车辆牌照自动识别系统的开发

车辆牌照识别是智能交通系统的重要组成部分，通过车辆牌照可以检索车辆的重要信息（监视车辆的违章和车辆缴费情况等）。开发研制了车辆牌照自动识别系统，该系统通过对车辆牌照定位找出车辆牌照位置，并对车辆牌照中的字符进行分割和匹配，从而识别出车辆牌照。实验表明该系统能够实时检测和识别车辆牌照。     

汽车牌照自动识别技术在高速公路收费中的应用

随着计算机技术在高速公路收费系统中的广泛应用,汽车牌照自动识别技术成为不可缺少的组成部分,该技术的产生使收费中的众多问题迎刃而解,因此,汽车牌照自动识别系统在收费系统中起着至关重要的作用.     

汽车牌照自动识别技术在高速公路收费中的应用

随着计算机技术在高速公路收费系统中的广泛应用，汽车牌照自动识别技术成为不可缺少的组成部分，该技术的产生使收费中的众多问题迎刃而解，因此，汽车牌照自动识别系统在收费系统中起着至关重要的作用。     

基于投影图像分布特征的车牌定位算法研究与实现

汽车牌照的自动定位是智能交通系统中的重要组成部分之一，是实现车牌识别（LPR）系统的关键一步．针对不同背景和光照条件下的车辆图像，提出了一种先利用扫描行跳变点数据得到图像的水平投影图，再通过突出图像列的边缘特征得到垂直投影图从而提取出车牌的方法．理论分析及实验结果表明该方法是非常有效的，准确率高、鲁棒性好，具有较好的实用价值．     

牌照自动识别系统在高速公路收费中的应用

牌照自动识别系统在高速公路收费中具有防止车辆换卡逃费,辅助车型分类,杜绝收费人员舞弊,自动放行,提高通行能力,减少通行卡投资以及满足车道监控需要等作用。牌照自动识别系统采用车牌号码匹配和车牌图片匹配两种方法对出入口的车牌进行匹配识别。安装在出口的车牌自动识别系统首先根据通行卡中的车牌号码识别结果进行车牌号码匹配,判断出入口是否为同一车辆。当车牌污损严重而无法识别时,出口车牌自动识别系统将根据出入口的车牌图像来进行图片匹配,判断出入口是否为同一车辆。     

全天侯汽车牌照自动识别系统

汽车牌照自动识别系统是实现智能化道路车辆监控的基础，适合于全天候各种场合下应用的汽车牌照自动识别涉及问题很多，难度很大，本利用常规监控器材对系统进行的探索研究，解决了一些实际存在的问题。     

应用车辆牌照自动识别系统自动检测行程延误的算法研究

为实现行程延误信息的实时自动采集,并提高信息采集的准确性,本文提出了应用车辆牌照自动识别系统实时自动采集行程延误的思想,并设计了面向路网的行程延误算法．该方法可以为交通管理与控制、路线诱导及交通规划等方面的研究提供重要的基础数据,具有广泛的应用前景．     

古今中外的汽车牌照

保存到现今最古老的汽车牌照:德国慕尼黑警察1899年4月14日给巴伊斯巴尔特先生的"瓦尔特布克"汽车所发的牌照,是保存到现在最古老的汽车牌照,也是德国最早的汽车牌照.这个牌照是一块长方形金属牌,上面只写了一个"1"字.     

畸变汽车牌照图像的空间校正

首先针对我国汽车版照的常规模式，提出了用Hough变换提取牌照边框参数的方法，进而求得汽车牌照四边形区域4个顶点的坐标，并且给出了利用对极坐标参数表示的直线进行Hough变换的具体途径。然后，根据畸变牌照的4个顶点和归一化汽车牌照图像的4个顶点之间的一一对应关系，求解双线性空间变换方程，进而对畸变图像进行校正。最后给出了一种图像毛刺的剔除方法。实验表明，本文介绍了的方法对畸变牌照图像的归一化可以取得良好的效果。     

车辆智能化监测记录系统在高速公路上的应用

该系统根据杭州绕城高速公路黄鹤山隧道的营运管理需求，运用光电、计算机、图像处理等先进技术，能准确地记录过往车辆的牌照、速度等信息，为分析路段的交通状况、提高营运管理水平提供科学依据。     

����֧���������ij��е�·��ͨ״̬ģʽʶ���о�

城市道路交通状态识别是现代智能交通系统的重要组成部分,是交通智能控制、诱导和协同系统的基础.基于支持向量机建立车流量、平均速度和占有率的三维反映空间,以堵塞流、拥挤流、平稳流和顺畅流为标签对道路交通状态进行分类;并在MATLAB平台下利用LiBSVM工具包进行实验分析,对SVM各种核函数的分类效果进行比较研究,实现了支持向量机技术的交通状态模式识别.结果表明：选择的指标能很好地反映交通状态的特征,SVM核函数可以以较高的分类精度区分开交通流的状态识别,数据的归一化对分类的结果具有重要的影响.     

