笔划宽度变换直方图的车牌识别中的应用

对于很多车牌识别中使用的算法而言,主要存在两种车牌类型：深色文字浅色背景车牌和浅色文字深色背景车牌。这两种车牌主要是二值化结果不同,进而导致后续字符分割和识别处理的图像类型不同。因此,判断车牌的二值化类型对于车牌识别来说是基础且重要的工作。本文提出了一种基于字符笔划宽度变换直方图的二值化算法,根据正色图像和反色图像计算比较两者笔划宽度变换直方图的最大值来判别车牌类型。同时,根据判别结果还可以估计笔划宽度,为局部二值化算法的邻域窗口大小的选择提供依据。我们使用多样式的美国车牌作为实验对象,与其他算法相比,实验结果表明该算法具有更好准确率,但也有更高的复杂度。     

南海成因：岩石圈破裂与俯冲带相互作用新认识

 南海深部计划与国际大洋钻探航次取得了一系列创新进展与重大突破：1）发现南海陆缘岩石圈减薄之初未出现地幔蛇纹岩出露，且岩浆迅速出现；2）新提出南海不是“小大西洋”，而是“板缘张裂”盆地，与经典的大西洋型“板内张裂”陆缘模式不同；3）揭示南海受到俯冲带的强烈控制，提出俯冲诱发地幔上涌并影响南海岩浆活动。     

纤维增强悬臂复合薄板固有特性分析与验证

采用理论与实际相结合的方式,对悬臂状态下纤维增强复合薄板的固有特性进行了分析与验证.首先,基于双向梁函数法,推导了具任意纤维角度下该类型复合薄板的最大动能和应变能,明确了利用该方法获取固有频率和模态振型的原理.然后,编写了Matlab计算程序,并给出了分析纤维增强悬臂薄板固有特性的具体流程.最后,搭建了固有特性测试系统,并以TC500碳纤维/树脂复合薄板为研究对象,进行了实际测试.验证结果表明,基于双向梁函数法的纤维增强复合薄板固有频率计算结果与实验结果的误差在3.7%~9.7%,且前5阶振型结果也与测试振型结果一致,进而验证了所提出的理论分析方法的正确性.     

折板幕墙单层钢网格结构的二目标优化

折板幕墙结构的优化设计除考虑主要指标用钢量以外,还需要考虑工期、加工难度、现场安装或施工难度、运输费、管理费等的影响。在关联分析的基础上,我们将工期、加工难度、现场安装或施工难度、运输费、管理费等次要指标简单地用杆件截面类型数作为替代,提出了折板幕墙单层钢网格结构同时考虑用钢量和杆件截面类型数两个指标的结构优化方法。使用经过工程统计得到的权函数来考虑杆件截面类型数对主要指标的影响。工程算例说明了该方法的分析过程。     

V-N微合金化Q550D高强度中厚板

对V-N微合金化Q550D高强度中厚板进行了控轧控冷工艺试验,研究了沿厚度方向不同位置的显微组织,并测定了其综合力学性能.结果表明:V-N微合金化Q550D中厚板显微组织为多边形铁素体+针状铁素体,表面至心部的平均晶粒尺寸逐渐增大,针状铁素体的质量分数逐渐减少,20~30 nm的(Ti,V)N及小于10 nm的V(C,N)析出物弥散地分布在多边形铁素体和针状铁素体基体上;试验钢屈服强度、抗拉强度、断后延伸率、-20℃冲击功分别为651 MPa,733 MPa,18%,170 J;细晶强化、析出强化、位错强化、固溶强化、针状铁素体组织强化为主要的强化机制;晶粒细化、低C成分设计、针状铁素体组织的形成为主要的韧化机制.     

“纳米材料绿色印刷制版技术”及其发展历程

纳米材料绿色印刷制版技术(下称“纳米绿色制版技术”)是近年来新兴的绿色环保印刷技术，纳米材料绿色制版技术具有非感光、无污染、低成本、工艺简捷的特点，堪称“印刷业的革新”。文章介绍了纳米材料绿色制版技术的概念特点、发展现状及其应用前景。     

FGM圆板考虑面内振动的动态响应

为研究考虑面内振动时FGM圆板的动态响应,首先基于经典板理论,同时考虑横向振动和面内振动,并利用Hamilton原理推导出轴对称情况下功能梯度材料圆薄板线性自由振动的控制方程。采用打靶法对无量纲控制方程进行数值求解,并将方程退化为一般均质板,求解其固有频率,得到了与相关文献非常接近的结果。对具体问题的数值结果进行对比分析,结果表明,面内振动会影响FGM圆板振动频率大小,忽略面内振动的影响会过高估计FGM板的频率。     

浅析金属屋面施工技术

金属屋面系统适用于大跨公共建筑。对工程实例铝镁锰合金板直立锁边屋面系统进行了详细介绍,阐述了屋面系统的构造、建筑技术要求的适应性、施工技术及质量控制等重点内容,为同类工程的设计提供了参考和借鉴。     

车牌定位系统中关健技术的研究与实现

针对车牌识别系统中由于分割不准确而造成识别率低的问题,提出一种基于一阶水平差分算子的自适应边缘检测的分割方法,以便更好的将汽车图像从复杂的背景中分割出来,同时用优化投影法对车牌进行定位,并在字符识别中利用改进15特征点提取法实现了车牌字符的识别.实验结果表明,该算法对车牌识别的准确性高,识别速度快,鲁棒性好.     

视频图像车牌颜色辨别方法

在实际应用环境的视频图像中,车牌颜色极易受到天气、光照、粉尘、车牌污垢等的影响．传统的车牌颜色辨别方法主要是通过判断车牌颜色分量的阈值来实现的．在视频图像中,由于车牌颜色变化大,很难找到恰当的阈值,因而传统的车牌颜色辨别方法已不具有普遍的适用性．针对这个问题,该文提出了一种全新的基于AdaBoost算法的车牌颜色辨别方法,通过提取车牌字符和背景在RGB和HSV空间的颜色特征,训练出AdaBoost分类器,从而对车牌颜色进行判断．实践证明,该方法不仅可以很好地判断出视频图像车牌的颜色,对于一些非车牌区域的排除也可以达到很好的效果,