特征滤波图象纹理的投影分割

图象纹理的分析和分割是图象处理理论的基础之一。由于图象纹理的随机性,人们常用统计方法来分析。然而,纹理统计特性不能保证其表达的单一值性,因此人们提出了许多的“具体特征分析器”。近年来,出现了多重滤波器(检测器)描述分析纹理的方法。但是,各种滤波或其他纹理分析方法最终分割纹理都是根据具体应用进行的,没有固定的方法。本文提出的投影分割法可以应用在广泛的场合。

基于自适应投影分割的接触网号牌字符提取

针对接触网故障巡检,传统的人工巡检方式效率低下,不能及时发现潜在安全隐患。基于此,针对接触网的智能视频巡检,成为目前研究的重点。对接触网图像的智能分析,首先要实现对接触网杆的定位识别,而对接触网号牌字符进行精确提取,是实现接触网号牌识别的前提。由于背景干扰,传统的Hough矩形检测识别率较差,现提出了一种基于几何特征检测及自适应投影分割的接触网号牌字符提取方法:首先对号牌的矩形结构进行拆分检测,分别对不同方向的线条进行检测,求取不同方向的边框宽度及坐标,得到精细号牌区域,再采用自适应投影分割方法对单个字符进行提取。实验证明,该方法的字符提取正确率在92%以上,验证了该方法的有效性。

基于垂直投影分割法的车牌图像的字符分割研究

车牌是车辆的唯一标识,其特殊性及重要性决定了车牌识别系统成为智能交通管理系统中不可或缺的重要组成部分。本文设计了一种基于垂直投影分割法的车牌图像的分割研究,该分割法经过大量实验证明了其在准确率方面的优越性。

基于投影阈值分割和数字序列校正的高噪声数字仪表图像识别方法

针对数字仪表图像噪声大、图像特征信息不足导致图像识别准确率低的问题,提出了一种基于卷积递归神经网络结合投影阈值分割和数字序列校正的高噪数字仪表图像识别方法。首先,用投影阈值分割二值化算法对图像进行预处理:使用垂直投影法将图像划分为不同区域,根据不同区域的噪声强度自适应设定二值化阈值,对图像进行二值化处理,降低噪声;其次,根据图像之间数字规律变化特点,利用数字序列校正算法将单个数字识别转换为数字序列识别,通过对比不同数字序列的识别概率得出识别结果,解决单张图像特征信息不足导致识别准确率低等问题。实验结果表明,在高噪声数据集上,相较于卷积递归神经网络模型,提出的高噪声数字仪表识别模型在准确率方面提高了约61.95%,达到93.58%。

投影和模板匹配相结合分割车牌字符

提出了一种解决断裂、粘连、污损和部分遮挡车牌字符的分割算法。结合字符牌照的特征,对校正后的车牌图像进行投影,处理断裂和粘连的字符,实现字符初次分割。在初次分割的基础上,设计匹配模板对初次分割下来的车牌图像进行模板匹配,寻求误差最小的模板对字符重新分割。实验结果表明,该方法自适应性强,有很强的鲁棒性,可以获得最优的分割效果。

面向对象的投影互分割道路变化检测

通过实验提出了面向对象的投影互分割城市道路变化检测方法。选用不同时相的QuickBird图像,根据地物影像的光谱、形状及纹理等特征进行多尺度分割和层次分类,提取城市道路目标;建立检测层,将不同时相的图像分类结果投影到检测层的相应对象层上,并进行互分割,通过判断某一位置地物类别的一致性,实现道路变化检测的目的。实验表明,面向对象的投影互分割道路变化检测能得到较好的检测效果。

针式打印字体电离层垂测数据自动提取技术

对于针式打印字体电离层垂测数据扫描图片的像素偏低、字体不连通、文本行粘连无法检测等问题,提出了一种基于CRNN深度学习框架的数据自动提取技术,该技术主要包括图像预处理、文本检测、序列文本识别和识别结果版面处理4个模块。首先,对于3种不同行间距类型的针式打印字体垂测数据扫描图片采用图像模板匹配、降噪处理和倾斜矫正等方法进行图像预处理。然后对预处理后的图片利用投影法进行文本检测加以分割,其中投影分割检测算法中加入了垂直投影、水平投影和检测候选框修正功能,可有效处理粘连文本区域,提高检测精度。最后,考虑到图片数组长度不一,避免切分字符,所以将分割后的文本识别问题转化为序列学习问题,利用CRNN深度学习算法进行文本识别,再通过坐标融合算法,将识别结果保存成Excel标准化格式,从而实现数据自动提取保存。实验结果表明,本研究所提出的算法,文本检测召回率97.7%,文本识别综合评价指标F值就单个字符识别率97.49%,整组字符识别率94.78%,并与其他算法进行了比较,验证了其有效性,因此本文所提算法具有较高的实用性,能满足工程应用实际需求.

