车载红外视频图像快速彩色化技术研究

为了实时高效地对车载红外视频图像进行彩色化处理,提出了一种在Lab颜色空间基于调色板的分类彩色化方法.对增强和融合处理后的红外图像采用K均值聚类方法得到聚类中心,再利用Fisher评价函数获得分类界限以对红外视频图像进行图块景物分割,在Lab颜色空间中采用分类彩色化方法对各类别景物赋予适当的色彩.试验结果表明,采用调色板的分类彩色化方法具有更高的效率,得到的图像色彩符合人眼的视觉特性且便于夜间红外图像的彩色化实现.     

一种噪声车牌的模糊预处理方法

本文提出了一种车牌模糊预处理方法,主要用于解决现场车牌图像模糊不清、对比度不强,以及传统二值化方法带来的噪声、粘联、变形等不理想现象。通过采用模糊增强技术采增强车牌图像的对比度,便于后续的分割、识别等操作;并提出应用模糊c均值算法采确定车牌图像二值化中的聚类阈值,从而实现对车牌图像的二值化,并将二值化结果与传统的Otsu二值化方法进行了对比。实验结果显示,应用本方法处理车牌噪声和粘联等情况具有较好的优越性。     

车牌自动识别系统设计与实现

车牌自动识别分为图像预处理、车牌定位、字符分割、字符识别四步。利用形态学变换对图像进行滤波聚类,HOUGH变换对车牌图像进行水平校正,BP神经网络的方法进行字符识别,最后基于DELPHI7．0环境下设计开发了车牌自动识别系统。     

基于灰度形态学的车牌定位算法

根据车牌图像的统计特征,计算形态学滤波器的结构元素,进行图像背景估计;利用闭-开运算,处理残差图像;采用自动搜索种子区域填充算法,得到各个区域;根据区域的几何特征,判断是否为车牌区域;通过对二值化的车牌采用K-means聚类拟合直线方法进行倾斜校正,得到最终的车牌.实验结果表明:该算法简单、迅速,定位准确率高,为后继字符分割和识别奠定了基础.通过对120幅图像定位实验,总有效定位率为96.7%.用Matlab7.0实验时,每张车牌平均定位时间为2.438s,而用VC++实现时,平均定位时间仅为0.139s.     

基于边缘检测及数学形态学的快速汽车车牌定位

车牌定位是汽车牌照识别系统的重要环节,定位的准确性直接影响车牌识别的准确率.文章研究了利用图像边缘及数学形态学的快速汽车车牌定位方法,首先将彩色图像灰度化,并利用Sobel算子进行图像边缘提取,然后运用数学形态学算法对二值图像进行处理,得到几个车牌候选区域,最后利用连通区域的长宽比,面积比及车牌字符水平分布特征等来准确定位车牌.实验表明,这一方法能快速准确地实现车牌定位.     

����ͼ��ֱ��ͼ�ij���ͼ���ֵ�������о�

在基于数字图像处理的车牌识别技术的研究过程中,因为车牌定位和字符分割一般都是基于车牌区域的二值化结果进行的,因此对图像的二值化是非常关键的一步,二值化的效果直接影响到后面的车牌定位以及字符分割。二值化最主要的是阈值的确定,文章对比了几种常规的车牌图像全局阈值二值化处理算法,并重点分析了最大类间方差法和KSW 最大熵法的基本原理和微机仿真结果,发现用于车辆图片是这些方法不够理想,然后提出一种新的方法—基于图像直方图波形分析的车牌图像二值化处理算法,经过大量试验证明该算法在进行车牌图像二值化处理时效果非常理想。     

基于Matlab数字图像处理的车牌定位方法

通过彩色图像灰度化、最佳阈值法对图像进行二值化,改进的中值滤波策略对图像去噪,小波融合技术等对图像进行预处理。从而提高图像质量。利用改进的边缘检测的方法对预处理后的图像进行定位,并运用数学形态学的知识筛选车牌区域。结果证明,该定位方法取得了较好的效果,可为车牌图像的准确识别奠定基础。     

基于灰色形态学的车牌定位技术研究

对车牌定位的各种技术及图像预处理进行了分析和比较.并提出和验证用灰色形态学与颜色掩膜相结合的方法对车牌图像进行快速定位的技术和方法.     

