zhf19891002的博客

导读：车牌定位算法分为三类，一是基于边缘定位，二是基于颜色定位， 三是基于机器学习。用边缘检测查找垂直边缘的方法，可成功定位大部分车牌，定位准确率在 70%左右，对垂直边缘交错的情况下，无法准确地定位车牌。在色彩充足，光照足够的情况下，颜色定位的效果很好，但是在面对光线不足的情况，或者蓝色车身的情况时，颜色定位的效果很糟糕。但如果将边缘定位和颜色定位结果融合，可提升到90%的定位准确率。基于机器学

在去雾领域，基本以何凯明博士的《Single Image Haze Removal Using Dark Channel Prior》这篇文章为基础进行再研究，本文也基于该文进行讲述如何去雾。在计算机视觉和计算机图像学中，雾模型用以下公式表示：I(x)是有雾的图像，J(x)是无雾图像，A是大气光成分，t(x)为透视率。对于局部窗口，处理可得:其中

下面通过一个分类例子一步一步的引出为什么神经网络能够无限逼近任意函数这个观点，并且给出直观感觉!我们首先有这个需求，需要将下面的数据点进行分类，将三角形与正方形正确的分开，如图所示：其实上图就是一个解决一个异或问题。下面我分别从线性模型，感知机以及神经网络逐步围绕这个例子来引出自己的观点。（以下的讲解都在二元函数下进行，便于可视化，高