基于MSER的红外与可见光图像关联特征提取算法

关联特征提取是红外与可见光图像配准、融合和变化检测等应用中的关键步骤。针对同一场景红外与可见光图像间关联特征难以正确提取的问题,基于最稳定极值区域(MSER)算法,提出了一个仿射不变的关联特征提取方法。该方法主要包括3个步骤:(1)提取红外与可见光图像中的最稳定极值区域;(2)对特征区域进行椭圆拟合;(3)规则化处理,消除形变干扰,输出便于描述和匹配的一致性特征。实验结果证明了该算法在红外与可见光图像关联特征提取中的有效性。

基于颜色增强变换和MSER检测的烟雾检测算法

在远距离烟雾视频监控中,当烟雾区域小或运动缓慢时,烟雾检测变得非常困难,为了解决这一问题,提出了一种基于烟雾增强颜色变换和MSER(maximally stable extremal regions)检测的烟雾检测算法.首先提出了一种新型烟雾增强颜色变换,可使变换后图像中烟雾区域更加突出,便于后续的分割;其次在变换图像上检测MSER区域,分割出烟雾区域,避免了基于颜色信息或运动信息等传统方法难以准确分割烟雾的缺点;最后针对烟雾的特点,提出了烟雾的静态和动态判据,并以通过静态和动态判据的次数判定是否为烟雾,并进行报警.实验结果表明,该算法可在远距离烟雾视频监控中准确地检测出烟雾区域,具有较高的可靠性.

多层次MSER自然场景文本检测

提出一种新的基于多层次最大稳定极值区域(MSER)的自然场景文本检测方法,其由候选区域的提取和文本检测组成.在候选区域提取过程中,采用多层次MSER区域提取方法:通过对原始图像进行多个颜色空间变换和多尺度放缩得到多个变换后的图像,采用多个阈值对其进行MSER区域检测,并将检测到的区域作为候选区域用于文本检测.检测过程中,对候选区域提取手工设计的底层特征和基于卷积神经网络(CNN)的深层特征,训练一个随机森林回归器对特征进行分类得到字符区域,再将其合并成单词区域,并进行相似的特征提取和分类,从而得到最终的文本检测结果.使用2个标准的数据库(ICDAR2011和ICDAR2013)对提出的方法进行性能评价,F指标在ICDAR2011和ICDAR2013上均为0.79,表明了所提出的自然场景文本检测方法的有效性.

弱光复杂背景下基于MSER和HCA的树上绿色柑橘检测

基于图像处理和机器视觉的树上绿色柑橘检测,能为果园管理者施肥、估产及采摘作业提供指导。该文提出一种基于水果表面光照分布的分层轮廓分析(hierarchical Contour Analysis,HCA)算法实现了树上绿色柑橘的检测。彩色数码相机拍摄弱光下由闪光灯补光的树上柑橘场景彩色图像,基于水果表面的光照分布应用最大稳定极值区域(maximally stable extremal region,MSER)算法提取图像中的感兴趣区域,然后建立感兴趣区域周围的分层轮廓图,并利用霍夫变换拟合每一级轮廓获得分层圆形目标,最后进行拟合圆嵌套分析得到绿色柑橘水果目标。所提算法在20张复杂的柑橘果园场景图像中进行了测试,最终的召回率达81.2%,查准率达到83.5%,单幅图像平均处理时间为3.70 s。该文所提出的基于光照分布的分层轮廓分析算法,不仅适用于绿色柑橘的检测,也可为其他树上绿色水果检测提供通用的框架和思路。

MSER快速自然场景倾斜文本定位算法

针对在自然场景中文本定位需要大量样本训练导致算法运行速度较慢且倾斜文本难以定位的问题,提出了一种基于最大稳定极值区域(maximally stable extremal regions,MSER)结合层次聚类的快速自然场景倾斜文本定位算法。利用MSER椭圆拟合的方法对图片进行最大极值稳定区域的选取,并根据拟合椭圆的自身特征和在图像上的位置特征,过滤掉大部分的非文本区域,筛选出文本候选区域。运用层次聚类的思想,快速对文本区域逐层聚类融合,最终将单个的文本区域合并成单词区域,实现高效的倾斜场景文本定位。实验结果表明,与传统的定位算法相比,该算法在没有损失定位精度的情况下运算速度有明显的提升。

