基于集成学习的信号控制交叉口排队长度估计

基于电子警察(LPR)数据和网联车辆轨迹数据，提出了一种基于集成学习的信号控制交叉口排队长度估计方法。通过分析不同数据条件下估计方法的适用条件和精度水平，运用随机森林方法设计集成学习器，并构建电子警察和网联车辆轨迹感知信息及不同方法估计结果和真实排队长度之间的非线性映射关系。仿真结果表明：本方法的平均绝对误差为1.3 m·周期^-1·车道^-1，平均绝对百分比误差为1.4%。     

从形式语义学的角度看汉语时态算子对正极项的允准

极性敏感现象是语言的一种共性。本文通过对汉语中的时态副词的研究,证明了时态副词也是一种正极项,并验证了Ginnakidou[1]所提出的真实性算子对极性敏感项的允准的假说同样适用于解释汉语中的正极项的分布。     

交叉许可浅析

交叉许可是指通过两个相互依存、互为条件的许可合同实现的技术授权。交叉许可对于一些高科技领域内的技术创新有重要意义。由于跨国公司的参与,交叉许可合同带来的垄断问题引起了人们的关注。而且交叉许可本身也存在缺陷。但是这些都可以逐步得到克服,交叉许可模式有广阔的发展空间。     

一种新的汽车牌照识别的图像增强算法

汽车牌照区域分割是牌照识别的关键步骤，增强图像中的牌照区域，抑制背景区域，可以有效降低牌照区域分割的难度。将图像分解为一组二值图像的组合，然后在二值图像上计算各连通分量及其特征参数，利用牌照区域和背景区域对应的连通分量的特征差别，可以有效抑制背景而保留牌照。处理后的二值图像可重构出牌照区域被增强的图像。还采用等高线标记代替连通分量标记，以减少计算量，使得算法具有实用性。试验表明，这种算法有效地突出了牌照区域而抑制了背景，提高了牌照定位分割的效果，可以很好地用于实际的汽车牌照识别系统中。     

一种基于粗细定位相结合的车牌定位方法

对车牌区域的准确定位是实现自动车牌识别的一个重要步骤。首先对香港车牌进行粗定位,得到一些可能的车牌区域,然后确定这些区域的精确范围,同时去除部分伪车牌,在字符提取和字符识别时进一步去除伪车牌。迭代反馈处理所有精确范围区域后,得到真正的香港车牌区域。     

基于改进的投影方法的车牌图像字符分割

提出了一种用于车牌识别系统中的基于改进的投影方法的字符分割方法.该方法利用数学形态学与投影相结合的方法进行车牌字符分割,首先利用数学形态学突出车牌字符区域特征,然后利用水平投影除去上下边界,用垂直投影突出单个字符区域,再结合车牌固有特征等先验知识最终分割出字符.实验结果表明:该方法实现简单,分割质量好、效率高,便于下一步的字符识别.     

基于Top-hat变换的车牌快速搜索与定位

汽车牌照识别是智能交通信息管理系统的核心,从复杂的图像中分割出车牌又是牌照识别的关键。由于图像拍摄过程中存在着随机性,给牌照提取增加了很大的难度。文章在研究国内外牌照分割技术的基础上,提出了基于Top-hat变换的牌照分割方法。实验证明该方法能够很好地实现牌照顶角的快速搜索和定位,将牌照从复杂的背景图像中分割出来。     

图像处理与汽车牌照识别

在图像处理技术的基础上，对系统设计的关键环节如汽车牌照的定位与分割、光学字符的识别提出自己的看法，并借鉴已经成熟的数字图像处理技术来进行快速高效的汽车牌照识别。     

基于MSER的车牌定位

车牌定位是车牌识别系统的重要组成部分,目前常用的车牌定位方法主要受环境尤其是光照影响较大。针对这一情况,本文提出基于最大稳定极值区域特征的车牌定位算法,利用最大稳定极值区域特征特有的仿射不变性和对光照的适应性,提取图像中最大稳定极值区域,尤其是车牌字符区域。在排除部分噪声区域后,根据车牌字符区域稳定的几何特征和排列规则,将满足条件的相邻字符区域组成最近邻对,进一步剔除噪声区域。然后将所提取的最近邻对进行合并即可以得到所有可能的车牌区域。实验结果表明,相比较目前常用车牌字符切分算法,在切分的准确性和稳定性上都有较大提高。     

一种基于相似度判据的K近邻分类器的车牌字符识别方法

针对K近邻方法分类准确率较高的特性,提出了一种基于相似度判据的K近邻分类器车牌字符识别方法.通过大量实验,选取字符的网格特征和轮廓特征作为分类依据,用特征融合方法将两种特征合并,实现特征的串行融合.根据相似度判据作K近邻分类,实现了一个车牌字符识别系统.实验表明,这种方法具有良好的识别效果,鲁棒性强,具有较大的实用价值.