基于K-means算法的二步迭代道路检测算法

为增强现有基于机器视觉的自动导引车AGV对非结构化路面的适应能力,提出一种基于K-means聚类分析算法的二步迭代道路检测算法。算法实现了自动选择路面样本区域与自主动态添加路面样本,克服了基于其它机器学习算法的道路识别方法需要人工收集大量路面样本进行训练的缺陷。实验仿真结果显示,该方法能有效降低光照、阴影、车道线等对道路识别的影响,能够适应含有多种不同障碍物的道路场合。     

基于肤色模型和面部特征的人脸检测算法

提出一种基于肤色模型和面部特征的人脸检测算法,在YCbCr颜色空间建立肤色模型,根据此模型进行肤色分割,为使分割更平滑,进行了形态学处理,再结合面部特征有效除去非人脸肤色区域。验证了该算法的可行性和高效性。     

基于维纳复原的道路限速交通标志检测

超速引发的交通事故数量急剧增加,为了提高道路驾驶安全性,提出一种基于维纳复原的道路限速交通标志检测方法。首先,对原始街景进行维纳滤波复原图像预处理;然后,根据道路限速标志牌轮廓形状和颜色等特征,在 HSI 彩色空间进行红色阈值分割、Canny 边缘检测和 Hough 圆检测,对图像中的道路限速交通标志进行检测,定位出可能是道路限速交通标志的区域;最后,根据限速标志的内部特征排除定位出的非限速交通标志区域。实验结果表明,该方法对于我国常见的 6 类限速标志检测正确率达到了 98.76%,符合限速标志检测系统的准确率要求。     

结构化数据及非结构化数据的分类方法

阐述了结构化数据和非结构化数据的基本概念以及分类过程;同时对目前应用于结构化数据和非结构化数据的主要的分类算法及其优缺点进行分析和比较.     

基于企业架构的非结构化数据管理平台建设研究

非结构化数据是大型企业宝贵的数据资产,其基本特征是数据格式多样、数据存储分散、数据总量大、增长速度快,蕴含有大量提升企业业务价值的重要信息。非结构化数据的统一存储、集中管理与深化应用是当今大型企业信息化建设的重要方向之一。基于企业架构理论设计了非结构化数据管理平台的业务架构、技术架构、数据架构以及应用架构,对面向大型企业应用的非结构化数据管理平台进行了多视角建模,建立了从需求分析到系统设计的桥梁。     

基于颜色标准化模型和HOG特征的交通标志检测

提出一种基于颜色标准化和方向梯度直方图(HOG)特征的交通标志检测算法。首先将24位真彩图位图转化为只含8种颜色的位图,再提取感兴趣颜色分量,通过面积过滤处理获得候选感兴趣区域;然后用HOG描述子得到候选区域的特征值,除去噪音区域,将特征值输入支持向量机(SVM)进行形状分类,最终得到检测结果。该方法通过颜色标准化避免颜色空间转换,节省了计算时间;由于HOG描述子对强光、阴影、倾斜、遮挡的抑制作用,从而有效地减少了错检、漏检。实验结果表明,该算法对交通标志的检测具有较好的鲁棒性。     

基于VC＋＋的图像着色算法

着色技术在电影制作、图像处理等领域具有广泛的应用,提出了基于VC＋＋的图像着色算法,可根据用户指定的颜色对图像的部分区域进行着色.首先获得图像中每个像素点颜色的R、G、B值存储在数组结构中;然后判断图像中要进行着色的区域内像素颜色的R、G、B值范围;最后比较数组中的值是否在范围内,定义新颜色并进行更改,完成着色.实验结果表明,所提算法可以快速地将图像的部分区域按照指定的颜色进行着色.     

