基于马尔可夫随机场的低分辨率车牌图像复原算法

来源 :计算机应用研究 | 被引量 : 18次 | 上传用户:haru
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于采集到的车牌图像分辨率较小,为获取高分辨率的图像,提出基于马尔可夫随机场模型的车牌图像超分辨率复原算法。首先对图像进行分块;然后利用马尔可夫随机场对这些分块进行建模,通过模型学习训练库中高低分辨率图像的关系,预测待复原的低分辨率车牌图像的高频细节信息。实验结果表明,本算法对车牌图像取得较好的复原效果,算法复原的超分辨率车牌图像更接近于真实图像,具有更高的峰值信噪比。
其他文献
针对置换流水车间调度问题,提出了一种基于模拟植物生长的调度算法。该算法利用置换流水车间调度的有向图表示,提出了可交换节点集概念,并将其融入模拟植物生长算法中,解决置换流水车间调度问题。采用所提算法对置换流水车间调度问题的基准数据进行测试,并比对标准遗传算法,结果表明算法的有效性。
目前支持Web的自动化测试工具普遍存在价格偏高、测试脚本可重用性差、代码维护工作量过大等缺点。为解决这一问题提出了应用.NET框架命名空间(NameSpace)技术实现Web应用程序测试的自动化方法。该方法不使用任何第三方测试工具,通过编写简单、易维护的C#.NET代码,对Web程序接口进行信息抽取与调用,以实现测试的自动化运行。
以一类布尔方程组形式的NP问题可满足性阈值估计为研究目的,通过将高斯消去算法与摘叶算法相结合的方法给出了一种求解该问题的完全算法,并通过不同参数条件下对大量随机实例进行数值实验得到了原问题可满足性阈值的算法估计值。所得研究结果不仅首次给出了该问题的可满足性阈值估计,而且可以作为相关启发式完全算法的设计依据。
提出了一种改进的结构化神经网络(ISNN),并基于ISNN构建了沪深300指数预测模型。设计了一种优化性能更好的混合遗传算法(HGA),并采用HGA对ISNN预测模型进行训练。应用训练好的预测模型对2007年上半年的沪深300指数日收盘价进行了预测分析。实验结果表明,该方法收敛速度快、学习能力强、预测精度较高、误差率较小。
最近提出的一种新型群签名方案,首先对Boneh-Boyen短签名提出了一种变形方案,然后在此变形方案的基础上构造一种群签名方案,使得它不依赖于可信第三方来为群成员产生证书。指出了此变形方案本身是错误的,故在此基础上的群签名也是不成立的。除此之外,所构造的群签名方案本身也存在签名长度过长、同一签名成员的签名存在关联性的缺陷。最后,给出了改进的方案。
提出了一种基于Normal矩阵的时间序列聚类方法。该算法首先对时间序列数据进行向量形式转换,计算出各个时间序列间的相似度并构建复杂网络,然后利用基于Normal矩阵的方法进行复杂网络社团划分,同一类的时间序列被划分到一个社团,即实现对时间序列数据的聚类。为了验证该方法的可行性和有效性,将其应用于股票时间序列数据聚类分析中,并在两个实际的数据集上与其他方法相比较,取得了较好的实验结果。
针对粒子群算法整体上容易陷入局部最优的缺陷,将鱼群算法中的视距、拥挤度引入标准粒子群算法,提出一种改进的粒子群算法,有效提高了粒子群算法的全局收敛性。通过基准函数Sphere、Griewank、Ackley和Shekel’s Foxholes的仿真,验证了改进算法的全局收敛能力。最后,以福建地形为背景,应用改进的粒子群算法完成雷达组网优化部署,进一步验证了改进粒子群算法的有效性。仿真和应用的结果表
通过分析AODV算法及其存在的问题,结合节点的移动速度和方向等信息,提出了一种基于K-最近邻基站的移动手机自组网混合路由协议。在新协议中,当网络的本地基础设施发生故障时,每个本地节点首先生成并维护一个K-最近邻基站信息表,然后基于该K-最近邻基站信息表,利用改进的AODV协议来进行按需路由。理论分析与仿真结果表明,新算法的性能要优于传统的按需路由协议AODV,因此,更适合移动手机自组网中的路由。
对传统的数据剖分技术和负载平衡对大规模并行计算性能的影响进行了综述,介绍了目前典型的几何剖分方法和图剖分方法的特点,并分析比较各种剖分算法及常用剖分软件包(ParMETIS、Zoltan、JOSTLE等)在实际应用中的优缺点,深入探讨了数据剖分技术是如何对超大规模数值模拟计算任务进行高效划分以解决负载平衡问题的,以期为开展并行计算研究和并行性能优化的研究人员提供参考。
OSE(opem-shutend)是饮料工业的一个新概念——它可以把饮料罐重新可靠地锁紧。锁紧时,顾客只需把旋转盖拧到开口位置,压下拉环上的按钮。开肩时,