液体泡沫中单气泡的图像识别算法

根据泡沫中气泡的特征,提出了一种液体中单气泡的图像识别算法.在垂直光源拍摄位置获取清晰的泡沫图像.对原始泡沫图像进行全局阈值处理和形态学处理过,获得处理后的二值化图像.为了防止轮廓提取产生死循环,提出了一种毛刺去除方法.轮廓提取后,利用Hough变换对每个单连通边缘识别是否为类圆形,对圆心和半径进行投票,对投票结果进行分析,用高斯分布函数来估计投票峰值点.利用本文方法识别到泡沫图像中的所有单气泡.最后,对实现结果进行分析,证明了这种单气泡识别方法效果较理想.

融合背景估计与U-Net的文档图像二值化算法

针对低质量文档图像存在页面污渍、墨迹浸润、背景纹理等多种退化因素,提出一种融合背景估计与U型卷积神经网络(U-Net)的文档图像二值化算法。该算法首先进行图像对比度增强,然后通过形态学闭操作来估计文档图像背景,并利用全卷积网络,即U-Net对背景减除图像进行前景背景分割,最后采用全局最优阈值处理方法获得最终二值图像。实验结果表明,在2016和2017年国际文档图像二值化竞赛(DIBCO)中该算法的F值(F-measure,FM)、伪F值(pseudo F-measure,p-FM)、峰值信噪比(peak signal to noise ratio,PSNR)、距离倒数失真度量(distance reciprocal distortion,DRD)比性能次优的经典算法最高有5.58%、2.47%、0.86 dB、1.19%的性能提升。