基于视觉特征和信息传递的高等级公路交通标志设置有效性分析

道路标志在现代道路交通中发挥着重要的作用.本文通过驾驶员对交通标志设置的基本要求,对公路交通标志的设置进行了分析.在基于驾驶员视觉特征和信息传递的条件的分析的基础上,得出了交通标志设置应该满足的要求,为交通标志的设置提供了可靠的建议.     

基于图像质量的交通标志图像优化算法

本文提出了一种基于图像质量的交通标志优化方法。通过计算图像的颜色质量与形状质量,进行对应不同的优化。该方法考虑标志的质量,改变传统的"捕获—识别"流程为"捕获—优化—识别",降低了因褪色、磨损、扭曲造成的干扰。实验表明,在同样的神经网络下,使用本方法优化,交通标志识别率得到了大幅提高。     

基于特征匹配的交通标志识别算法

智能交通系统（ITS）是当前研究的热点,而在ITS中的关键技术之一就是交通标志的特征提取技术.针对交通标志的特征提取,提出利用尺度不变特征变换（SIFT）算法提取交通标志的点特征,采取最小距离分类器对特征向量进行分类,并通过Matlab、仿真验证实验结果,结果表明能够较好地检测出交通标志的特征.     

基于压缩卷积神经网络的交通标志分类算法

针对车载计算系统很难满足大型卷积神经网络对计算资源和存储空间需求的问题,提出了一种基于压缩卷积神经网络的交通标志分类算法.首先挑选原始VGG-16和AlexNet在GTSRB数据集上进行分类训练;然后对网络模型进行基于泰勒展开的通道剪枝删除冗余的特征图通道;接着使用三值量化方法对剪枝后的网络模型进行参数量化;最后进行了通道剪枝、参数量化和组合压缩的实验.结果表明:本算法有效地压缩了网络模型,减少了运算次数.最终组合压缩的VGG-16网络模型的存储空间减少一半,参数数量为原始模型的9%,每秒浮点运算次数减少为原始模型的1/5,模型加载速度提升了5倍,测试速度提升了2倍,精度为原始模型的97%.     

基于量化的数字水印算法

为了有效地保护数字媒体的版权,提出了一种基于自适应量化的小波域数字水印算法。通过考虑人眼的视觉特点,根据局部图像特性,动态确定量化步长,使水印的嵌入强度与图像邻域特性相适应,既提高了水印的嵌入强度,又保证了水印的不可见,该算法计算简单,相比传统的方法,具有更高的鲁棒性,在检测时不需要使用原始信号,这些优点,使其可以广泛地应用于数字图像的版权保护中。     

基于YOLOv3的交通标志检测与识别算法

针对汽车前置摄像头所拍路况实景中的远距离交通标志占整个画面的比例较小、自动检测较难的问题,本文提出一种改进YOLOv3的卷积神经网络结构.在原YOLOv3算法结构上去掉了13×13这个冗余的大感受野检测层,结合残差结构思想,将深层特征进行上采样,然后与浅层特征图进行张量拼接,得到104×104的尺度检测层,进一步提高对...     

基于卷积神经网络的小目标交通标志检测算法

PVANet(performance vs accuracy network)卷积神经网络用于小目标检测的检测能力较弱.针对这一瓶颈问题,采用对PVANet网络的浅层特征提取层、深层特征提取层和HyperNet层(多层特征信息融合层)进行改进的措施,提出了一种适用于小目标物体检测的改进PVANet卷积神经网络模型,并在TT100K(Tsinghua-Tencent 100K)数据集上进行了交通标志检测算法验证实验.结果表明,所构建的卷积神经网络具有优秀的小目标物体检测能力,相应的交通标志检测算法可以实现较高的准确率.     

基于人工蜂群的新型圆形交通标志识别算法

道路交通标志检测是智能交通系统的重要组成部分,精确快速识别圆形交通标志对保障交通安全有非常关键的作用.本文将子种群概念引入人工蜂群(artificialbeecolony,ABC)算法中,提出了一种基于子种群多峰值优化算法(species-based artificial bee colony,SABC)应用于圆形交通标志的检测.SABC的关键在于多个子种群按照人工蜂群算法同时搜索多个最优解.作为比较,引入了基于子种群的遗传算法(species-basedgeneticalgorithm,SGA)和基于子种群的粒子群优化算法(species-based particle swarm optimization,SPSO).5个多峰值函数用于验证3种算法的多峰值优化性能,其结果证明SABC具有更高的准确性和更快的运行速度,成功率为100%,精度均低于10-4,运行时间均在0.3 s以内.然后,将多圆检测视为多峰值优化问题,并将SABC应用于多圆检测,设计了完整的检测算法.最后,在德国交通标志数据集(German traffic sign recognition benchmarks,GTSRB)的圆形交通标志上测试所提出的圆形检测算法.实验结果表明,所提算法能够以良好的性能定位圆形交通标志.     

