的天空、阴影、玻璃以及地板等模糊区域提取出较多的无意义线段的问题，提出了一种基于Shi-Tomasi角点验证的线段提取算法优化方法(ST-Lines算法):首先，使用经典线段提取算法进行线段提取；然后，采用Shi-Tomasi角点检测算法提取角点，并利用滑动窗口对所得的角点进行非极大值抑制；最后，根据线段长度、线段端点圆形框内的角点分布情况以及K最近邻算法对每条线段进行有无意义验证，尽可能多地剔除无意义线段。并利用YorkUrban线段数据集，对ST-Lines算法与原线段提取方法进行测试对比。对比结果表明:ST-Lines算法在平均准确率、F-score、平均线段长度上有所提高，且降低了平均线段数量。     

基于计算机视觉的齿轮齿数、公法线长度变动检测

在基于计算机视觉的齿轮检测中，首次运用极坐标变换算法对预处理后的齿廓采样数据进行变换，将圆周上的齿廓曲线变换到水平方向，并将得到的齿廓看作正弦曲线，再采用Matlab工具箱中傅里叶变换函数得到正弦曲线的拟合表达式，对齿廓采样数据的总数（即列数）与拟合函数的周期比值取整，得到所检测齿轮的齿数。在检测公法线长度变动时，首先求得齿顶圆半径、模数，从而得到基圆半径，可求得基圆与齿廓交点的中点与斜率，利用点斜式方程求得与基圆相切的切线方程，该切线与跨过k个齿的齿廓相交的长度即为公法线长度，根据其最大值与最小值之差得到公法线长度变动。文中提出的基于计算机视觉系统的检测齿轮的齿数以及公法线长度的检测方法，实现了齿轮精度非接触式检测，且其检测精度能够满足工程实践的需求。     

一种优化的手写字符自动分割算法

在手写字符自动识别时,由于手写字符中存在字符大小间距不一、粘连、断点,以及不连贯等情况,给字符自动分割识别带来极大的困难。针对该问题,提出了一种优化的手写字符自动分割算法。该方法依据滴水算法的原理,结合CFS(color filling segmentation)做初步分割;再根据分割字符的连续黑色像素点的宽度判断是否为粘连字符,若为粘连字符,则在分割字符图片02倍宽度与08倍宽度之间扫描黑色像素位置;结合分割图片中间位置来确定滴水算法起始滴落点,解决特殊情况下的起始滴落点的定位不精准问题。经手写字符识别实验结果表明,优化后手写字符分割准确率比传统方法分割准确率提高了116%,且有良好的通用性,可提高手写字符的单个识别率。     

基于组合型中文分词技术的改进

在分词过程中如何处理歧义切分是中文分词算法要解决的难点之一.文中提出了一种改进的基于词典和基于统计的组合中文分词算法,能够发现并处理交集型歧义,该算法在发现歧义的过程中没有采取传统的双向匹配法而是采用双栈的结构,减少了匹配花费时间,并分别采取长词优先和最大概率方法处理一般的交集型歧义和特殊的同词长交集型歧义.最后通过实例对文中所提出的算法进行实验验证,结果表明该算法比传统的分词算法有更好的准确率.     

基于灰色-反向传播神经网络的江西省公路货运量预测

鉴于反向传播（Back Propagation,BP）神经网络算法收敛速度慢、局部极小化、结构选择不一的问题,提出结合灰色关联度分析的BP神经网络方法进行公路货运量预测,提高了模型的非线性学习和泛化能力及预测精度。该预测模型以江西省为例,首先利用灰色关联度分析确定预测目标的影响因子;然后,将关联度强的第一产业、第二产业和人均GDP作为公路货运预测模型的自变量,公路货运量和自变量作为训练样本,BP神经网络模型通过正向计算传播,误差反向传播,训练神经网络;最后,该方法应用于江西省公路货运量实际预测中进行有效性验证,结果表明该方法非线性拟合效果较好,具有较高的预测精度。     

边缘特征与局部纹理特性融合的阴影消除算法

针对视频分割中的阴影消除问题,提出了一种以置信度为桥梁,前景边缘投影特征与局部纹理特性相融合的阴影提取算法.采用自适应高斯法获得动态背景,提取包含阴影的前景,计算出当前帧和背景帧在前景最小外接矩形坐标范围内的边缘差异,得到低干扰的车辆和阴影边缘信息.利用大津阈值算法进行投影分割,在阴影连续性前提下,高置信度区域确认为阴影,低置信度区域确认为车辆,而一般置信度区域,进一步结合局部纹理在当前帧和背景帧间的跳变程度,搜索出与车辆相连的阴影.结果表明:该方法能够去除导致前景严重变形的大面积阴影,去除有效率在90%以上,保障了车辆的有效提取;算法实时性好,可应用于智能视频监控的目标检测及跟踪中.