王志红[1]2003年在《小波和神经网络模式识别技术及其在车牌识别中的应用》文中提出小波变换具有“显微镜”特性和类人视觉特点，在图像处理及模式识别中有着越来越广泛的应用；神经网络模式识别表现出来较强的自学习、自适应能力以及容错性、鲁棒性等使得它成为模式识别领域一个重要的研究方向。 车牌识别是计算机视觉与模式识别技术在智能交通领域的重要应用，是实现交通管理智能化的核心技术。因此，将小波变换与神经网络有机结合并运用于车牌自动识别具有较大的理论意义和实践价值。 论文主要涉及了以下工作： 1)图像预处理。该阶段研究图像的消噪和倾斜度校正。通过分析图像的小波分解高频系数特性，提出了一种小波局部阈值消噪方法。并且应用简化改进的Hough变换，通过检测边界线段检测牌照倾斜角度，对车牌进行倾斜校正。 2)字符分割。提出了一种新的实用车牌字符分割方法。根据车牌的先验知识，利用小波变换自动变焦、多尺度分析的特点，对传统的垂直投影法及多线垂直投影法进行滤波，自适应搜索分割点，高效地进行了车牌字符分割。 3)特征提取。利用图像小波变换的方向性分解构造出针对易混淆字符的细小波网格特征提取方法。 4)字符识别。对多特征、多神经元网络集成识别方法进行了研究，从而提出了一种基于神经网络的多级串行分类器的车牌字符识别方法。 本文研究表明，小波局部阈值降噪法有效可行；字符分割算法对前续车牌定位及倾斜程度要求低，抗干扰性及适应性强；小波网格特征稳定性好，区分性强，多级网络分类器针对性及泛化能力强，与单一网络分类器相比，可有效提高系统的抗干扰性和识别率。
姜滔[2]2002年在《基于模式识别的图像处理及其在车牌识别中的应用》文中提出基于模式识别的图像处理是图像识别领域重要的研究和发展方向之一。基于图像的车辆牌照自动识别是计算机视觉与模式识别技术在智能交通领域的重要应用，是实现交通管理智能化的重要环节。 本文的研究内容是基于模式识别的图像处理方法研究及其在车牌识别系统中的应用。文中以模式识别为基本理论平台，以图像处理技术为基本手段，结合新兴领域的理论工具(小波分析，神经网络等)，分别对图像分割，图像特征提取，图像分类识别叁个问题作了系统研究，并提出了有效的解决方法。 本文对基于模式识别的图像处理过程分叁个主要阶段进行研究： 1)图像分割阶段：提出基于知识的多层多特征变换域(特征空间)的判别分割方法。并应用于车牌分割问题，提出基于小波与神经元模式识别的车牌图像分割方法； 2)特征提取阶段：将结构特征提取方法和统计特征提取方法的紧密有机结合，提出一种基于小波和矩的车牌图像字符特征向量提取方法； 3)分类识别阶段：对智能识别技术进行研究，提出智能识别机的模型结构，对识别机的基本层次结构和设计方法进行初探；并针对多特征方法进行一定的研究； 本文提出的基于模式识别的图像处理方法对其他领域的图像处理具有一定的参考价值。
李俊峰[3]2009年在《灰色系统理论及其在铁谱磨粒图像处理中的应用研究》文中研究说明铁谱技术以磨损产生的微观颗粒为研究对象,通过分析机械设备中各种类型磨损颗粒的数量及趋势,监测机械设备所处的状态,进而预测机械设备可能发生的故障。在铁谱技术中,磨粒图像是反映机械设备内部零部件磨损状况的重要信息载体,磨粒特征分析是监测对象实际状态十分丰富而又有效的方法。磨粒识别是铁谱分析的核心环节,识别的正确与否,直接关系到磨损状态诊断的正确性。随着计算机技术的迅猛发展,将计算机视觉技术、专家系统、人工神经网络等引入铁谱分析技术中,实现磨粒识别的智能化已成为铁谱技术研究领域中的热点和难点问题。由于图像具有灰色特性,如图像像素的灰度值、图像的边缘、图像的噪声及图像分割阈值等等,近年来,灰色系统理论受到图像工程领域研究人员的广泛关注和重视,同时探讨它在图像工程中的可行性和有效性逐渐成为一个崭新的课题。本文以铁谱磨粒图像的处理、特征提取及识别为背景,在运用灰色系统理论对磨粒图像进行处理的基础上对以下五个问题进行了研究。1.提高灰色预测模型精度研究研究发现,影响灰色预测模型精度的主要因素有原始数据序列的光滑度、模型的背景值及模型的初值。