视频检测技术是多学科的交叉与结合，既是一门科学学科又是一门工程学科，运用机器视觉和数字图像处理技术，探讨机器视觉技术在驾驶员桩考系统中的实现方法，这对机器视觉技术方法研究和实际应用具有一定的价值。本文以驾驶员桩考系统为研究对象，采用图像处理技术和机器视觉理论方法，研究如何在熟悉或不熟悉环境条件下检测和识别出运动目标，自动跟踪和测量所监控运动的车辆目标。本文基于机器视觉研究从图像或图像序列中提取信息，对客观景物和物体进行形态和运动识别，获取周围环境的信息，计算目标物体运动的方向和速度。研究内容如

目录 第1章最优的FIR滤波器设计 1.1频率取样的FIR滤波器设计 1.1.1约束条件 1.1.2设计误差 1.2最优的FIR滤波器设计 1.2.1一般最优滤波器 1.2.2加权最优滤波器 1.2.3反对称FIR滤波器 1.2.4微分FIR滤波器 1.3IIR与FIR数字滤波器的比较 第2章基于神经网络的案例分析与实现 2.1农作物虫情预测 2.1.1基于神经网络的虫情预测原理 2.1.2BP网络设计 2.2模型参考控制 2.2.1模型参考控制概念 2.2.2模型参考控制实例分析 2.3神经

提出了一种混合多相分割主动轮廓模型,用于精确地分割灰度图像。针对图像去噪和细小边缘的模糊问题,提出多尺度信息增强和各向异性张量扩散结合的方法,并利用快速预分割获得初始轮廓线。在全局项中,用多种局部特征变量重构拉普拉斯能量拟合函数处理大的目标边缘;为了更好地分割拓扑结构复杂的区域,提出了一种分割深度可控的区域分割能量,并构造了计算局部自适应最佳分割阈值的深度系数。在局部项中,采用局部高斯分布拟合处理灰度不均匀区域。模型使用指数函数作为停止速度函数,并加入鲁棒性的曲线演化停止条件,提高了分割效率。新

灰度图像的快速多相图像分割模型