基于MSER和CNN的彝文古籍文献的字符检测方法

彝文古籍中字符的检测是古彝文字符识别的重要基础,检测的准确性直接影响着古彝文识别的精准程度。针对彝文古籍文献版面结构复杂、排版缺乏规范、存在图文混排等情况,提出一种基于最大极值稳定区域(MSER)和卷积神经网络(CNN)的彝文古籍文献字符检测方法。首先对彝文古籍扫描图片用非局部均值滤波进行了预处理,然后采用一种改进的局部自适应二值化方法得到二值图像,实现对图像的前景和背景的分割;再采用基于启发式规则的方法对非文本区域进行去除,从而得到文本区域;最后采用MSER和CNN相结合的方法对古籍中的单个字符进行检测。实验结果表明,该方法对古籍中文本和非文本区域进行了有效的分离,并在单字符检测实验中取得了较高的准确率和召回率,能有效地解决古籍文献字符识别中的字符检测问题。

MSER在图像局部特征检测中的应用研究

基于图像斑点检测技术具有尺度和旋转的不变性,但对仿射不变性适应性较差,MSER是对图像中稳定区域的检测技术,它对图像旋转、尺度及仿射不变性都具有强的适应性。对MSER检测技术的数据定义、检测算法的实现及区域拟合的应用作详细的分析,通过图像中稳定区域提取,可获得最优图像特征因子,再通过区域的拟合,可实现椭圆区域的二阶矩阵,其实现算法具有易实现、速度快、效率高的特点,该算法在目标区域和空间一致性上具有较好的应用效果。

基于MSER拟合椭圆的快速场景文本定位算法

针对图像中场景文本定位效率低的问题,提出一种基于最大稳定极值区的快速定位算法。快速提取图像中的最大稳定极值区;对提取的极值区进行椭圆拟合,构造MSER描述,利用拟合椭圆特征筛选极值区,滤除大部分伪字符区;运用以MSER为元素的投影合并算法,将字符区分割文本行并直接合并成单词,确定文本区。该算法通过拟合椭圆的特征选取实现伪字符区滤除,通过快速的投影合并算法,实现了高效的场景文本定位。实验结果表明,与其它算法相比,该算法能够达到较好的定位效果,在速度上具有优势。

一种结合MSER与SIFT算子的特征检测方法

为了快速稳定地进行仿射变换下的局部特征区域提取,提出了一种新的特征区域提取算法.首先检测图像最稳定极值区域(MSER),然后将这些区域归一化,接着对其使用尺度不变特征变换(SIFT)算子进行特征提取.试验结果表明,所提出的算法不仅赋予最稳定极值区域合理的数学描述,而且其抗仿射变换能力强于SIFT算子.另外,由于只是对部分图像计算SIFT算子,速度上也要快于传统的SIFT算法.

联合边缘增强的MSER自然场景文本检测

针对图像模糊及低对比度造成最大极值稳定区域(MSER)文本检测性能下降的问题,提出一种新的结合边缘增强的M SER文本检测方法.通过采用加权引导滤波与HOG特征结合进行边缘增强,以更好突出图像边缘增强文本信息,并结合采用Quick shift文本颜色聚类技术,有效提升了M SER文本检测的召回率;基于文本与非文本的笔画宽度差异,采用文本骨架的拓扑特征减少连通区域标记的冗余,有效提升了MSER文本检测的准确率.基于ICDAR2003数据库的实验结果验证了本文方法的有效性.

