基于纹理及颜色特征的分级车牌定位方法

来源 :计算机仿真 | 被引量 : 8次 | 上传用户:jincast
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
智能车牌定位是一个经典而又具有重大使用价值的课题。针对现实生活中车牌的纹理及颜色特征,提出综合利用纹理信息及颜色信息实现车牌的快速定位。先充分利用纹理特征,结合隔列处理思想和类投影技巧,在将原始图像连续的纹理信息空间转换成离散的短线条信息空间后,统计预处理过程中的短线密度,取密度最大区域,即为车牌所在区域,实现初步定位,再在初定位的区域结合车牌底色先验知识,延展初定位区域,进行颜色匹配,进而可以实现精确车牌定位,方法解决了仅仅依靠颜色信息或纹理信息车牌定位准确率低的问题。算法定位速度快,鲁棒性性强,
其他文献
针对自主设计研发的总功率为9600kW的6轴新型重载电力机车的突出问题,要解决在纵向牵引制动载荷增加的条件下,车体挠度明显增大、工作应力大大增加,同时又要合理减重。为此,利用ANSY有限元软件,针对新型重载电力机车的特点,首先借鉴国内外车体结构技术标准和重载机车的实际运行状态研究确定了机车的载荷工况,并对车体结构的强度和刚度进行了有限元分析;根据各种工况下应力的分布特点,并基于抗疲劳破坏的观点,分
从模仿蚂蚁堆积尸体的基本模型出发,可以实现蚁群聚类算法。研究了实现基本蚁群算法以及基于信息熵的蚁群聚类算法的关键方法,测试并验证了算法的有效性。同时,在比较其性能的基础上,主要针对基于信息熵的蚁群聚类算法收敛速度快,但却容易陷入局部最优的缺陷,从聚类拆分、合并、孤立点处理等几个方面对基于信息熵的蚁群聚类算法进行了改进,从而在利用其收敛速度快的基础上提高聚类的准确性。仿真实验表明:改进后的方法在聚类
针对发动机安全性、减少油耗、降低热应力问题,研究某型涡扇发动机非线性数学模型,在满足发动机各部件物理约束条件和推力相等的条件下,采用遗传算法就巡航状态下耗油率最低,对性能指标进行寻优,寻优过程用GAlib类库的遗传算法和涡扇发动机非线性数学模型结合编程实现。在地面及空中巡航状态下分别进行仿真,在推力相等的条件下,地面巡航状态的耗油率在优化后比优化前降低了13.8%,空中巡航状态的耗油率在优化后比优
针对轧机厚度控制系统设计周期长,现场调试费用高及调试风险大等问题,采用虚拟仪器技术设计实现了一个离线、安全、可靠的仿真实验平台。以某2500mm轧机为研究背景提取其数学模型,在一台PC上建立轧机的动态仿真模型(仿真机),代替现场轧机来验证厚度控制系统。仿真机接入与反馈信号均通过内置的NI数据采集卡的I/O口与控制系统相连接,并且所有接入与反馈的信号与现场轧机保持一致。实验结果表明仿真平台验证的控制
通过对道路交通事故影响因素的分析,建立了关于道路交通事故影响因素的层次结构模型,并根据此模型建立基于RBF神经网络的道路交通事故计算机仿真预测方法。结合我国1978~2007年道路交通事故次数对RBF神经网络进行训练、检验和预测,同时与BP神经网络预测方法进行比较。结果表明RBF神经网络的平均误差和收敛次数分别为1.19%和701次,而BP神经网络则为9.8%和2401次,可见RBF神经网络具有更