| 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: 4746 |
| 全文下载次数: 2772 |
| 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 |
|
|
|