基于改进二维离散小波变换的多车牌定位

针对复杂背景提取多个车牌的问题,提出一种改进的二维离散小波变换的多车牌定位方法。根据小波多尺度分解的特性,对图像进行二维离散小波变换,获得一系列小波低频信息图,与原图像做线性差值,获得车牌字符的细节特征;然后根据二值化图像中车牌字符与背景的差异产生灰度跳变,粗定位车牌在图像中的行位置,缩小车牌定位的查找范围;最后,在粗定位的小范围图像中,利用颜色特征和形状特征精确定位所有车牌。研究结果表明:改进的二维离散小波变换图像相比传统的二维离散小波变换图像,灰度均值、标准差和平均梯度提高近一倍,有效获取原图像的边缘信息缩小多车牌位置;多车牌定位方法可以达到98.96%的准确定位率,平均用时328 ms,能够准确、快速定位多车牌。     

基于车牌识别数据的城市路网运行状态识别方法实践

采用城市车牌识别数据进行路网运行状态观测和分析,设计了基于车牌识别数据的交通卡口聚类算法、车辆轨迹还原算法及速度分类树算法,建立了路网运行状态识别模型,结合乌鲁木齐的城市交通路网形态和车辆构成特征,通过与出租车GPS统计数据的对比和融合分析,研究了乌鲁木齐市的交通出行特征、路网运行速度与流量变化规律,以及路网运行与常发拥堵路段的关系,提出了一种利用车牌识别数据进行城市路网运行状态识别的方法。     

考虑连接性的路网划分算法

针对传统K均值聚类算法在非均质路网划分应用中的不足,将路网连接性融入算法,解决其在路网划分应用中聚类结果不连续的问题.先使用最大最小距离算法确定初始聚类中心和路段差异性,并以聚类评价指标ANSK确定K值;然后统计连续时间间隔下路网划分结果的动态频数,合并和拆分不稳定的“噪声”路段,提高划分子区内路网的紧凑性.最后,基于现实路网中的车牌照自动识别实测数据,对改进的聚类方法进行了验证.将算法得到的划分效果与K均值聚类算法和Ncut算法进行对比,并对子区做宏观基本图分析.结果表明,改进后的K均值聚类算法在保证自身原有聚类优势下,可以有效实现连接性约束下的路网划分.     

基于阈值和蚁群算法结合的聚类方法

为了改善聚类分析的质量，提出了一种基于阈值和蚁群算法相结合的聚类方法．按此方法，首先由基于阈值的聚类算法进行聚类，生成聚类中心，聚类个数也随之初步确定；然后将蚁群算法的转移概率引入K-平均算法，对上述聚类结果进行二次优化．实验表明，与尽平均算法等相比，该聚类方法的F-测度值（F-measure）更高．     

一种改进K-means模型的城市轨道交通突发事件分级方法

针对城市轨道交通事件量化分级的难题,本文提出了一种改进的 K-means聚类的突发事件分级方法.首先,从事件类型、持续时间、影响程度等方面分析各种类型事件的特征规律,提取 8个关键特征量用于聚类分析;其次,应用主成分分析法提取 4个主成分变量并提出权重系数计算方法,实现特征向量降维;提出了基于密度扫描的初始聚类中心确定方法,并将改进的 K-means聚类算法应用于地铁突发事件的分级.案例结果表明,与原始 K-means聚类方法对比,应用本文提出的改进方法聚类效果更佳.研究成果已应用于北京地铁应急指挥系统,验证了本文方法的可行性.     

一种改进K-means模型的城市轨道交通突发事件分级方法

针对城市轨道交通事件量化分级的难题,本文提出了一种改进的 K-means聚类的突发事件分级方法.首先,从事件类型、持续时间、影响程度等方面分析各种类型事件的特征规律,提取 8个关键特征量用于聚类分析;其次,应用主成分分析法提取 4个主成分变量并提出权重系数计算方法,实现特征向量降维;提出了基于密度扫描的初始聚类中心确定方法,并将改进的 K-means聚类算法应用于地铁突发事件的分级.案例结果表明,与原始 K-means聚类方法对比,应用本文提出的改进方法聚类效果更佳.研究成果已应用于北京地铁应急指挥系统,验证了本文方法的可行性.     

