基于改进PCNN模型的车辆阴影消除方法

消除车辆阴影对图像分割的影响是车辆自动监控系统中亟待解决的问题。针对阴影具有方向和大小不确定性的特点,充分利用脉冲耦合神经网络模型优良的图像分割能力,结合阴影属性,提出一种基于改进的脉冲耦合神经网络模型的运动车辆阴影消除方法。此方法无需建立道路背景模型与车辆阴影模型,在消除车辆阴影的同时能较好地保留车牌、车窗以及车标等车体的重要信息,为车体定位、特征提取等处理奠定良好的基础。大量现场图像测试结果验证了该方法消除车辆阴影的有效性,可广泛地应用于自然环境中车辆阴影的消除。     

复杂背景图像中圆检测的新算法

如何在复杂背景图像中确定圆的存在,并将其准确定位,具有广泛的工程应用价值.本文通过对大量圆定位算法的研究,提出了一种利用圆形性特征在复杂背景图像中进行圆检测的新算法.经实验证明,此算法实现了复杂背景图像中圆形炮管的自动定位与分割,对于发生形变的图像,此算法仍具有较好的位移、旋转和伸缩不变性,可应用于工程中的圆检测.     

基于网格搜索的PCA-SVM道路交通标志识别

针对现有识别方法对交通标志的识别精度和算法效率不高的问题,提出了一种基于网格搜索的主成分分析-支持向量机(PCA-SVM)道路交通标志识别方法。该方法首先采用主成分分析(PCA)法对交通标志进行降维处理,提取出交通标志的主元特征,然后利用网格搜索法(GS)对支持向量机(SVM)进行参数优化,最后利用参数优化好的支持向量机分类器实现对交通标志的识别。通过实验仿真,并与现有的其他交通标志识别算法进行分析对比,实验结果表明,本文方法在保证较高识别精度的同时,算法效率得到显著提高。