基于CNN同心邻域极值的多车道智能交通系统图像多车牌区域的边缘检测

• 作者: 张玲 杜晓峰 杨义先 谢康 辛阳
• 来源期刊: 高技术通讯
• 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)
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 52-64
• 页数: 13页
• 字数: 6906字
• 语种: 中文
• DOI: 10.3772/j.issn.10020470.2014.10.006

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%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	辛阳	北京邮电大学信息安全中心	67	425	12.0	16.0
2	杨义先	山东大学信息科学与工程学院	629	8372	39.0	65.0
4	杜晓峰	北京邮电大学信息安全中心	13	73	5.0	8.0
5	张玲	北京邮电大学信息安全中心	6	81	3.0	6.0
6	谢康	山东大学信息科学与工程学院	3	69	2.0	3.0