基于此,分别就上述叁个影响因素对提高灰色预测模型精度进行了研究:(1)提出了基于函数x~(-a)(a＞0)变换和基于多重复合函数变换提高数据序列光滑度的方法,理论上证明了数据序列经过该变换后可以有效地提高其光滑度,且其光滑度优于现有的其它变换函数,进而,总结了提高数据序列光滑度的变换函数的性质;(2)基于数据序列的指数函数特性和积分定义,提出了两种模型背景值构造方法,并对这两种改进灰色模型的拟合和预测精度进行了分析,结果表明这两种改进灰色模型不仅可以用来进行短预测,还可以进行中、长期预测;(3)提出了修正初值和时变初值的模型初值构造方法,给出了利用自适应遗传算法求待辨识参数的方法。为了取得更高的建模和预测精度,可以从序列光滑度、模型背景值及模型初值叁个方面同时对灰色预测模型进行改进。2.灰色关联度研究研究发现:目前的灰色关联度模型存在一些缺陷,如灰色关联四公理和灰色关联度的计算方法之间存在着矛盾,序列不同无量纲化计算对关联度的计算结果也会产生影响等。基于此,对均值灰色关联度和T型灰色关联度进行了研究:(1)提出了改进的欧几里德灰色关联,改进的欧几里德灰色关联模型不仅考虑了各点关联系数对其平均值的波动,还考虑了正理想相关和负理想相关,具有平行性、规范性、整体性、偶对称性及接近性;(2)提出了改进的T型灰色关联度,改进的T型灰色关联度能够反映序列的正、负相关关系,具有对称性、唯一性、可比性、接近性及规范性,且对无量纲化处理具有保序性。3.基于灰色系统理论的图像处理算法研究(1)提出了基于绝对灰色关联度和LOG算子的边缘检测算法、基于相关性的图像边缘检测算法及基于级比的边缘检测算法,这些算法不仅具有较强的图像边缘检测能力,可以检测出图像不同方向的边缘,而且能够根据阈值调节检测的边缘细节,定位准确,连续性较好,易于软件编程并行实现,计算量小,其中前两种算法还具有一定的抑制噪声能力,特别对于Gaussian噪声、Speckle噪声及Poisson噪声;(2)提出了基于灰色关联系数的图像噪点检测算法,该算法根据含噪图像与对应均值图像在各像素点的灰色关联系数来识别噪点,利用了整幅图像的信息,特别是噪声的统计信息,可以有效的检测出图像噪点,避免误检;(3)提出了基于加权灰色关联度及基于灰色预测模型的噪点灰度处理算法,这两种算法以含噪图像对应的均值图像或中值图像为基础,分别采用灰色关联度和灰色预测模型来进行噪点处理,可以有效克服周围噪点的影响,更好地改善图像质量,同时图像的保真度较好;(4)提出了基于提升小波和灰色预测模型的图像压缩算法,该算法首先利用提升小波将压缩图像转换到频域,利用零树区分各波段中的重要系数与不重要系数,进而利用hilbert曲线将各波段扫描成一维,最后利用灰色预测模型进行预测编码。实验结果表明该算法有效地提高了图像的压缩率和压缩质量。4.图像保真度评价研究基于相关性指标的特点,提出了基于相关性和离散小波变换的图像保真度评价算法,该算法能够从图像概貌质量和细节质量两个方面对图像进行评价,可以比较准确地反映图像的质量,是一种有效的、具有多尺度分辨功能的、客观的且定量的图像评价方法,更加符合人类视觉系统的特点。5.磨粒图像预处理、特征提取及识别算法研究磨粒图像定性分析包含叁个基本问题:磨粒图像处理、特征提取和识别。在磨粒图像处理上,运用本文所提出的图像边缘检测、图像平滑等算法对磨粒图像进行预处理;在特征提取上,提取了正常磨粒等8种磨粒的尺寸参数、边界形状参数、结构特征参数、颜色特征参数及纹理特征参数,共计54个,使得对磨粒分析更加多样化;在磨粒识别上,根据灰色关联度对特征参数进行了精简和优化,确定出面积、周长、等效圆直径、圆形度、长短轴比、欧拉数、畸形度、梯度均值及灰度一梯度相关度9个特征参数来进行磨粒识别;提出了基于灰色关联神经网络的磨粒识别算法,以上述9个特征参数作为神经网络的输入,磨粒类型作为输出,利用灰色关联度来优化神经网络隐含层的神经元数目。该算法可以大大提高神经网络的学习效率,提高磨粒识别的分辨率和准确率,磨粒识别的准确率可达97.5%。
佚名[4]2004年在《《计算机工程与应用》2004年(第40卷)总目次》文中认为·博士论坛·城市突发公共卫生事件应急指挥系统空间数据模型设计———以“合肥地区非典防治决策支持系统”为例………………………李琦刘纯波李斌(1-1)计算机支持的协同工作(CSCW)发展述评………………宋海刚陈学广(1-7)拓扑关系形式化描述的基本问题与研究