基于有色点对搜索的车牌定位算法

研究车牌识别定位算法问题．传统的车牌设识别定位算法的识别精确度难以满足现实在交通管理和流量监测中的应用,存在车牌图像定位的精度不高等问题．为解决上述问题,在对车辆图像预处理基础上,提出一种基于有色点对搜索的车牌定位算法．基于车牌图像颜色特征,选取适合的颜色模型进行车牌提取．用有色点对算法搜索出符合车牌字符特征的候选区域对车牌进行粗定位,最后对候选区域进一步分析准确定位出车牌．通过研究表明,该算法具有较高的准确率．     

网络课程中非结构化学习资源有效应用的思考

基于Web2．0技术产生的非结构化学习资源对于网络学习者的社会化发展具有重要意义。非结构化学习资源是那些来源不确定、结构模糊、内容动态变化、缺乏稳定性的学习资源,资源本身没有经过专门的教学设计,资源之间也没有明显的相关性。非结构化学习资源有六种表现形式,其有效应用的前提是建立非结构化学习资源的组织环境和资源管理机制。     

基于时空特征的航拍视频运动目标检测研究

航拍视频具有监控场景范围大、采集设备移动迅捷等优点。与普通监控视频相比,航拍具有目标分辨率低、场景干扰因素多、采集设备不固定等问题,运动目标检测是个难题。针对这些问题,提出一种融合时空特性的两级运动目标检测算法。首先利用SURF算子完成图像匹配,解决摄像机移动问题,并结合目标的运动特性及自适应道路检测算法完成时域上的目标区域检测|采用HSV空间中的S分量图颜色特征,利用道路区域与目标区域的差异性完成空域目标区域检测。实验采用著名的VIVID Egtest01数据库以及Munich Crossroad01数据库中的数据,并与传统方法进行对比。结果显示该算法平均准确率达到93%,相比于传统方法有效性和鲁棒性更好。     

基于非凸低秩优化的压缩感知植株图像重构

目标植株图像压缩重构对于图像的高效传输及存储意义重大,同时为后期植株生长状态检测及病虫害识别奠定了基础。传统图像压缩感知方法大多是针对信号在某个特征空间的稀疏性进行的,并没有考虑信号的局部特征与结构化特性,存在重构效率不高、重构精度较低等问题。针对以上情况,提出一种基于非凸低秩优化的压缩感知植株图像重构算法。首先通过KinectV2.0采集植株图像深度数据并进行预处理,结合K-means与Mean-shift聚类算法提取目标植株有效区域,再考虑图像的非局部自相似性,采用加权[lp]范数最小化算法（WSNM）求解低秩优化问题,较好地保留了图像结构细节,最后采用Dog-leg最小二乘算法取代最快下降法进行迭代优化。试验结果证明,该算法在不同采样率下的植株图像重构质量优于其它同类算法,尤其在低采样率下重构效果更为突出。     

基于视觉的道路图像识别技术研究

道路图像识别技术在智能车辆、辅助驾驶、移动机器人等领域中得到了广泛应用,基于视觉的道路图像识别技术已成为众多学者研究的课题。介绍了几种不同的道路识别技术,并着重对基于特征的方法进了阐述,提出了基于区域特征的分水岭算法及改进方法,然后就道路图像的边缘检测进行了分析,最后给出了该领域的研究方向和发展趋势。     

一种改进的基于Ada—Boost的人脸检测算法

本文提出了一种改进的基于Ada—Boost的人脸检测算法,该算法在第一阶段使用基于A—da—Boost算法的分级分类器检测人脸,由于受到噪声与亮度的影响,一些非人脸区域可能被误判别为人脸,因此在YCbCr空间中采用肤色模型,去除非人脸区域．在第三阶段,采用SVM更精确的提取人脸区域．实验结果表明,改进的算法在实时性与误检率方面都优于Ada—Boost算法．     

基于谱聚类与多信息特征融合的图像分割算法

为了改善传统基于聚类的图像分割算法对噪声敏感以及仅使用单一特征无法精确描述目标特性等问题,提出了一种基于区域的多特征图像分割算法。首先,使用 Meanshift 算法对原图像进行预分割,获得一组区域块;其次,提取每个区域块的颜色特征和纹理特征,使用 FCM 算法分别对每个特征进行聚类,针对每个特征获得一个类标签邻接矩阵;再次,将多个邻接矩阵叠加,形成多特征邻接矩阵;最后,使用 NCUT 算法对叠加邻矩阵进行聚类,获得最终分割图像。实验结果表明,基于区域多特征的分割算法优于对比算法,融合多特征对图像分割可以更准确地识别不同的目标结构,具有更好的分割效果。     