基于视觉关注模型与多尺度MSER的自然场景文本检测

自然场景中文本检测易受光照、复杂背景、多语言文字、字体及尺寸等因素影响,该文提出了一种基于Itti视觉关注模型与多尺度最大稳定极值区域(maximally stable extremal region, MSER)结合的自然场景文本检测算法.首先利用改进的Itti视觉关注模型提取文本特征图,并采用不同结合策略得到各尺度文本显著图;然后结合多尺度的MSER区域得到3种文本候选区域.根据文字与生成文本框的几何规则合并文本候选区域得到文本行;最后利用随机森林分类器除去非文本区域得到最终文本区域.实验结果表明,该方法对于自然场景图像中的文本检测具有较高的精确度和一定的鲁棒性.

复杂场景下基于颜色对和MSER的交通标志检测方法

交通标志识别技术在室外复杂环境中,会有光照变化、标志褪色、标志倾斜和形变等不利因素的影响.目前,主流的检测算法使用颜色、形状或局部稳定特征进行交通标志的检测.但这些算法在复杂场景下检测精度低,鲁棒性差.为了达到较好的检测效果,提出一种基于颜色对和最大稳定极值区域(MSER)的交通标志检测算法.在检测过程中,为了解决不同天气情况下获取的图像亮度不同的问题,使用多组阈值;针对使用传统的颜色阈值算法得到的交通标志候选区域与颜色相似的背景粘连在一起的现象,提出一种分割算法对其进行准确分割.最后使用支持向量机(SVM)和方向梯度直方图(HOG)对得到的目标区域进行分类.尽管是在复杂的场景下,交通标志的检测率和识别率也较高.

基于MSER和PHOG特征的交通标志检测方法

本文提出了一种基于最大稳定极值区域(Maximally Stable Extremal Regions,MSER)和塔式梯度方向直方图(Pyramid Histogram of Oriented Gradients,PHOG)特征的交通标志检测方法。该方法首先对图像进行分通道颜色增强,再利用最大稳定极值区域算法进行交通标志潜在区域的定位和提取,然后通过提取目标图像的PHOG特征,结合支持向量机(Support Vector Machine,SVM)训练形状分类器进行交通标志的粗分类。实验结果表明,该方法可以有效地抑制光照、遮挡以及场景复杂等因素带来的影响,并获得了较高的检测率及较低的误检率,同时也为后续的标志识别工作打下基础。

基于MSER-Otsu与直线矫正的仪表指针定位算法

针对配电站无人值守作业机器人执行巡检任务时对指针式仪表的识读需求,提出一种结合MSER-Otsu阈值分割与Hough变换直线矫正的仪表指针定位算法。利用最大稳定极值区域算法从表盘图像中粗提取出指针区域,引入迭代Otsu算法进一步对该区域进行阈值分割,将指针、阴影和背景区域像素点分离后仅保留指针的二值化图像,对其采用Hough变换进行指针中心线预定位,再以Huber loss为最优化函数对预定位直线进行矫正,最终完成指针中心线的定位。实验结果表明,该算法能在复杂环境中对仪表指针进行精确定位并计算指针偏转角度,与Hough变换算法和Huber loss拟合算法等相比,其处理速度更快且鲁棒性更高,能满足配电站巡检机器人的实际需求。

复杂场景下基于Radon校正与MSER的文本定位算法研究

针对复杂场景下,由于文字背景复杂性而带来的文字定位不准确的问题,提出了一种Radon倾斜校正与MSER(最大稳定极值区域)结合的算法,基于该算法识别出文字在所处复杂背景中的位置。首先,对图像进行预处理,采用Canny算子对图像进行边缘检测,并利用Radon变换对倾斜图像进行校正。然后通过二进小波变换对图像进行增强处理,去除噪声。最后提取MSER,经过粗处理、细处理后,检测出文本所处位置。实验结果表明,基于Radon倾斜校正与MSER结合的方法,能够有效提高文本定位的准确率。

基于MSER的模糊车牌检测识别方法研究

针对传统检测识别方法在对小区物业管理中心的车牌监控图像进行识别时,存在黑白车牌的图像分辨率低、影响物业管理人员工作效率的问题,开展基于MSER的模糊车牌检测识别方法的研究.通过建立模糊车牌图像特征相似度投影矩阵、确定车牌图像特征相似度信息能量占比、基于MSER的车牌局部特征描述和车牌检测特征相似度最完整识别结果,提出一种全新的车牌检测识别方法.实验证明:该方法与传统方法相比识别率更高、识别准确度更高,因此更适用于小区物业管理中心对车牌的检测与识别,可为智慧型小区建设发展提供技术支撑.