基于二级改进LeNet-5的交通标志识别算法

以真实场景中拍摄的交通标志图像数据集GTSRB为研究对象,将卷积神经网络与支持向量机相结合,提出一种基于二级改进LeNet-5的交通标志识别算法。该算法首先根据识别系统的实时性要求,对原始LeNet-5结构进行改进;然后用裁剪、灰度化、图像增强和尺寸归一化等操作对原始图像进行预处理,得到32×32的感兴趣区域;接下来,利用数据集GTSRB训练出一个二级改进LeNet-5,其中第一级改进LeNet-5将感兴趣区域中包含的交通标志粗分为6类,第二级改进LeNet-5对粗分类结果进行细分类,识别出交通标志所属的最终类别。实验结果表明,基于二级改进LeNet-5交通标志识别算法因网络模型能够提取交通标志的多尺度特征,识别正确率可达91.76%。     

基于熵理论的应急组织信息传递算法及应用

信息传递机制决定信息传递的路径、速度和准确性,进而影响决策效率。可知,提高应急管理能力需优化应急管理组织信息传递能力。本文综合运用熵理论和网络敏捷性的评价方法,建立组织信息传递机制评价模型,并设计实现算法。以汶川地震国务院抗震救灾指挥部为例,验证了该算法的可行性,并提出信息传递机制优化改进的建议。     

一种基于信息传递的MIMO系统符号检测算法

提出了一种新的基于信息传递的MIMO系统符号检测算法.该算法首先采用MMSE方法进行均衡,以均衡后的软信息为基础,按照各接收天线上接收信号的信干噪比大小,以单个接收天线为单位,依次对选定的发送符号作进一步判决,每次判决的结果均传递给其他接收天线,用来参与对其他符号的检测.理论分析和仿真结果均表明,该算法可以有效改善传统MMSE均衡的效果,在接收天线数目不是很大的情况下,可以取得与V-BLAST算法相当的性能,相比于V-BLAST算法,计算复杂度大大降低.     

基于信息传递和峰值聚类的自适应社区发现算法

信息传递是网络具有的基本特征,基于此提出了一种基于信息传递和峰值聚类的自适应社区发现算法。首先,定义了节点与邻居之间的信任度函数,每个节点基于信任度独立的向网络中扩散信息量。扩散结束后,节点总信息量即为峰值聚类中的密度;网络中节点之间的距离通过所含节点信息量的倒数替代。然后,提出一种自动选取核心节点方法并为核心节点分配不同社区,把剩余节点分配到与它距离最短的核心节点所在社区,完成社区划分。本算法的优点在于无需额外参数并且能够发现社区内部结构。实验结果表明本算法发现的社区结构更加接近网络真实社区结构。     

基于2维信息传递的wBRB多元LDPC译码算法

在wBRB多元LDPC译码算法中,由于采用最小比特可靠度作为整个符号的可靠度以及只传递1维最大可靠度的符号信息,因此,在有限域的阶数较大或列重较小时,译码性能会明显下降.为解决上述问题,提出了一种基于2维译码信息传递的wBRB多元LDPC译码算法.该算法利用符号之间的距离信息作为可靠性度量,把2维信息划分为最可靠和次可...     

无线电电子音像信息的传递技术原理和应用

随着现代科技的日新月异的发展,人们的生活也越来越向着快节奏、高速化发展,人们对生活的要求也越来越高,尤其是在精神层次的要求更加突出,在这其中,无线电电子信息扮演着不可替代的重要角色,它的出现不仅给人们带来了极大的便利,更加可贵的是他让人们的生后变得更加有滋有味,满足了人们对现代生活诸多方面的需求。本文是我通过浏览图书和上网搜索查阅相关资料所了解到的关于无线电电子音像信息传递技术的原理,以及它目前的应用和未来的展望。     

基于小波自适应量化的水印算法

为了有效地保护数字媒体的版权,提出了一种基于小波的自适用量化的水印算法,使水印算法能确定水印的最优嵌入能量来量化小波系数,实现了水印不可感执行和鲁棒性之间的折衷,同时,水印的提取无须求助于原图像,很好地实现了水印的盲检测.实验结果和攻击测试表明,提出的算法对JPEG/JPEG2000压缩、添加噪声、剪切、亚抽样、低通滤波等多种攻击有较强的鲁棒性.     

基于颜色差异的色彩量化算法

在色彩量化问题中,对颜色层次感和关键细节的处理是一个困难的问题.如果保留颜色层次感,就会失去关键细节,反之亦然.针对该问题提出了一种新颖的基于颜色差异(Color-Difference,CD)的颜色量化算法.该算法即可以保留颜色层次感,又可以保留关键细节.     

基于正负量化的自适应水印算法

根据HVS的特性和DCT系数的特点,提出了一种基于AC系数的自适应水印嵌入方案。仿真实验表明：该算法具有良好的不可见性,并能抵抗剪切操作以及噪声、滤波和JPEG压缩等常见的信号处理,表现出较强的鲁棒性。     

基于全局匹配的颜色传递算法

图像由黑白转换到彩色的处理功能,在医学成像处理、数字娱乐和科学数据可视化等方面有着广泛的应用前景。本文针对已有的彩色图像之间的颜色传递方法进行了改进,采用基于全局的像素颜色匹配方法,从而提出一种新的颜色传递算法。实验结果表明,算法的整体效果良好。     

改进的YOLOv3交通标志识别算法

针对复杂场景下交通标志检测存在精度低、检测速度慢等问题,提出一种基于YOLOv3改进的S-YOLO(stronger-YOLO)交通标志算法。首先,合并批归一化层到卷积层,以提升模型前向推理速度;其次,采用二分K-means聚类算法,确定适合交通标志的先验框;然后引入空间金字塔池化模块,提取特征图深度特征;最后引入完整-交并比(complete-IoU,CIoU)回归损失函数,提升模型检测精度。实验结果表明,在重制的中国交通标志数据集(Chinese traffic sign dataset,CTSDB)下,所提算法与YOLOv3相比,平均准确率和检测速度分别提升了4.26%和15.19%,同时相较YOLOv4以及其他算法对交通标志识别有更优的精度和速度,具有良好的鲁棒性,满足复杂场景高效实时检测。