邴其春[5]2016年在《城市快速路交通状态评估与预测关键技术研究》文中指出随着城市道路交通网络的不断完善,快速路在城市交通系统中发挥着不可替代的重要作用,其运行质量不仅影响着整个城市路网的运行效率,甚至影响着整个城市功能的正常发挥。然而,随着交通需求的急剧增长,城市快速路不可避免地出现了交通拥堵现象,且快速路上交通拥堵的时空影响范围持续扩大,极大限制了快速路舒适、便捷、安全等功能的有效发挥。另外,城市快速路作为城市路网系统中等级最高的道路,配备有完善的交通检测设备,能够获得不同精度、广度和内容的动态交通数据,为动态评估其交通状态提供了充足的数据保障。因此,深入挖掘海量的交通数据资源,准确评估快速路的交通运行状态并合理预测交通状态的演变趋势,已成为快速路交通管理与控制的关键环节。本文立足于城市快速路交通流数据的时间和空间特性,对快速路交通状态评估与预测所涉及到的关键技术展开深入研究,为城市快速路交通管理与控制提供理论依据和技术支持。主要研究内容如下:(1)城市快速路交通流缺失数据修复方法针对向量和矩阵形式存在维数限制,无法充分利用快速路交通流数据多模式相关性信息的问题,将张量的概念引入到交通流缺失数据修复的研究中。在分析快速路交通流数据时空相关性的基础上,提出了一种基于层次Tucker张量分解的城市快速路交通流缺失数据修复方法,并利用基于黎曼流形的最优化算法进行了优化求解。最后,采用快速路实测数据验证了所提出方法的有效性。(2)城市快速路多尺度交通数据融合方法针对现有交通数据融合方法大多集中在特征级融合或者决策级融合的问题,在对快速路多检测器进行采样分析的基础上,以异步采样中的非等采样率同时采样为研究对象,提出了基于小波和Kalman滤波的城市快速路多尺度交通数据融合算法,并以快速路实测数据为基础,结合仿真手段验证了算法的有效性。研究结果从源头上保证了交通数据的质量,为后续研究提供了可靠的数据基础。(3)城市快速路交通事件自动检测方法在分析交通事件发生时段快速路交通参数变化规律的基础上,以基本交通参数及其多角度组合的方式,构建了包含12个变量的交通事件检测初始变量集,并采用随机森林模型的变量重要性度量筛选出对交通事件更为敏感的关键变量。在此基础上,设计了基于粒子群优化相关向量机模型的快速路交通事件自动检测算法。其中,针对训练样本数据集分布不平衡的问题,采用SMOTE方法对样本数据集进行了重构以达到平衡。最后,采用快速路实测数据验证了所设计方法的有效性。(4)城市快速路交通状态自动识别方法在阐述快速路交通状态划分及其度量标准的基础上,选取流量、速度、占有率、占有率与流量的比值和占有率与速度的比值五个变量作为交通状态特征变量,设计了一种基于投影寻踪动态聚类的城市快速路交通状态自动识别方法。首先利用动态聚类思想构建了投影指标函数,然后利用混合蛙跳算法对投影指标函数进行了优化,从而获得最佳投影方向。最后,采用实测数据和仿真数据验证了所提出方法的有效性。(5)城市快速路交通状态预测方法本部分包括两方面研究内容,一方面是基于协整理论的短时交通参数预测方法,另一方面是基于混沌理论的短时交通流局域预测方法。在基于协整理论方面,通过对交通参数数据的平稳性检验、滞后阶数确定、协整检验以及参数估计,构建了基于流量-速度-占有率向量误差修正模型和速度-占有率向量误差修正模型的短时交通参数预测方法,并分别对模型进行稳定性检验和脉冲响应分析。在基于混沌理论方面,利用C-C方法进行相空间重构,然后采用Hannan-Quinn信息准则确定邻近点个数,进而构建了基于组合核相关向量机模型的短时交通流局域预测方法,并利用遗传算法优化组合核函数的参数。最后,采用快速路实测数据分别验证两种方法的有效性。
柳宝[6]2016年在《基于无限隐Markov模型的机械故障诊断方法研究》文中指出本论文是在国家自然科学基金(51261024,51075372,51265039,50775208),江西省教育厅科技计划项目(No.GJJ12405),机械传动国家重点实验室开放基金(No.SKLMT-KFKT-201514)和广东省数字信号与图像处理技术重点实验室开放课题(2014GDDSIPL-01)资助下展开研究。针对基于HMM故障诊断方法中的模型定义和估计过程存在着严重不足,将一种新的机器学习方法——无限隐Markov模型(iHMM)引用到机械故障诊断中,提出了基于iHMM的故障诊断新方法,并取得了一些创新性的成果。