一种基于区域熵值的车牌定位方法

因搜索空间太大 ,现有的车牌号码识别系统所采用的图象分割方法一般说来效率较低。为此 ,本文提出了一种基于区域熵值的车牌定位方法 ,可快速判定车牌的粗略位置与颜色 ,即得到一个属于车牌区域的参考点和车牌的背景色 ,从而使得随后的图象分割仅在该参考点的周边区域进行 ,大大缩小了搜索空间 。

基于大熵值变化区域和余弦相似度的离群迭代算法

离群数据挖掘是数据挖掘领域中的重要分支之一.将聚类迭代的思想应用到离群数据挖掘中,给出一种基于大熵值变化区域和余弦相似度的离群迭代算法OIALEVCS.该算法首先针对离群挖掘特点,使用大熵值变化区域来选择初始候选离群对象;其次在每次迭代过程中,利用对海量高维数据有效的余弦相似度作为离群度量因子,搜索每个邻域内最离群的对象作为新的候选离群对象,直至迭代收敛;最后采用晚型星、高红移类星体、类星体三个天体光谱数据集,实验验证了算法有效性和可行性.由于该算法充分利用了大熵值变化区域来选择初始候选离群对象,因而进一步加速了迭代收敛的速度,提高了离群挖掘精确度.

基于机器视觉的软体纤维丝集束智能计数系统

设计了一种基于机器视觉的可以对软体纤维丝集束实现自动计数的检测系统。系统采用自制半球形LED光源照明,对软体纤维丝集束切片,经显微光学系统放大,再由电荷耦合器件(Charge coupled device,CCD)采集放大图像至计算机,通过图像处理系统计算出集束中软体纤维丝数量,并与标准值比较,自动给出是否合格的判别结果。并提出了一种图像处理方法,该方法首先采用基于区域熵值最大的原则将不同光强照射下获取的源图像进行融合,再对融合后的图像利用自组织特征映射(Self organization feature map,SOFM)神经网络求取分割阈值,然后使用求取的分割阈值作为测度指导源图像实现二值化融合,最后采用基于统计量的边界分离和计数方法实现纤维丝集束的计数。实验证明,该系统检测误差不大于1%,重复测量标准差不超过0.07,实现了对软体纤维丝集束的智能计数。