一种基于投影原理的多弹孔识别方法

在基于图像识别的立靶密集度测试系统中,为了识别连发射击后的弹孔位置,提出了一种基于投影原理的多个弹孔识别方法。采用投影原理的矩形分割法将含有弹孔的图像分割成若干个区域,再用基于区域填充的十字模板法识别出弹孔并计算弹孔中心位置。给出了识别算法和计算公式。实弹射击实验结果表明,该方法能够有效地计算出连发射击后的弹孔着靶坐标,测量误差不大于1.5 mm。

基于峰值聚类趋势检验的含噪声图像快速阈值分割方法

为了改善含噪声图像的分割效果并提高分割速度,本文提出了一种基于峰值聚类趋势检验的快速阈值分割方法。首先,根据本文提出的平行线投影分割算法,将二维直方图投影为一维直方图;然后利用基于直方图的加权模糊c均值聚类算法对图像中的像素点进行聚类,并对聚类结果作峰值聚类趋势检验,根据检验结果调整平行线平移量参数,直到找到符合双峰分布特性的直方图;最后根据聚类算法得到的阈值实现图像的分割。理论分析和实验仿真结果表明,该方法能够达到实时性和精确性的要求。

一种改进的车牌字符分割算法

提出了一种改进的投影分割算法,其基本思想是将数列平滑的方法用于曲线投影上,该方法避免了传统分割算法的缺点,不仅有效地去除了噪声,而且相对于直线检测分割方法计算量减小,又比简单的投影方法分割效果明显。

一种用于视频图像的预处理与分割算法

在人群进行分析时经常出现多目标粘连现象,这种粘连的人群通常会严重影响后续的统计分析,本文针对这种现象提出了一种对预处理后图像中粘连目标的分割算法。采用自适应二值化的方法把帧差后的灰度图像转为二值图像,通过削弱噪声和孔洞填充,将目标团块提取出来。采用基于分水岭思想的投影分割方法,将粘连目标成功分割为多个单一目标,最后针对一些影响分割的异常情况提出一种修正算法,提高了算法的准确率。实验结果表明,本文所提出的预处理与分割方法具有一定的适用性,取得了较好的分割效果,为后续的识别工作奠定了基础。

结合峰值检测的高噪声图像快速聚类分割方法

针对高噪声污染图像,提出一种结合峰值检测算法的快速聚类分割方法(FC-ImSeg)。根据平行线投影分割算法将二维直方图映射到一维空间,利用峰值检测算法检测图像像素点的聚类结果,调整映射模型的平行线宽度,使直方图符合双峰分布特性,最后利用加权模糊c均值聚类算法实现图像的分割。实验结果证明了该方法是快速有效的。

东巴象形文字文档图像的文本行自动分割算法研究

以卷积神经网络(CNN)为代表的深度学习技术在图像分类和识别领域表现出了非常优异的性能。但东巴象形文字未有标准、公开的数据集,无法借鉴或使用已有的深度学习算法。为了快速建立权威、有效的东巴文字库,分析已出版东巴文档的版面结构,从文档中提取文本行、东巴字成为了当前的首要任务。因此,结合东巴象形文字文档图像的结构特点,给出了东巴文档图像的文本行自动分割算法。首先利用基于密度和距离的k-均值聚类算法确定了文本行的分类数量和分类标准;然后,通过文字块的二次处理矫正了分割中的错误结果,提高了算法的准确率。在充分利用东巴字文档结构特征的同时,保留了机器学习模型客观、无主观经验影响的优势。通过实验表明,该算法可用于东巴文档图像、脱机手写汉字、东巴经的文本行分割,以及文本行中东巴字和汉字的分割,具有实现简单、准确性高、适应性强的特点,从而为东巴文字库的建立奠定基础。

藏文乌金印刷体文本图像自动分割技术研究

藏文字符分割是藏文印刷体识别技术中的关键技术之一,高精度的字符分割是图像文本识别的主要因素,分割的效果直接影响最终的识别.该文通过研究藏文字形结构和文本图像分割技术,提出了投影法和连通域分割法相结合的藏文音节分割方法.在不同的喜马拉雅字体文本图像上分割测试准确率达99.31%,在卷积网络模型上藏文音节识别准确率比字丁高2.7%,表明藏文音节分割方法的有效性.