基于小波变换和线性判别分析的人脸识别方法

提出了将人脸图像的小波分解和线性判别分析结合以达到人脸识别的方法.首先对人脸图像作小波分解,并将分解后的低频系数进行线性判别分析进一步降低人脸特征向量的维数,最后利用最近邻分类器进行分类识别.实验表明,该方法的正确识别率高于传统的特征脸识别方法.     

Graph and hint based algorithm for machining feature automation recognition and mapping

Feature recognition is a process of extracting machining features which has engineering meaning from solid model, and it is a key technology of CAD/CAPP/CAM integration. This paper presents an effective and efficient methodology of recognizing machining feature. In this approach, features are classified into two categories: pocket feature and predefined feature. Different feature type adopts its special hint and heuristic rule, and is helpful to recognize intersection feature. Feature classification optimizes search algorithm and shortens search scope dramatically. Meanwhile, extension and split algorithm is used to handle intersecting feature. Moreover, feature mapping based on machining knowledge is introduced to support downstream application better. Finally, case studies with complex intersecting features prove that the developed approach has stronger recognizing ability.     

Automatic Identification of Butterfly Species Based on Gray-Level Co-occurrence Matrix Features of Image Block

In recent years, automatic identification of butterfly species arouses more and more attention in different areas. Because most of their larvae are pests, this research is not only meaningful for the popularization of science but also important to the agricultural production and the environment. Texture as a notable feature is widely used in digital image recognition technology; for describing the texture, an extremely effective method, graylevel co-occurrence matrix(GLCM), has been proposed and used in automatic identification systems. However,according to most of the existing works, GLCM is computed by the whole image, which likely misses some important features in local areas. To solve this problem, this paper presents a new method based on the GLCM features extruded from three image blocks, and a weight-based k-nearest neighbor(KNN) search algorithm used for classifier design. With this method, a butterfly classification system works on ten butterfly species which are hard to identify by shape features. The final identification accuracy is 98%.     

基于Hopfield神经网络的遥感图像超分辨率识别算法

提出基于Hopfield神经网络的遥感图像超分辨率目标识别算法，它是利用模糊分类技术进行模糊分类，然后用分类结果约束Hopfield神经网络的方法．通过实验，可知Hopfield神经网络在学习样本少时．也能够输出分辨率相对较高的地物目标信息．因此．基于Hopfield神经网络的遥感图像处理方法，能够提高遥感图像的目标分辨率．使其目标特征信息更清晰．     

小波神经网络改进结构及其学习算法

论述了小波神经网络用于信号分类识别的模型结构,在此基础上,充分利用小波变换时频分析的局部化特性,提出了一种改进的网络结构,建立了非显式小波的网络的学习算法。计算机模拟表明,该结构提高了信号分类识别的精度和灵敏度。     

基于Gabor变换和灰度梯度共生矩阵的人耳识别研究

人耳识别作为一种新兴的生物特征识别技术,具有其自身独特的优势。提出一种基于Gabor变换和灰度梯度共生矩阵的人耳身份识别方法。首先,利用Gabor变换和灰度-梯度共生矩阵融合提取人耳图像的纹理特征,然后采用K-NN分类器对特征进行分类。该方法用USTB人耳图像库做测试。实验结果表明介绍的提取人耳图像的纹理融合特征的方法优于只采用Ga-bor变换提取特征或是只提取灰度梯度共生矩阵的二次统计特征的性能。在明氏距离测度及K=1时,交叉验证识别率达到81.77%。     

一类支持向量机在车辆识别中的应用

支持向量机分类方法已经在实际应用中显示了良好的学习性能,其最初是针对二值分类问题提出的.如何有效地将支持向量机推广到多值分类中一直是人们关注的课题.通常的多值分类问题是一系列二值分类来实现,可是这将导致较高的计算复杂性.本文将一类支持向量机推广到多值分类情况,并将其应用于车辆识别中.仿真实验结果表明了所给方法的可行性及有效性.     

基于SVM和小波边缘检测的车型图像识别

在基于小波边缘检测和SMO算法的基础上进行车型图像识别,首先将待识别目标进行二维小波分解,获取不同尺度下的小波系数,然后对其进行主元分析,得到的主元作为支持向量机的特征量输入.实验结果表明,该方法具有良好的分类性能.     

GNN-CRC: Discriminative Collaborative Representation-Based Classification via Gabor Wavelet Transformation and Nearest Neighbor

Collaborative representation-based classification (CRC) is a distance based method, and it obtains the original contributions from all samples to solve the sparse representation coefficient. We find out that it helps to enhance the discrimination in classification by integrating other distance based features and/or adding signal preprocessing to the original samples. In this paper, we propose an improved version of the CRC method which uses the Gabor wavelet transformation to preprocess the samples and also adapts the nearest neighbor (NN) features, and hence we call it GNN-CRC. Firstly, Gabor wavelet transformation is applied to minimize the effects from the background in face images and build Gabor features into the input data. Secondly, the distances solved by NN and CRC are fused together to obtain a more discriminative classification. Extensive experiments are conducted to evaluate the proposed method for face recognition with different instantiations. The experimental results illustrate that our method outperforms the naive CRC as well as some other state-of-the-art algorithms.