汽车牌照定位与字符分割

基于数字图像处理和模式识别技术的汽车牌照自动识别技术是汽车牌照识别系统的关键技术。研究汽车牌照定位和字符分割技术,实现了汽车牌照图像的预处理、基于水平投影和垂直投影算法的汽车牌照定位和基于垂直投影特征值分割算法的汽车牌照字符分割。实验结果表明,该算法能有效快速定位汽车牌照和准确分割汽车牌照字符。     

汽车牌照识别系统中关键算法的设计与实现

实现了一个汽车牌照识别系统，对所涉及的关键技术给出了算法描述。在牌照垂直定位中，采用了BP神经网络并结合统计特征的算法，提高了牌照定位的准确率，进而提高了整个系统的识别率：对200幅尺寸为648×486的测试图像的识别率为93％。     

车辆牌照上英文和数字字符的结构特征分析及提取

为了研制高性能的车辆牌照自动识别系统，在详细分析车辆牌照上英文和数字字符结构特点的基础上，选择字符图象中的闭合曲线作为其整体特征，将笔画端点，三叉点和四叉点作为其细节特征，同时将笔画中的拐角点作为其辅助结构特征，三者可分别用于字符的粗分类，细分类和相似字符区分，进而提基于图论和细节点特征的闭合曲线检测算法以及基于二值图象外边缘轮廓线的笔画拐角点检测算法，将上述结构特征用于车辆牌照上英文和数字字符识别，测得识别率达96％，用PⅢ550计算机完成结构特征抽取和字符识别所用时间约20ms／字符，表明这些结构特征适用于车辆牌照上英文和数字字符的快速识别。     

复杂背景下的车辆牌照字符提取方法研究

针对复杂背景中字符难于提取的问题，提出了 一种通用的提取字符的方法．该方法很好地利用了字符固有的特性，先对图像进行基于变分 法的自适应二值化，再用一种快速区域标号算法求取连通域，然后对连通域进行处理，提取 出字符行，最后进行倾斜校正．实验结果表明，该方法简单可行，成功率达到了96%以上．     

一种利用颜色信息的车牌字符分割新算法

汽车牌照自动识别系统中由于拍摄得到的字符模糊经常造成分割效果不佳。通常采用的灰度处理方法也丢失了很多颜色信息。本文提出一种基于模糊神经网络的算法，充分利用车牌的颜色信息，根据车牌底色对不同分量进行加强，直接对彩色车牌进行字符分割。实验结果表明，该算法是有效的，尤其是对车牌上汉字的分割效果较以往算法有明显提高。     

一种基于纹理的快速车辆牌照分割方法

主要针对车辆牌照自动识别系统中的一个重要功能块——车牌分割，提出了一种基于车牌字符串纹理特性的车牌快速定位方法。试验结果表明，此方法快速地搜索车牌并准确定位，便于下一步的字符分割和识别。     

汽车牌照识别技术的研究

汽车牌照识别系统在现代交通交通监控和管理中有着广阔的应用前景。本文首先介绍了汽车牌照识别系统,然后对其关键技术进行了论述,最后对汽车牌照识别技术存在的问题及发展的方向进行了讨论。     

基于字符综合特征的车牌字符分割算法

字符分割技术是车牌识别系统的关键技术之一。字符分割最主要的问题是字符粘连及车牌边框的影响。鉴于车牌字符具有布局规整,字符个数确定,字符大小一致、宽高存在规律等特征,文章提出一种将投影和字符间距相结合的基于字符综合特征的字符分割算法。实验证明该算法那对分割粘连字符具有较好效果。     

基于色彩饱和度和字符特征的汽车牌照定位

在分析汽车牌照底色与字符颜色关系的基础上提出了一种利用色彩饱和度信息和牌照字符特征的汽车牌照定位分割方法.该方法不同于以往的基于色彩的分析方法,避免了在由RGB向HSV转换过程中大量的浮点运算,提高了运算效率,并且能够有效地克服光线和天气条件的影响,具有很好的抗噪性能,定位精度高.     

字符识别算法在车牌识别系统中的应用研究

本文以车牌识别系统定位后的车牌字符识别算法为研究对象,分析基于模板匹配的字符识别算法和基于神经网络的字符识别算法,将车牌字符进行分割处理,诠释字符识别算法在车牌识别系统中的应用。     

OSD和Chase的并行互补译码

在研究分阶统计译码（OSD）算法和Chase算法的基础上,提出了一种新的针对中短LDPC码的OSD-Chase并行互补级联译码算法。OSD算法对接收序列的个可信度较高的符号（MRIPs）作为消息位进行比特翻转和重新编码,产生候选码字;而Chase算法则是对接收序列的可信度较低的符号（LRPs）进行比特翻转和代数译码。如果过多的错误出现在MRIPs中,则OSD算法不能成功,而如果过多的错误出现在LRPs部分,则Chase译码不会成功。为此充分利用OSD算法和Chase算法这种互补特性,设计了一种并联级联译码算法。仿真显示该文提出的算法是有效的,相比BP-Chase和BP-OSD算法,译码性能得到提高。     

