基于卷积神经网络LeNet-5的车牌字符识别研究

将卷积神经网络LeNet-5引入到车牌字符识别中。为了适应目前中国车牌字符识别的需要,对传统的卷积神经网络LeNet-5的结构进行了改进,主要是改变输出单元的个数与增加卷积层C5特征图的个数。研究结果表明,改进后的LeNet-5比传统的LeNet-5的识别率有所提高,识别率达到98.68%。另外,与BP神经网络进行了比较研究,从实验中可以看出在字符识别的正确率和识别速度上都优于BP神经网络。卷积神经网络在车牌识别中具有很好地应用前景。     

面向需求的高速公路网检测器布置方法

交通流信息采集需求可分为交通规划、路段运营管理、交通流管控三个层次。定义满足交通规划需求的检测器布置方案为最小检测器布置,满足交通状态估计与投资相平衡的检测器布置为最优检测器布置。将高速公路网视为有向图,边数与节点数之差为最小检测器数量,利用最小边控制集的思想得到最小检测器布置方案。运用扩展卡尔曼滤波算法对不同检测器布置方案下交通流状态进行估计,计算估计偏差,以获得最优检测器布置。通过数例对提出的分层优化方法进行了仿真试验,验证了方法的有效性。     

基于小波神经网络的胎号识别算法研究

针对人工神经网络的特点,对传统BP算法进行了改进。采用小波神经网络方法,有效克服了传统BP算法在实际应用中学习收敛速度慢和容易出现局部极小点的缺点。以轮胎胎号字符识别为例,分别用投影法和Hu不变距方法进行特征提取,并将所提取的特征用作神经网络输入层的神经元。将所设计的小波神经网络经训练后用于胎号的识别。仿真结果表明,小波神经网络在字符识别方面是一个十分有效的方法。     

连续型联想细胞神经网络局部指数稳定性研究

由于细胞神经网络的潜在应用前景 ,它现已成为神经网络研究的新热点。首先给出连续型联想细胞神经网络的数学模型 ,得到了连续型细胞神经网络平衡点局部指数稳定的充要条件及平衡点指数吸引域的估计 ,研究表明对平衡点的指数吸引域的估计 ,只要计算平衡点处的导算子矩阵的对数范数即可。该研究对连续型联想细胞神经网络的设计和应用均有重要的作用。     

基于边缘点投影方差最小的车牌倾斜校正方法

在车牌识别系统中,为提高字符分割和识别的效果,需要对定位后的车牌图像进行倾斜校正.提出了一种基于边缘点投影方差最小的车牌倾斜校正方法.首先将旋转后车牌图像的垂直边缘向水平方向投影;然后导出边缘点投影方差最小时旋转角度的闭合表达式,由此一步确定车牌的倾斜角度;最后通过双线性插值方法校正车牌.给出了实验结果,并与车牌倾斜校正的Hough变换法、旋转投影法和主成分分析法进行了精确度、算法复杂度及运算时间的比较,结果表明所提出的方法精确度高、鲁棒性好、实时性强.通过进一步分析和推广,将车牌倾斜校正方法总结为两种不同类型的方法,并对它们进行了比较.     

基于频心法的STAP非均匀检测器

针对杂波谱移动非均匀和功率非均匀现象,提出了"频心"法非均匀检测器。该检测器利用杂波谱移动非均匀和功率非均匀环境下杂波散射中心频率和能量随距离变化这一特点进行非均匀样本选取。仿真结果证明这种非均匀检测器在杂波谱移动非均匀和功率非均匀环境下具有较好的非均匀检测性能。     

二中择小修正型单元平均检测器性能研究

本文研究单元平均检测器在高斯杂波背景、x~2目标模型、多目标环境中的检测性能。得到了检测概率和虚警概率的一般表达式和道推计算公式。针对参考单元中的干扰目标对检测概率的抑制效应,提出了二中择小修正型方案。并针对Swerling目标模型进行了理论分析,结果表明,方案能较圆满地解决这一问题。     

小波尺度退火的迟滞混沌神经网络及其应用

为了有效地避免网络陷入局部极小点,提出了具有小波尺度退火和迟滞激励函数的混沌神经网络模型。将Gauss小波函数作为网络的自反馈项,利用小波尺度的指数递减实现混沌模拟退火,可使网络表现出更丰富的混沌动力学演化行为,有效地增加了混沌搜索的Lyapunov指数的平均水平。利用统一框架理论分析了网络的优化特性和稳定性。旅行商问题(traveling salesman problem, TSP)和直扩序列码分多址(direct sequence code division multiple access,DS CDMA)多用户检测器的仿真结果表明,该网络能够找到优化问题的全局最优解,并且具有较好的优化性能。     

基于目标极化适配的极化检测算法

极化检测是雷达目标检测的一个重要分支.在高斯杂波统计特征已知的情况下,极化白化滤波器(PWF)常被用于杂波中雷达目标的检测.假设目标的极化特性和杂波的统计特征均已知,为了利用目标的先验知识,提出了一种基于目标极化适配的检测算法,据此算法设计了极化适配检测器(PAD).PAD和PWF对低极化度高斯杂波中二面角的模拟检测结果显示,在低信杂比下,PAD算法具有较好的检测性能.     

