期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
车牌识别中的图像提取和分割算法 被引量:5
1
作者 邹星 《重庆工学院学报(自然科学版)》 2009年第8期19-23,28,共6页
在对车牌图像中的几种主流字符提取、分割的方法进行分析、比较的基础上,对车牌图像先应用形态学中的开运算增强,再选择自适应阈值并进行二值化,以连通区域法为基础,结合投影法、固定边界法进行分割.结果表明,这种策略在增强图像分割效... 在对车牌图像中的几种主流字符提取、分割的方法进行分析、比较的基础上,对车牌图像先应用形态学中的开运算增强,再选择自适应阈值并进行二值化,以连通区域法为基础,结合投影法、固定边界法进行分割.结果表明,这种策略在增强图像分割效果的基础上,加快了图像处理速度. 展开更多
关键词 车牌识别 图像分割 二值化 分割算法
在线阅读 下载PDF
基于模运算的彩色图像隐写算法 被引量:1
2
作者 肖文国 葛华勇 彭阳洋 《计算机与现代化》 2018年第10期48-52,78,共6页
21世纪以来,计算机科学技术的发展,数字多媒体交流的完善,人们越来越重视信息安全,图像隐写技术作为一种保障信息交流安全的手段得到了快速的发展。本文提出一种利用模运算的周期性特点进行信息隐藏的彩色图像隐写算法。该算法引入一种... 21世纪以来,计算机科学技术的发展,数字多媒体交流的完善,人们越来越重视信息安全,图像隐写技术作为一种保障信息交流安全的手段得到了快速的发展。本文提出一种利用模运算的周期性特点进行信息隐藏的彩色图像隐写算法。该算法引入一种新型隐写函数,计算出原始信息与秘密信息的差值,并结合隐写函数得到修改量进而实现信息隐藏,在保证安全性的前提下有较高的嵌入率。经过大量的实验证明,该算法具备良好的载密图像视觉质量及安全性,同时还具有更高更灵活的嵌入率,因此可代替大部分的彩色隐写算法。 展开更多
关键词 彩色图像 模运算 隐写算法 隐写函数
在线阅读 下载PDF
基于Object-Z的带OCL约束的UML类图形式化描述
3
作者 江春 《沈阳工程学院学报(自然科学版)》 2008年第4期372-375,共4页
UML2.0 OCL是基于一阶谓词逻辑和集合论的形式化语言,用它对UML类图进行条件约束后,类图便具备了严格的语法和精确的语义,同时也具备了演绎验证的基本条件.但由于目前的建模工具还无法对缺乏精确语义的UML类图进行有效的演绎验证,因此... UML2.0 OCL是基于一阶谓词逻辑和集合论的形式化语言,用它对UML类图进行条件约束后,类图便具备了严格的语法和精确的语义,同时也具备了演绎验证的基本条件.但由于目前的建模工具还无法对缺乏精确语义的UML类图进行有效的演绎验证,因此提出了将带OCL约束的UML类图通过Object-Z进行形式化描述的方法,这样便可以充分利用Object-Z强大的演绎验证能力来验证UML类图的正确性和是否具有某种性质等。 展开更多
关键词 统一建模2.0 对象约束语言 面向对象Object—Z语言
在线阅读 下载PDF
地铁列车驾驶技术发展综述:从人工驾驶到智能无人驾驶 被引量:10
4
作者 赖文柱 陈德旺 +2 位作者 何振峰 邓新国 GIUSEPPE CARLO Marano 《智能科学与技术学报》 2022年第3期335-343,共9页
基于国内外地铁列车驾驶技术的发展现状,提出并阐述了地铁列车驾驶技术发展的4个阶段为人工驾驶、自动驾驶、无人驾驶、智能无人驾驶。概括了我国无人驾驶地铁列车的建设情况,针对目前基于神经网络这类机器学习方法的列车控制方法可解... 基于国内外地铁列车驾驶技术的发展现状,提出并阐述了地铁列车驾驶技术发展的4个阶段为人工驾驶、自动驾驶、无人驾驶、智能无人驾驶。概括了我国无人驾驶地铁列车的建设情况,针对目前基于神经网络这类机器学习方法的列车控制方法可解释性差的弊端,引入了深度模糊系统的概念,提出了基于人机混合智能的地铁智能无人驾驶基本框图,为将处理紧急情况的专家经验、人工智能算法和无人驾驶系统结合起来,实现智能无人驾驶提供了一种具有前景的解决思路。 展开更多
关键词 地铁 无人驾驶 人工智能 智能无人驾驶 人机混合智能
原文传递
基于改进的Mask R-CNN的公路裂缝检测算法 被引量:18
5
作者 张跃飞 王敬飞 +2 位作者 陈斌 冯涛 陈志毅 《计算机应用》 CSCD 北大核心 2020年第S02期162-165,共4页
针对复杂场景下,Mask R-CNN检测公路裂缝掩码拟合质量不高的问题,提出一种基于改进的Mask RCNN的路面裂缝检测算法。首先,采用自适应带权重的损失函数,从而以权重的方式让神经网路更加注重细微裂缝的特征;然后,在Mask R-CNN的掩码支路中... 针对复杂场景下,Mask R-CNN检测公路裂缝掩码拟合质量不高的问题,提出一种基于改进的Mask RCNN的路面裂缝检测算法。首先,采用自适应带权重的损失函数,从而以权重的方式让神经网路更加注重细微裂缝的特征;然后,在Mask R-CNN的掩码支路中,添加一个新的比例预测分支来指导损失函数,让神经网路在学习过程中更加注重裂缝的细节信息,进而提升掩码预测的质量。为了验证改进算法的有效性,将其与当前具有代表性的实例分割检测方法(如Mask R-CNN、PANet)在相同数据集上进行对比。实验结果表明,改进的算法提升了掩码拟合的质量,增加了检测精度。 展开更多
关键词 公路裂缝检测 深度学习 目标检测 Mask R-CNN 实例分割 语义分割
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部