基本图像特征用于文本图像文种识别

为了解决现有方法在运算速度和识别效果上的矛盾,该文将基本图像特征用于文本图像文种识别.按照纹理分析结构方法的观点,将纹理基元划分为7种类型,提取描述文本图像纹理基元构成以及其空间位置关系的特征,采用支持向量机对所提特征进行训练和分类,实现文字种类识别.实验选用有质量退化的中、英、俄、日、韩、阿拉伯等10种不同语言文字的文本图像,结果表明该算法运算速度快,有较高的识别准确率,并对图像质量退化有较好的鲁棒性.

基于改进基本图像特征直方图的纹理分类算法

提出了一种改进的基本图像特征(basic image feature,BIF)直方图纹理分类算法。首先在4个尺度上分别确定图像中每个像素点对应的BIF,然后在每个尺度上分别提取6维直方图特征及3维高阶统计特征共36维特征,最后使用支持向量机(support vector machine,SVM)作分类器对实验图像进行训练和分类。实验表明,所提方法降低了算法的计算复杂度和运行时间,对噪声有较好的鲁棒性。

基于基本图像特征的中朝文种辨识方法

提出了一种基于基本图像特征、适用于不同分辨率自然文本图像的中朝文种辨识方法.在训练阶段,首先构造标准文字图像库,然后提取文字的形态学骨架,最后利用骨架的基本图像特征来训练BP神经网络;在辨识阶段,首先对自然文本图像进行倾斜校正后做二值化处理以提高字符分割的效果,然后进行垂直投影、水平投影、字符分割和提取每个字符的骨架信息,最后基于字符骨架的基本图像特征利用BP神经网络来进行文种辨识.实验表明,本文提出的方法在中朝文种辨识中综合辨识准确率可达到87%.

基于BIFs方法的量子目标检测

检测和跟踪附着在神经元表面的量子的活动信息对于全面理解神经系统的工作机制具有重要意义。使用BIFs方法提取图像中的量子目标,并通过优化BIFs参数配置和融合高斯滤波预处理提高算法性能。实验结果表明该方法对强杂波干扰下的量子目标具有较高的检测率。