基于改进KNN-SVM的车辆图像光照检测模型

为了准确检测出车辆交通图像的光照类型,从而有针对性地矫正不同光照以减少其对车牌定位的影响,提出了一种基于改进K近邻和支持向量相融合(KNN-SVM)的车辆图像光照检测方法。首先融合了HSV空间亮度特征、灰度直方图特征和投影直方图特征作为车辆图像的光照特征,然后改进传统KNN-SVM中距离计算方法,定义为每类待检测样本到属于该类支持向量的距离,并在采集的全天候不同光照车辆图像上进行检测验证。实验表明,改进KNNSVM将阈值获取时间提前,避免了传统KNN-SVM对超平面附近样本先SVM检测再KNN检测的重复检测,不仅降低了算法复杂度和运行时间,且检测准确率高于传统KNN-SVM和单独使用KNN或SVM时的值,最高达到了99.67%。

基于透射变换的印刷品图像归一化研究

印刷品图像归一化在其质量检验中是极其重要的。针对获取的印刷品图像存在一定程度的畸变,提出一种改进的透视变换的归一化方法。为了准确获取图像的直线边缘信息,改进传统Canny检测中阈值自适应能力差的问题,用迭代法获取阈值参数,并加入滤波器有效滤除过于贴近图像边缘的平行直线;针对传统透视变换特征点无法获取问题,首次提出将图像分为三类状态下分别获取图像的特征点信息,求解得出透视变换矩阵对图像进行归一化。实验结果表明,对采集的印刷品图像该算法相对不准率下降了41.2%,可有效解决图像存在的畸变问题。

基于数据拓扑图的变量影响分析方法

为了解决软件中数据变量发生异常的问题,找到该异常变量在整个程序中与其余变量之间的关系以及影响范围,提出了一种基于数据拓扑图的数据影响分析方法。研究了静态分析提取变量的依赖关系包括顺序依赖、自身依赖、节点依赖和函数依赖,得到变量的依赖影响集合,生成变量的数据拓扑图。实验结果表明,该方法能全面覆盖程序中的变量并准确地生成指定变量的数据拓扑图,且数据拓扑图能够发现在程序中被异常变量影响的变量。