基于多特征的纹理特征提取方法研究与应用

纹理是图像的1种重要视觉特征,常用于识别和区分图像。纹理特征的提取则是其应用需首先解决的问题。通过总结分析目前较为常用的纹理特征提取方法,基于灰度共生矩阵(GLCM)算法、局部二值模式(LBP)算法和小波变换(DWT)算法的特点,提出基于多特征的纹理特征提取算法,即将各算法提取的特征进行融合。融合中使用权重对参数进行配置。论文设计了1种图像检索实验,通过图像检索实验比较了各算法提取的特征对纹理的描述能力。结果表明,对于Corel图像库,笔者提出的多特征的纹理特征提取算法检索的平均查准率相对于GLCM算法提高了20%,相对于LBP算法提高了9%,相对于DWT算法提高了10%,相对于徐少平等人提出的特征融合方法提高了15%。证实了文中所提出的算法能够兼顾各算法的优点,并具有较好的旋转不变性和尺度不变性。其不足之处是需要同时提取GLCM算法,LBP算法,DWT算法下的纹理特征,计算所需时间是后3种算法时间之和,使算法的实用性受到了一定的限制。

基于移动终端的箱号识别方法及应用

基于深度学习、图像预处理、Flask服务端框架、微信小程序等技术,开发了一种基于移动端的集装箱箱号的算法,解决集装箱码头堆场人工记录箱号的问题。算法经过现场测试,单张识别率为97%,识别时间500 ms,满足港口作业要求。系统的应用提升了港口装卸的智能化水平和作业效率。