改进Niblack算法及其在不均匀光照条件下的应用

文本二值化是光学字符识别的关键技术,但在光照不均的情况下,采用传统全局阈值二值化在图像过亮或暗区域情况下会造成大量文字信息丢失,因此通常采用局部阈值二值化方法。Niblack二值化是一种经典的局部阈值法,能够提取全部文字信息,缺点是存在大量伪影,且运算效率低,但优点是方法简单,易于实现。算法。该算法结合像素点空间八邻域灰度信息,能自适应调整阈值,逐点进行二值化处理,从而基本消除了伪影,并使用积分图法使运算时间从30s降低到3s,同时运用形态学腐蚀操作对笔画进行增强。实验结果表明,与传统Niblack、Sauvola等算法相比,在光照不均条件下,该方法图像噪声少、速度快,笔画更清晰,且更易于识别。

基于特征点局部特征值剔除误匹配特征点算法

为了解决经典的特征点匹配算法尺度不变特征变换(scale-invariant feature transform,SIFT)算法采用比率测试得到的匹配特征点集中存在大量误匹配,且对数量和准确度无法兼顾的情况,提出了基于特征点局部特征值剔除误匹配特征点算法。该算法以高阈值比率测试得到的结果为粗剔除匹配点集,基于三角形相似性原理,从该特征点集中筛选出3个匹配正确的特征点对,利用其分别在基准图像和实测图像中构建局部直角坐标系,根据匹配的特征点对在相似局部坐标系下局部特征值的相似度剔除误匹配特征点,实现精剔除。实验结果表明,所提出算法可以有效剔除SIFT算法匹配结果中的误匹配,同时,与低比率(0.6)测试匹配结果比较,准确度较高,降低了匹配正确的特征点被误剔除的概率,可见该算法可有效剔除误匹配特征点,获得准确度高的匹配点集。

局部遮挡条件下的普通工件定位检测

为解决工业应用中,普通工件在局部遮挡情况下难以精确定位的问题,提出局部遮挡条件下的普通工件定位检测算法。离线过程中,利用提取的模板图像轮廓角点特征和重采样后的轮廓点集,计算关键码值和形状描述子构建模板模型,建立几何哈希表(hash);在线过程中,计算实测关键码值在hash表中地址,利用投票机制对该地址下的形状描述子进行投票,实现目标匹配;基于匹配点对,基于Turkey权重函数和最小二乘平方差原理计算实测轮廓和模板轮廓间的仿射变换模型,实现目标精确定位。实验结果表明,当工件被局部遮挡,且发生平移、旋转变化时,可实现目标的精确定位。