基于孪生网络的跟踪算法综述

目标跟踪算法共分为两大类,一类是基于相关滤波的跟踪算法,另一类是基于深度学习的跟踪算法。基于相关滤波的跟踪算法的特点是跟踪速度快,跟踪的精度较低。基于深度学习的跟踪算法的特点是精度较高,但跟踪速度较低。随着研究的深入,深度学习中基于孪生网络的跟踪算法很好地平衡了跟踪速度和精度,既保持了基于深度学习的跟踪算法的优点,又大幅度提高了跟踪速度。首先介绍了基于孪生网络的跟踪算法的工作原理,然后根据基于孪生网络的跟踪算法的发展顺序,分别阐述了不同孪生网路跟踪算法的方法,最后对基于孪生网络的跟踪算法做了总结与展望。     

一种基于期货市场理论的网格资源分配机制

在比较了计算网格资源和期货特点的基础上，提出了一种基于期货市场理论的网格资源分配机制，避免了现货市场价格的大幅波动。提出了基于期货市场的资源竞价交易算法，通过在电力网格系统上的模拟实验以及与“蛛网模型”的对比，表明本文提出的竞价算法具有资源的利用率高、稳定性高的优点。针对资源域内任务调度，提出了基于期货合约任务调度算法，通过实验比较了群集循环法、先来先服务、Max-min调度算法的完成时间，基于期货合约的任务调度算法完成时间最短。最后讨论了网格技术及期货市场理论在电力系统的应用。     

改进的正态分布的分布估计算法

针对连续空间函数优化问题,提出了改进的正态分布的分布估计算法。该算法将优选出的个体看作正态分布,然后以正态分布概率模型随机采样产生新的种群,并挑选部分个体与保留的最好解进行交叉操作。将其与均匀分布的分布估计算法、正态分布的分布估计算法进行了比较,结果证明该方法的效果更好。最后分析了选择较好个体的比例对算法的影响。     

基于遗传算法的多维快速聚类算法研究*

引入遗传算法试图解决海量、高维样本的聚类问题。分析了目前基于样本和属性值两类基于遗传算法的聚类算法的不足,归纳出它们的算法模型。针对多维快速聚类问题提出了密度法、网格法两种基于遗传算法的聚类算法。算法测试表明,改进后的基于遗传算法的聚类方法能够解决海量、高维样本的聚类问题。     

基于窗口的随机数抽取算法研究

介绍了传统的随机数抽取比较算法的算法原理,给出了基于固定窗口的数据填充不等概率随机数抽取算法及基于滑动窗口的等概率随机数抽取算法,并对它们进行了算法分析和概率分析,给出了后两种算法的概率分布,最后对基于滑动窗口的等概率随机数抽取算法抽取不重复整数问题和基于固定窗口的数据填充不等概率随机数抽取算法从试题库中抽取试题组成试卷问题进行了算法设计和程序设计,并检验说明了程序运行结果.     

基于元学习思想的算法选择问题综述

算法选择实际上可视为一种学习任务.鉴于此,首先分析基于元学习思想的算法选择框架;然后从数据集特征和元算法两个角度对基于元学习思想的算法选择方法进行归纳总结;最后分析基于元学习思想的算法选择存在的问题,并指出未来发展方向.     

支持向量机(SVM)的研究进展

介绍了基于分解思想的支持向量机的训练算法,主要有两大类:块算法和固定工作样本集算法及其对应的快速算法SVM-light、SMO、BSVM和LIBSVM;介绍了支持向量机的变形算法、多类分类算法及模型选择问题;并且对近年来支持向量机在实际中的应用做了简要介绍,最后讨论了支持向量机亟待解决的问题并对其发展进行了展望.     

一种融合差别矩阵和条件熵的故障诊断方法

当约简对象过多时,粗糙集中基于差别矩阵的属性约简算法无法摆脱“知识爆炸”的问题。引入相对差别矩阵的概念,提出一种基于相对差别矩阵和条件信息熵的算法,比较分析了该算法与单纯应用差别矩阵算法和信息熵算法的优势,应用于某型机载电台设备进行故障诊断,结果表明3种算法结果一致,并且是对单纯差别矩阵和信息熵算法的简化。     

化工过程仿真培训系统中的换热器模型

本文讨论了化工过程仿真培训系统中的换热器的动态模型，着重比较了两种稳态模拟与动态补偿相结合的仿真算法－基于平均传热温差和基于传热单元数的仿真算法。分析了基于平均传热温差的仿真算法存在的问题，讨论了基于传热单元数的仿真算法中有关参数的确定方法，最后给出仿真实例。