音频水印非线性检测器的研究

研究了一种用于音频水印的非线性检测器。首先将音频信号进行离散余弦变换,并将变换系数按照绝对值进行排序,依据音频信息本身的特点选取中频系数嵌入水印信息,采用高斯混合概率密度模型来拟合加入水印的中频系数。其次,依据这种非高斯模型的特点,设计了一种非线性检测器来检测水印。实验表明这种非线性水印检测器具有很好的鲁棒性,对于加高斯噪声、重采样、重量化、MPEG压缩、Chebyshev低通滤波等多种攻击都具有较好的抗攻击能力。     

基于边缘检测与Hough变换的车牌字符分割算法

提出了一种新的车牌字符分割算法,先对车牌区域进行Roberts算子边缘检测,再进行Hough变换,将车牌区域角度校正完毕后,根据划分的字符区域宽度的不同,将字符区域归为不同类型,再分别进行处理,提高了字符分割的精度。     

离散时间细胞神经网络的收敛性条件

神经网络的收敛性是网络各种应用的基础。主要研究了离散细胞神经网络的收敛性 ,并给出了几个新的网络收敛性条件。如果细胞网络的模板不是互补的 ,则给出一个网络在细胞格子非相互作用演化方式下的收敛性结果 ,所获结果推广了已有的结论。如果模板是互补的 ,且是行占优的 ,则网络按细胞格子行方式进行演化是收敛的。如果模板是互补的 ,且是列占优的 ,则网络按细胞格子列方式进行演化是收敛的。     

车牌照定位及倾斜校正方法研究

针对车牌照自动化管理中需要对采集到的车牌照图像进行自动校正和去除背景的处理问题,在传统的集合参数提取方法———Hough变换基础上,提出了一种实现对车牌照图像进行定位和倾斜校正的方法。根据车牌照自身特点,对对称Hough变换作出改进和剪裁,使得该方法可对平行四边形形状的车牌照进行检测。测试证明,该方法缩短了计算时间,减小了空间复杂度。     

基于小波变换和行扫描的车牌定位方法

介绍了车牌从预处理到定位的整个过程,车牌预处理部分包括采用运用不等权方法对图像进行灰度化;运用高低帽变换来增强图像的对比度,有利于增强算法的鲁棒性;运用一种新的小波阈值方法来进行图像去噪,有利于去除干扰,突出车牌区域。在车牌定位部分根据车牌自身的特征采用行扫描来对车牌进行定位。实验表明此方法具有较高的准确性,有较高的实用价值。     

基于BP神经网络的图像感兴趣区自动检测技术

图像中感兴趣区(region of interesting,ROI)的自动分割是图像信息压缩与模式识别中的重要问题。提出一种图像中感兴趣区的图像信息自动检测算法,通过建立基于BP神经网络的多层检测模型,自动实现图像中ROI的自动检测与分割。并将该模型用于对车牌图像中牌照区域图像的自动分割。结果表明,该算法稳定性好,能够方便快速地实现特定ROI的自动检测与分割。     

An Automatic System of Vehicle Number-Plate Recognition Based on Neural Networks

1. INTroDUCTIONAutomatic recognition of nUmber-plate is basically divided into two processes. The fast process is to locate the.vehicle nUmber-plste. The second process is to recognize the characters on nUInber-plste.NUmber-plate lOcation can be regarded as the most ~enging aspect of nUmber-plate recoghtion. Basically, there are three methods for number-plate location. The first one [1,4] locates nUmber-plste using binaryimage obtained by tblesholding grey-level image. It requires good…     

Attractors and the attraction basins of discrete-time cellular neural networks

1.INTRODUCTION Recentlynumerousmodelsofnervoussystemand brainwhicharecalledartificialneuralnetworkshave beenextensivelystudiedanddeveloped.Amongthe mostpopularmodelsintheliteraturearecellularneu ralnetworks,whichhavebeenextensivelystudied Thediscrete timecellularneuralnetwork(DTCNN) isoneofthefamousneuralnetworkswithawide rangeofapplications,suchassignalprocessingand pattern[2].ThestabilityanalysisoftheDTCNNhas beenanimportanttopicintheneuralnetworksfield sinceithasgreatsignificancef…     

基于风格迁移不变特征的SAR与光学图像配准算法

针对异源遥感图像的匹配难题, 提出一种基于风格迁移不变特征的合成孔径雷达(synthetic aperture radar, SAR)图像与光学图像配准算法。首先, 训练SAR图像转换为光学图像的风格迁移网络。然后, 基于风格迁移网络生成人工光学图像及其与原SAR图像之间的差异图, 并利用小波多尺度特性增强人工光学图像和差异图的边缘区域, 二值分割后提取人工光学图像的边缘不变特征。同时, 提取光学基准图像的边缘特征。最后, 通过互相关性准则进行边缘特征匹配, 进而实现原始SAR图像与光学基准图像的精确配准。实验结果表明, 较同类算法, 即使在训练样本不足的条件下, 生成的人工光学图像也能与光学基准图像实现精确配准, 增强了算法的适应性。