本论文主要研究内容如下:第一章,论述了本课题的提出及其展开研究的意义,并论述了传统隐Markov模型(HMM)的研究现状,特别是在机械故障诊断领域研究现状。详细论述了iHMM的国内外研究现状。在此基础上,提出了本论文的主要研究内容、结构安排和创新之处。第二章,论述了传统隐Markov模型的理论及其存在的不足,并在此基础之上,阐明了无限隐Markov模型的理论及算法。在iHMM中,首先,从Dirichlet过程进行状态间转移概率的计算推导。然后,使用分层Dirichlet过程进行隐状态状态机制和生成机制的推理。其次,对模型超越参数的推理、优化和似然估计。还通过仿真实例对iHMM推理算法进行了验证,仿真结果表明iHMM具有很好的状态数目发掘能力,能够准确的反映状态序列的结构特征。最后,从概率统计的观点出发,说明了iHMM在机械故障诊断中所发挥的作用。第叁章,结合谱峭度和iHMM的各自特性,提出了一种基于谱峭度和iHMM的旋转机械故障诊断的新方法。在提出的方法中,谱峭度用于故障特征提取,iHMM用作识别器,利用谱峭度提取的故障特征输入到iHMM中进行故障识别,其中,以最大似然估计来确定设备运转中出现的故障类型。同时,将提出的方法与传统的HMM进行故障识别方法进行了对比分析。实验结果表明,提出的方法是有效的,能有效地区分不同的故障类型。提出的方法明显优于传统的HMM故障识别方法,克服了传统的HMM故障识别方法存在的不足。第四章,论述了基于Beam抽样(Beam sampling)的iHMM理论及算法,并将该算法应用到滚动轴承退化趋势预测中,并结合小波熵,提出了一种基于小波熵和Beam抽样iHMM的滚动轴承退化趋势预测的新方法。在提出的方法中,利用小波熵提取故障特征,输入到iHMM中进行退化趋势预测。仿真结果验证了利用小波熵用作评价性能退化评价指标的有效性。同时,提出的方法与传统的HMM进行退化趋势预测方法进行了对比分析。研究结果表明,提出的方法明显优于HMM性能退化预测方法,并通过相对误差指标充分反映出来。第五章,相对完整数据下的预测,缺失数据下的预测更困难,也是更有意义。本章详细论述了缺失数据下利用iHMM进行滚动轴承退化趋势预测的可行性,在此基础上,提出了一种缺失数据下的基于iHMM滚动轴承退化趋势预测,给出了缺失数据下iHMM预测模型建立及其预测方法。提出的方法能够较好的对前期的缺失数据进行预处理,使用预处理的得到的特征值进行预测模型的训练,再使用得到的预测模型进行滚动轴承退化趋势的预测,提出的方法还与完整数据下的iHMM预测结果进行了对比,研究结果表明,提出的方法在在部分监控数据缺失的情况下,该方法仍能较好的对滚动轴承的退化趋势进行预测。第六章,对本论文的研究工作内容进行了全面的总结,并对有必要进行进一步开展研究的工作进行了展望。
佚名[7]2019年在《智能安防急需适用于边缘计算且高性价比的AI芯片》文中指出一、AI芯片是安防领域强需求在电子安防产品市场中,视频监控系统占据了过半的份额,成为构建安防系统的核心。目前安防行业涉及多个领域,包括公安安防、智能家居、智能交通、智能制造、智慧城市等,主要需求还是来自于对人和车辆的检索和识别,后期在行为识别方面的需求也会越来越大。在
参考文献：
[1]. 小波和神经网络模式识别技术及其在车牌识别中的应用[D]. 王志红. 合肥工业大学. 2003
[2]. 基于模式识别的图像处理及其在车牌识别中的应用[D]. 姜滔. 合肥工业大学. 2002
[3]. 灰色系统理论及其在铁谱磨粒图像处理中的应用研究[D]. 李俊峰. 东华大学. 2009
[4]. 《计算机工程与应用》2004年(第40卷)总目次[J]. 佚名. 计算机工程与应用. 2004
[5]. 城市快速路交通状态评估与预测关键技术研究[D]. 邴其春. 吉林大学. 2016
[6]. 基于无限隐Markov模型的机械故障诊断方法研究[D]. 柳宝. 南昌航空大学. 2016
[7]. 智能安防急需适用于边缘计算且高性价比的AI芯片[J]. 佚名. 中国安防. 2019
标签：计算机软件及计算机应用论文; 自动化技术论文; 模式识别论文; 图像处理论文; 模式识别与智能系统论文; 特征提取论文; 车牌识别系统论文; 预测模型论文; 神经网络模型论文; 图像识别技术论文; 灰色模型论文; 图像融合论文; 关联分析论文; 人工智能论文;