基于分形盒子维数的车牌定位方法

分形维数是估计表面粗糙度的一个重要参数 ,在图像处理领域中更多地用到分形盒子维的概念。计算盒子维的DBC算法快速、有效、精确度高 ,被广为采纳。针对车牌内部图像的复杂度与背景有较大差异的特征 ,提出了一种通过计算分形盒子维同时结合其它图像处理方法来进行车牌定位的新算法 ,效果较好。

基于分形盒子维数的车辆定位和识别方法

提出了一种基于计盒子维数的方法识别和定位前方的车辆。首先,利用差分和线性滤波获得车辆的水平边缘信息。然后,通过统计法缩小盒子维数的运算区域。最后,通过盒子维数的计算确定车辆的候选区域,并对该区域内的车辆进行定位。同时,利用对称性测度法对定位的车辆进行确认。在不同环境和光照条件下对车辆图片进行测试,表明了该算法具有较好的鲁棒性和可靠性。

基于分形盒子维数的物流车辆位置追溯模型设计

为解决传统物流车辆位置追溯模型存在信息转发限制、追溯时产生较大距离误差的问题,设计基于分形盒子维数的物流车辆位置追溯模型。将物流车辆所在空间整合为1个空间集合,确定物流车辆的分形盒子维数参数,采用两跳机制处理物流车辆的位置数据信息,将同步位置信息发送至处理基站,并转化数据包原有的转发限制,设定车辆位置更新流程,定义多重分形谱偏斜度,构建位置追溯模型。分别采用传统的基于微型电子机械系统(micro-electro mechanical system,MEMS)传感器的物流车辆位置及姿态追溯模型、基于轻量化图像分割的物流车辆特征定位模型及基于分形盒子维数的物流车辆位置追溯模型进行物流车辆位置追溯对比试验。结果表明:与传统的追溯模型相比,基于分形盒子维数的物流车辆位置追溯模型可正确匹配的物流车辆位置点最多,溯源位置误差最小。基于分形盒子维数的物流车辆位置追溯模型可为研究物流车辆追溯方法提供理论依据。

基于多特征融合的前方车辆检测方法研究

为了有效地避免交通事故的发生,提高车辆检测的准确率和效率,提出一种基于车辆阴影、边缘、纹理和对称性等多种特征融合的前方车辆检测方法。利用多阈值分割得到车辆阴影,选取边缘确定出车辆可能存在的感兴趣区域,通过计算感兴趣区域内的分形盒子维数进一步确定车辆的候选区域,利用对称性测度验证定位车辆。实验结果表明,该方法能够实现不同环境下的车辆检测,相比较单个特征的检测方法具有较高的准确率和可靠性。

管束间气液两相流绕流压差波动信号的复杂性及混沌形态分析

基于两种节距比管束间的不同流型的压差波动信号,对其进行复杂性测度特征值提取(盒子维数和近似熵),分析了两种复杂性测度随气相折算速度变化的动力学特性,并研究了典型流型下压差波动信号的混沌吸引子形态特征表征气液两相流流型的能力。结果表明:两种复杂性测度的变化趋势及典型流型下的吸引子形态反映出它们对流型的变化是敏感的。可以表征两相流动力学结构变化,有益于两相流动力学机理的研究,为揭示两相流流型演化机理和定量标识流型提供了一种有效的辅助工具。