舒小华
- 作品数:30 被引量:50H指数:4
- 供职机构:湖南工业大学更多>>
- 发文基金:湖南省科技计划项目湖南省教育厅科研基金国家自然科学基金更多>>
- 相关领域:自动化与计算机技术文化科学交通运输工程机械工程更多>>
- 一种基于空间和灰度特征的粗精二级纸张计数方法
- 一种基于空间和灰度特征的二级纸张计数方法,通过将采集到的一叠纸张图像,首先将图像灰度化,然后用Hough变化的方法对图像进行倾斜校正,然后对纸张图像进行纵向投影后得到投影曲线图,利用模糊阈值的方法对投影曲线图进行处理,并...
- 龙永红石伟钟云飞黄晓峰杨丹君舒小华李健蔡叶菁龙晓薇
- 基于全局信息的图像配准方法
- 本发明公开一种基于全局信息的图像配准方法,涉及图像处理领域,以提高图像配准的精度、增强配准方法的鲁棒性。本发明提供的图像配准方法利用了图像的全局信息。为了度量图像的配准程度,提供了图像的最大方差变化场的定义与计算及基于算...
- 舒小华蔡叶菁钟云飞刘素君陈胜蓝李维彪
- 具有智能驾驶特色的信息工程专业建设探索与实践
- 2021年
- 针对信息工程专业口径大定位模糊,结合信息工程的国家质量标准及学校对学院的定位要求,修订了信息工程专业的培养方案,突出了信息工程的理论在智能驾驶中的应用。课程及实践建设以模块为单位,模块既相互独立,又体系相关。加强了实践教学平台的建设,建设以实验模块为基础的交通信息工程实验中心。开设了具有智能驾驶特色的智能驾驶实验班。在新的培养方案实施后,学生对专业更有兴趣,学生的专业素质得到了显著提高。
- 舒小华黄晓峰谷志茹陈玲姣王忠美
- 关键词:信息工程智能驾驶
- 基于特征区域的图像自动配准被引量:2
- 2012年
- 为了解决基于特征的图像配准中的特征点的定义和提取问题,提出了一种以特征区域替代特征点的定义和提取方法。该方法应用Moravec算子选择候选特征区域,使用具有旋转不变性的Zernike矩表征该区域的特性;采用二级匹配策略进行特征区域的匹配,即基于自组织映射神经网络的初始匹配及精细匹配;建立图像的配准框架并实现图像的配准。实验结果表明,该方法能有效地提取图像的特征点并能准确地进行特征点的匹配,整个配准过程完全自动进行。
- 舒小华沈振康
- 关键词:图像配准特征点ZERNIKE矩
- 基于全局信息的图像配准方法
- 本发明公开一种基于全局信息的图像配准方法,涉及图像处理领域,以提高图像配准的精度、增强配准方法的鲁棒性。本发明提供的图像配准方法利用了图像的全局信息。为了度量图像的配准程度,提供了图像的最大方差变化场的定义与计算及基于算...
- 舒小华蔡叶菁钟云飞刘素君陈胜蓝李维彪
- 文献传递
- 一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法
- 系统提出一种基于视频识别技术的车辆跟踪方法与系统,在视频图像底部划定固定区域检测车辆出现。根据车辆长度和车速确定系统帧差的帧间间隔数。当车辆出现时根据帧差值与特定阈值判断车辆行驶快慢状态,若车辆帧差值超过设定阈值,则采用...
- 龙永红肖习雨舒小华钟云飞刘素君王斌崔欣
- 文献传递
- 一种基于边缘特征的图像融合方法被引量:4
- 2008年
- 图像数据融合是研究如何从多幅图像中恢复原始图像的重要技术,它在图像处理中引起了人们的关注.本文探讨了基于图像边缘特征的图像的融合方法。在对现有的有关融合方法及其所融合效果进行分析的基础上,提出了一种新的基于小波检测边缘的融合方法.实验证明,该方法能有效地保留原图像信息及增强融合图像的细节信息.
- 舒小华沈振康
- 关键词:小波变换图像融合边缘检测
- 基于机器视觉的变电站隔离开关开合状态识别方法被引量:8
- 2017年
- 针对无人值守变电站户外电气设备巡检过程中隔离开关开合状态的自动识别问题,给出了一种基于机器视觉的开合状态识别方法。该方法通过双阈值变换对隔离开关图像二值化,消除图像中绝缘子基座等灰度值较低和天空背景等灰度值较高的非目标物;采用空域滤波去除隔离开关区域附近的输电线、支撑机构等干扰物,实现对隔离开关的提取;根据二值图像在水平方向和垂直方向上投影的连通区域个数,判别隔离开关的开合状态。实验结果表明,该方法能够对户外复杂背景下隔离开关的开合状态进行有效识别,且识别率较高。
- 方盛舒小华李德武
- 关键词:隔离开关灰度投影
- 一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法
- 系统提出一种基于视频识别技术的车辆跟踪方法与系统,在视频图像底部划定固定区域检测车辆出现。根据车辆长度和车速确定系统帧差的帧间间隔数。当车辆出现时根据帧差值与特定阈值判断车辆行驶快慢状态,若车辆帧差值超过设定阈值,则采用...
- 龙永红肖习雨舒小华钟云飞刘素君王斌崔欣
- 一种改进的CNN-BiLSTM心律失常分类方法
- 2023年
- 基于一维心电信号,提出了一种改进的卷积双向长短时记忆网络以实现心律失常的自动分类。基于卷积神经网络(CNN)及其注意力机制提取关键特征,搭建双向长短时记忆网络(BiLSTM)挖掘心电信号的时间相关性,最终实现心电信号的自动分类。在MIT-BIH心律失常数据集上进行的实验结果表明,该方法在获得总体精度99.32%的基础上,实现了稀有类别分类的提升,其S与F类分类精确度分别提升了1.02%和10.07%,召回率分别提升了12.52%和4.25%,满足心律失常自动分类的检测要求。
- 舒小华杨明俊焦龙飞
- 关键词:心电信号卷积神经网络