基于二阶包络逆EMD算法改进与实现

在分析经典EMD(Empirical Mode Decomposition)和高阶极值点逆向筛分EMD方法的基础上,提出了一种基于二阶包络逆EMD的改进方法。该方法结合标准EMD与逆EMD的良好属性,采用一阶、二阶包络,通过给定条件在筛分过程选择最优包络均值进行筛分。实验结果表明:该方法适用于分解频率差值较低的多分量信号且减小高频分量误差;有效地减小估计误差及抑制多余IMF分量;以最优包络作为筛分包络,EMD分解效果更佳。

复杂背景下的车辆检测

在智能交通系统中,为减少背景干扰,精确地找到车脸、车标或车牌,提出一种复杂背景下车辆的检测方法。采用HOG特征与SVM分类器初步检测车辆,应用数学形态学及其开闭重建的方法消除部分噪声及无关的边缘,提取车辆边缘信息,将边缘投影图转换成二值图像,对二值图像进行数学形态学处理,消除投影图的部分噪声和毛刺,精确查找车辆边界。实验结果表明,该方法能够准确地检测车辆,简单高效,具有较高的鲁棒性。

基于SURF特征与积分通道特征的车型识别

随着交通问题的日益严峻,智能交通系统技术的研发显得尤为迫切。车型识别系统作为ITS系统的一个重要组成部分,起着关键的作用。针对车辆图像的车型识别,提出了一种基于SURF(speed up robust features)特征与积分通道特征的车型识别方法。实验结果表明,此方法能够对车辆图像的车型进行准确的识别,且简单高效,具有较高的鲁棒性。