聚类分析在商用车销售客户细分中的应用

选取了某商用车公司的部分销售数据,在SQL Server 2008中对数据进行了预处理,利用经典的K-means算法对其进行了聚类分析,按客户购买车的种类和地区进行细分,细分结果对于该公司制定有针对性的销售方案有着一定的参考价值。     

出口刚果(布)80t凹底平车制造技术分析

通过对凹底平车成形、组装焊接制造工艺和结构难点分析,确定了板材拼接采用焊条电弧焊,其它焊缝主要采用焊丝气体保护和自动化焊接设备及凹底架心盘预制12 mm上挠度和小底架心盘预制5 mm上挠度的制造工艺,并介绍了凹底架组成及小底架组成的焊接原则和顺序.实践证明,该工艺行之有效,凹底平车的组装质量和焊接质量均满足产品图纸及技术条件要求.     

基于python的汽车运行状态参数对油耗影响的聚类

随着汽车保有量持续不断上升,石化燃料消耗量也随之不断增加,汽车节能问题引人关注。为找出车辆运行工况和发动机工作状态参数对油耗的影响。文章通过OBD检测仪获取车辆运行状态参数,即怠速比例(I R)、匀速比例(C R)、加速比例(A R)、减速比例(R R)、平均速度(v A)、平均转速(N A)、热车时间(T H)、平均节气门开度变化率(P A)、平均节气门开度(T A)和平均油耗(F A)等行程片段的数据,利用Python编程语言平台,使用K-means算法对其进行聚类分析,使用轮廓系数法和手肘法确定聚类数,根据聚类结果可分析出车辆在市区内运行时,在车辆运行工况一组聚类中,处于怠速比例高的簇中,匀速比例较少,频繁地加减速行驶以致于一部分能量以加速阻力或制动时的热能形式消失,导致油耗较高。在发动机工作状态参数一组聚类中,油耗高的簇是由于其平均车速较低,发动机处于低负荷运行状态所致。     

基于改进K均值聚类POS算法的应急物资分类研究

为了提高突发事件应急救援的效率,应急物资分类的科学性是应急物资调拨与配送的关键环节之一.通过分析既有应急物资分类以及聚类算法存在的问题,提出了基于改进K均值聚类的应急物资分类方法,构建了基于K均值的粒子群优化算法设计.最后,选取了206种最为常用的应急物资为例,采用Matlab软件平台分析计算.结果表明:基于改进K均值聚类POS算法全局寻优能力明显要强于其他聚类算法.为应急决策者提供一定的理论依据.     

基于密度半径自适应选择的K-均值聚类算法

K-均值算法聚类速度快,易于实现,且对数据依赖度低,在文本聚类中得到广泛应用.然而,由于聚类初始中心点选择的随机性,传统K-均值算法以及其变种的聚类结果会产生较大的波动.文章对K-均值算法进行了改进,通过自适应选择最佳密度半径进而优化聚类初始中心选择的方法,得到一种适合文本数据聚类分析的改进算法.实验表明,该算法能够生成质量较高而且波动性较小的聚类结果.     

基于混合约束自编码器的机动车工况智能构建方法

为构建更具代表性的机动车行驶工况，实测采集福州地区1辆机动车共20d的真实驾驶数 据，选取14个特征参数表征运动学片段信息，运用主成分分析和K-means聚类划分运动学片段聚类，根据聚类中心的距离筛选备选片段并随机组合构建工况集合。提取11个特征参数计算构建工况的误差，选择集合中误差最小的工况作为构建工况，提出利用混合约束自编码器构建工况优化模型，并研究参数标定方法，最终将平均误差由2.97%缩小到2.39%。混合约束自编码器模型的分析验证结果表明，优化策略符合实际情况，可以有效避免随机选择带来的误差不确定性，验证了所提出行驶工况构建流程的合理性，并提升了工况预测的精确度，得到模型参数推荐值。对实现碳达峰目标下的机动车碳排放预测及排放控制具有重要的现实作用和意义。