基于视觉注意力模型的红外人体图像兴趣区域提取

由于红外人体图像所处背景的复杂性,使用阈值分割定位红外人体图像往往把大量的非人体图像一起分离出来,这给后续工作带来了巨大的计算量。研究了红外人体图像的典型特点和人眼视觉判断人体轮廓图像的敏感特征,使用该特征建立了简单的人眼视觉对人体的注意力模型,并构建特征判别概率函数,对待定目标进行概率的估算,最终使用该模型快速地剔除非人体红外图像的干扰,并准确地定位人体兴趣区域。

基于Mean-Shift的图像文本信息提取

图像和视频中包含着丰富的文本信息,提取和识别图像文本信息非常具有实际意义。传统的图像文本信息提取方法大多基于字符的代数和几何特征。作者从另一个角度出发,将彩色字符看成彩色图像的一部分,使类似字符的景物也可以被当作字符识别出来。提出一种基于Mean-Shift算法的图像文本信息提取方法,首先利用Mean-Shift算法对图像进行分割,然后对分割得到的文本区域进行投影分析从而将每个字符分割出来,最后将字符识别。

基于视频检测的卡口系统

通过背景差、投影分割、块跟踪以及基于环境亮度的二值化阈值调整,该文描述的卡口系统可捕捉到经过特定区域的车辆图像。卡口系统采用的运动物体检测算法相对简单、可靠并且运算效率高。该系统可用于治安监控、小区管理等多种地方,具有广阔的应用前景。

基于图像识别的齿轮尺寸测量研究

为解决传统工业测量中,齿轮参数尺寸测量方法过于繁琐的问题,利用数字图像处理技术对其进行检测,提出了一种基于圆投影分割的齿轮参数尺寸检测方法。该方法首先通过图像预处理得到细化的齿轮轮廓,使用改进随机采样算法找到齿轮中心;然后利用轮廓点和图像中心点连线与所建立的图像坐标系正向X轴所成角度和两点距离的映射关系,建立新的极坐标系,并对齿轮进行圆分割,记录新坐标系中峰值点个数和峰值点纵坐标,这2个参数分别对应齿轮齿数和齿顶圆半径;最后利用齿顶圆半径与齿数、模数之间的关系式,求出模数,从而求出齿轮其他尺寸。实验结果表明,用该方法检测齿轮参数尺寸,检测速度快、精确度高,具有较高的实用价值。

基于卷积神经网络的生产日期识别

为了提高识别效率并减少人工成本,采用深度学习的方法对生产日期图像进行识别。首先对生产日期图像进行预处理,使用水平投影分割算法并提出一种区域最大值分割的方法将图像中的干扰字符去除,只留下数字、字母和汉字字符。然后创建一个由生产日期图像中常包含的数字、英文、汉字字符所组成的可扩展的数据集。最后构建一个卷积神经网络模型并将数据集送入训练以获得较高的识别准确率。经测试基于卷积神经网络的识别方法对生产日期识别的准确率高达98%。

基于自适应尺度边缘特征的建筑施工图重叠字符识别方法研究

目前非重叠字符的识别技术已趋于完善,但难以识别建筑工程图纸标注等场景中的重叠字符,阻碍了基于二维扫描图纸的自动建模技术的突破。针对传统字符识别方法无法识别重叠字符的现状,提出了一套基于自适应尺度边缘特征的建筑施工图重叠字符识别新方法。基于像素空间分布特征初步确定重叠字符区域,定义并提取字符的自适应尺度边缘特征;借助双变量匹配概率函数筛选“位置+内容”的结果组合,并以全局最优原则代替绝对阈值作为识别标准,最终输出正确的识别结果。不同于先修复后识别的常规思路,该方法将特征匹配与干扰过滤相结合、字符定位与字符识别相关联,能解决百度等成熟商用OCR无法解决的重叠字符识别问题,且经数据实验证实具备较高的识别准确率。