基于改进MSER与SIDs特征的遥感图像配准算法

由于遥感图像存在仿射变形且纹理结构丰富,基于单一特征往往难以实现高效、高精度的配准利用显著图像圆盘(SIDs)易于自动提取的特点,并结合改进的极大稳定极值区域(MS-ER)实现仿射归一化,提出了一种新的仿射不变的遥感图像配准算法.该算法利用多尺度各向同性相匹配滤波(Multiscale Isotropic Matched Filtering,MIMF)检测稳定SIDs特征,结合高斯函数来精确定位SIDs极值点,再利用匹配好的MSER实现仿射归一化.实验结果表明,所提算法能较好适应较大尺度、光照及视角变化,具有较高匹配效率和配准精度,尤其是大尺寸遥感图像,算法效率提升更加明显.

基于感兴趣区域提取与双过滤器的交通标志检测算法

为了解决当前交通标志检测(TSD)技术因各种复杂因素的干扰,导致其难以有效对交通标志进行正确检测,以及鲁棒性较弱等不足,设计了一种基于感兴趣区域提取与双过滤器的交通标志检测算法。首先,为了降低环境干扰,对输入图像进行预处理,以增强每个标志的主颜色。其次,为提高对感兴趣区域提取能力,定义了基于最大稳定极值区域(MSER)与波动方程(WE)的感兴趣区域(ROI)检测器,通过ROI检测器选取候选区域。然后,引入有效的方向梯度直方图(HOG)描述符作为交通标志检测特征,并利用支持向量机(SVM)进行分类,将其划分为交通标志或背景。最后,利用上下文感知过滤器与交通灯过滤器进一步识别伪交通标志,提高检测精度。在German交通标志数据库(GTSDB)中对常见的指示性、禁止性和危险性的3种交通标志进行测试,结果表明,与当前交通标志识别技术相比,所提算法对交通标志检测具有更高的检测正确率与鲁棒性。

红外和可见光图像互补融合的运动目标检测方法

可见光和红外图像具有互补特性,融合可产生更好的召回率,但现有方法融合后总会导致精度下降。这项研究提出了一种在特征级进行融合检测行人目标的方法:1提取前景目标特征的极大稳定极值区域Maximally Stable Extremal Regions(MSERs),计算红外图像MSERs稠密度和相似度特性,并根据此特性分类MSERs。2搜索匹配可见光图像中的相似MSERs区域,定位前景目标。3融合提取红外与可见光图像中的相似匹配MSERs区域,完成运动目标轮廓提取。该方法融合可见光图像信息,能有效滤除背景物,辅助定位在红外图像中检测的前景目标,并补充仅利用红外图像提取前景目标的缺失部分。已使用公共数据库对该方法进行测试,并与早期融合方法进行比较,能获得更好的召回率,同时融合后准确率不会下降。不需要对背景建模,因此比以往算法计算上更高效,更简单,单帧检测的效果也能达到实时处理要求。

基于城市监控的自然场景图像的中文文本提取方法

智慧城市的首要任务是城市场景监控及其信息分析,场景图像中文本信息的识别是一种直观且高效的场景信息分析手段,但目前场景图像的中文文本提取由于图像光照和模糊、中文字符结构复杂等因素,未能达到很好的效果.为解决这一问题,提出一种边缘增强的最大稳定极值区域(maximally stable extremal regions, MSER)检测方法,可在光照和模糊影响的条件下提取MSER,通过几何特征约束条件高效地过滤明显的非MSER,得到高质量的候选MSER.之后使用提出的中心聚合方法对分割成多个MSER的候选中文文本域进行中文的聚合,使得候选区域成为单个候选的中文文本分量,再对这些分量进行分析,并运用机器学习选出正确的中文文本.实验结果表明:该算法能够更有效地提取出自然场景图像中的中文文本.