基于暗通道先验的图像去雾算法改进研究

目前,基于暗通道先验原理的图像去雾能够取得较好效果,但仍存在图像景物交界处产生光晕、天空及白色物体区域去雾后色彩失真等问题。鉴于此,提出改进的基于暗通道先验去雾算法：首先,对暗通道图进行非重叠式滤波,消除最小值滤波导致图像交界边缘产生的光晕;然后,对输入雾霾图像进行直方图分析,能够自适应获得分割天空区域的亮度阈值;再对透射率图天空区域进行像素变换,去雾后可消除颜色失真;最后,采用非线性亮度提高的方法提升去雾图像的视觉效果。结果表明,改进算法去雾后的图像真实、天空自然。     

基于XML的异构数据系统知识发掘

企业目前各种信息系统由于数据格式不一,形成知识孤岛,造成组织所需的大量知识散布在各个异构数据系统中。面对大量的非结构化数据,传统的知识发掘显得力不从心。本文拟通过XML标记语言的特点,将企业信息资源中非结构化数据半结构化,利用基于传统数据库的知识挖掘技术构建基于非结构化数据的知识发掘系统。     

基于语义分割的高速公路天气识别算法

为了实现高速公路场景下天气图像的准确识别,文章提出了一种基于语义分割的高速公路天气识别方法,通过设计一种结合语义分割模型提取道路区域特征的方法,构建了基于语义分割的结合道路天气图像全局特征及道路特征的融合网络,实现对高速公路的天气识别。在道路预处理阶段,应用具有密集连接结构的多尺度特征提取模块DASPP到Deep Labv3+网络,增大模型在不同尺度特征上的分辨率密集程度和特征图在不同维度的感受野,进而有效改善道路提取的效果。在特征提取阶段,基于引入深度可分离卷积层的Xception网络,设计了天气特征提取网络WFCN,分别提取输入图像和道路区域图像的全局天气特征和道路天气特征并进行融合分类,有效降低模型参数量和运算量,并增强模型的性能。在构建的高速公路数据集上,对设计的算法分别进行了消融实验和对比实验,实验结果证明了该算法的有效性及相比现有天气识别算法的优越性。     

结合颜色和头部轮廓的单人运动粒子滤波跟踪算法

对单人头部运动的跟踪,提出了一种基于头部轮廓和颜色的粒子滤波跟踪算法.结合刻画头部轮廓的椭圆模型和刻画面部区域颜色的颜色直方图模型模拟人的头部.同时采用自适应速度模型来刻画目标的运动.最后利用粒子滤波实现目标的跟踪.对测试序列的实验表明,该算法能较好地克服光照和姿态的变化,在背景比较复杂的情形下也能实现对目标的跟踪.     

基于肤色特征的运动目标检测及分割算法研究

针对跳水运动视频中的人体运动目标分割问题,提出一种简单有效的基于颜色特征运动目标检测及分割算法.首帧进行图像预处理,利用色相和亮度两个分量加强颜色差异,然后使用OTSU算法对图像进行阈值分割,结合RGB颜色空间启发式肤色聚类结果确定运动目标所在的连通区域,从而完成首帧运动目标的自动检测.在后续帧的处理中,通过数学形态学方法自适应预测出运动区域后,运用改进的OTSU算法在区域中分割运动目标.实验表明,本方法有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速整体运动有较强的鲁棒性.     

领域文本信息抽取中的短语相似度计算方法

随着信息化的深入发展,各应用领域积累了大量采用半结构化方式记录的文本数据。为了快速有效地从大规模面向领域的半结构化文本中抽取有用信息,信息抽取技术应运而生。文本信息抽取的核心算法之一是计算词或短语的相似度,针对面向领域的半结构化文本中的中文短语相似度计算,先采用模式匹配算法从原始半结构化文本中抽取中文短语,然后结合领域语义依存关系,对基于公共子串的短语相似度计算方法进行改进,以此提高短语相似度计算的可靠性。实验结果表明,所提算法具有较好的计算效果。