谢康,杨义先,张玲,杜晓峰,辛阳.系统图像多车牌区域的边缘检测[J].高技术通讯(中文),2014,24(10):1029~1036 |
系统图像多车牌区域的边缘检测 |
|
|
DOI: |
中文关键词: 多车牌, 边缘检测, 细胞神经网络(CNN), 同心邻域极值(CNE), 粒子群优化(PSO) |
英文关键词: |
基金项目: |
作者 | 单位 | 谢康 | 山东大学信息科学与工程学院 | 杨义先 | 北京邮电大学信息安全中心 | 张玲 | 北京邮电大学信息安全中心 | 杜晓峰 | 北京邮电大学信息安全中心 | 辛阳 | 北京邮电大学信息安全中心 |
|
摘要点击次数: 4715 |
全文下载次数: 2761 |
中文摘要: |
针对现有智能交通系统(ITS)多车牌定位识别算法漏检率高、处理速度慢等问题,在研究细胞神经网络(CNN)理论的基础上,提出了一种基于CNN同心邻域极值(CNE)的ITS图像多车牌区域边缘检测算法,简称CNECNN算法。该算法只需计算CNN中同心邻域内极大值与极小值函数差的二阶微分零交叉点,即可获得图像的边缘。此外,该算法利用CNN稳态能量函数惩罚约束机制优化粒子群适应度函数,在解空间中搜索参数全局最优解以获得CNN邻域极值模板参数。该算法为并行算法,具有运算量小,易于大规模集成电路实现,能够克服早熟收敛等优点。实验结果表明,与传统边缘检测算子和CNN通用机(CNNUM)固定模板参数算法相比,该算法漏检度降低了12.9%。 |
英文摘要: |
|
查看全文
查看/发表评论 下载PDF阅读器 |
关闭 |
|
|
|