行驶车辆牌照自动识别系统

本文介绍行驶车辆牌照自动识别系统,利用CCD工业电视摄像机不断获取运动车辆的正面车头图象、实时地送入计算机,然后根据图象的纹理结构,从图象背景中分离出牌照,再应用模式识别技术对牌照上的汉字省名和数字进行识别,并针对动态图象的模糊,牌照底色灰度不一,牌照可能被污染、畸变等现象提出了解决方法。  

计算机视觉火灾探测中的特征提取

火灾视觉特征的提取是视觉火灾探测中的关键问题．我们主要研究色彩、纹理以及轮廓脉动等特征的提取，并提出一种度量轮廓脉动信息的距离模型，该模型在规格化的傅立叶描述子空间能够准确地度量这种时空闪烁特征．实验结果表明，该方法具有比较好的鲁棒性，有助于提高视觉火灾探测的准确率、降低误报漏报率．  

基于计算机视觉的稻谷品种识别技术的研究

稻谷品种目前均由人工检测，工作量巨大，而且检测结果主观性强，一致性差。研究出用计算机视觉技术代替人眼对稻谷进行品种识别，提出把图像的颜色特征和形状特征结合起来进行稻谷品种识别的方法，通过贝叶斯决策方法建立识别分类器，识别正确率达到88．3％以上。  

苹果果梗和缺陷的识别技术研究

为解决苹果自动检测和分选中苹果果梗和缺陷的识别这一瓶颈问题，提出基于HIS颜色模型下亮度，的分布特性，从信号处理的角度确定苹果的果梗和缺陷区域．再提取区域纹理特征，构筑模拟退火神经网络作为模式分类器，区分果梗和缺陷．试验结果表明用该方法识别准确率接近90％．为苹果的在线检测和分级打下了良好的基础．  

计算机视觉检测技术及其在机械零件检测中的应用

基于计算机视觉检测（ＡＶＩ）技术在检测系统的智能化、柔性、快速性等方面较接触式检测方法具有更大的优越性，综述了其基本原理和分类以及近年来此方面的研究成果．分析了利用ＡＶＩ技术对机械零件进行检测的一般方法和系统构成，并探讨了基于ＣＡＤ的ＡＶＩ的关键环节．最后对ＡＶＩ技术的发展趋势提出了作者的观点．  

基于小波变换的边缘检测

根据Ｍａｌｌａｔ的多尺度边缘检测的思想，实现了多尺度Ｂ样条的边缘检测算法。在检测之首对图像进行自适应平滑处理，在选取小波函数时提出一种更加有有效的小波函数。同时，提出一种简单而有效的检测和边缘点连接的算法，最后，在分解和重建时采用一种基于滤波器系数特征的快速算法。结果表明，该方法比较适合于精确快速边缘检测。  

基于机器视觉的带钢表面缺陷检测系统

研究了一种基于机器视觉的带钢表面缺陷检测系统，它采用模块化硬件设计，图像处理软件满足实时检测的要求，可以有效地检测了生产线上的带钢表面缺陷。为该系统设计了一种基于规则表分类器、模糊算法及人工神经网络的组合式多级分类器，具有一定的学习能力，当待测材料或有关设备发生变化时，系统可以根据缺陷样本库对分类器进行训练，以适应生产线的相关变化。系统具有较强的容错性、适应性及可移植性。  

多智能足球机器人系统的关键技术

以NEWNEU参加机器人足球世界杯赛(FIRARWC99)的基于视觉型微型足球机器人系统MIROSOT为背景,详细介绍了机器人足球的关键应用技术·采用模糊神经网络和自学习专家系统的分层智能控制系统是当前机器人足球系统的研究方向·具有人工智能的自主型步行足球机器人是足球机器人的长远发展目标·  

基于边缘提取和特征跟踪的道路检测算法

研究了汽车辅助驾驶系统中的计算机视觉问题，一方面，用小波变换对高速公司上的道路边缘进行检测，另一方面，利用灰度以及几何特征实时跟踪和检测车道边缘，通过建立道路边缘模型，采用数据模拟合的方法确定边界轨迹方,程从而估算出公路的延伸方法，实现汽车的自动防偏，并为解决汽车智能辅助驾驶系统的避障问题提供了有力的保证。  

利用计算机视觉识别茶叶的色泽类型

针对茶叶色泽的感官评定存在识别结果的主观性强和一致性差等缺点，提出了一种新的识别方法，在计算机视觉技术定量描述茶叶的颜色特征的基础上，根据相似分类法（SIMCA）模式识别原理分别为碧螺春、龙井和祁红等三种茶叶建立了各自的分类识别模型并进行识别．结果显示：在显著性水平α=5％的条件下，所建立的模型最佳；训练时，各自模型对己类样本的回判率和对非己类样本的拒绝率都达到100％；预测时，各自模型对己类样本的识别率分别为90％、90％和100％，对非己类样本的拒绝率都是100％．试验结果表明，利用计算机视觉技术识别茶叶的色泽类型是可行的．