-
Patent Agency Ranking
公开(公告)号：CN104915647B
公开(公告)日：2018-08-03
申请号：CN201510296145.5
申请日：2015-06-02
Applicant: 长安大学
Abstract: 本发明公开了一种高速公路前方车辆的检测方法，包括以下步骤：对采集的高速公路前方车辆的原始图像进行多尺度变换，得到缩小的图像；对缩小的图像进行边缘检测，得到车辆轮廓的检测结果图像；对车辆轮廓的检测结果图像进行标号，得到标号车辆；扫描标号图像，计算每个标号车辆的外界矩形根据得到外界矩形，计算每一个标号车辆的外界矩形参数。与现有方法相比，本发明不仅计算结果稳定，而且方法简洁有效，可以通过外界矩形的参数有效的反应前方车辆的行驶状况。
-
公开(公告)号：CN104915665A
公开(公告)日：2015-09-16
申请号：CN201510292684.1
申请日：2015-06-01
Applicant: 长安大学
CPC classification number: G06K9/2009 , G06K9/40 , G06K2209/01 , G06K2209/15
Abstract: 本发明结合优化暗通道去雾方法与二维隐马尔科夫模型，提出了一种图像去雾方法及基于该方法的车牌图像识别方法，对拍照得到的有雾原始图像求取暗通道，得到初始透射图，对初始透射图进行优化，得到优化透射图进一步得到相应矩阵，并对初始透射图重新优化计算，得到最终的透射图，利用最终的透射图得到去雾图像；本发明既可以使去雾结果强化在深度不连续处出现的图晕效果，又可在图像识别中利用条件转移概率进行状态转换，进而反应平面两个维度上的依赖关系，识别车牌的英文字符和阿拉伯数字，该算法适用于雾天情况下的车牌识别，对于不同字符大小、字符倾斜、污损等情况，抗噪声能力强。
-
公开(公告)号：CN104915933B
公开(公告)日：2019-04-05
申请号：CN201510292759.6
申请日：2015-06-01
Applicant: 长安大学
IPC: G06T5/00
Abstract: 本发明提出了一种基于APSO‑BP耦合算法的雾天图像增强方法，可以使天空区域不出现不良块效应及灰白效应，在视觉上明显优于直方图均衡化算法的结果。算法不需要建立复杂的成像物理模型，且计算简便；且在该算法复原后的雾天图像，所用算法将标准PSO算法中的全局最优位置与个体最优位置分别替换为相关个体最优位置的加权平均，更好地平衡了算法的全局与局部搜索能力，提高了算法的多样性和搜索效率。
-
公开(公告)号：CN104915933A
公开(公告)日：2015-09-16
申请号：CN201510292759.6
申请日：2015-06-01
Applicant: 长安大学
IPC: G06T5/00
Abstract: 本发明提出了一种基于APSO-BP耦合算法的雾天图像增强方法，可以使天空区域不出现不良块效应及灰白效应，在视觉上明显优于直方图均衡化算法的结果。算法不需要建立复杂的成像物理模型，且计算简便；且在该算法复原后的雾天图像，所用算法将标准PSO算法中的全局最优位置与个体最优位置分别替换为相关个体最优位置的加权平均，更好地平衡了算法的全局与局部搜索能力，提高了算法的多样性和搜索效率。
-
公开(公告)号：CN104915647A
公开(公告)日：2015-09-16
申请号：CN201510296145.5
申请日：2015-06-02
Applicant: 长安大学
Abstract: 本发明公开了一种高速公路前方车辆的检测方法，包括以下步骤：对采集的高速公路前方车辆的原始图像进行多尺度变换，得到缩小的图像；对缩小的图像进行边缘检测，得到车辆轮廓的检测结果图像；对车辆轮廓的检测结果图像进行标号，得到标号车辆；扫描标号图像，计算每个标号车辆的外界矩形根据得到外界矩形，计算每一个标号车辆的外界矩形参数。与现有方法相比，本发明不仅计算结果稳定，而且方法简洁有效，可以通过外界矩形的参数有效的反应前方车辆的行驶状况。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
