最大稳定极值区域与笔画宽度变换的自然场景文本提取方法

针对从背景复杂、视角多变、语言形式多样的场景图像中难以准确提取文本信息的问题,提出了一种基于最大稳定极值区域(MSER)和笔画宽度变换(SWT)场景文本提取方法。该方法结合MSER、SWT算法的优点,采用MSER算法的准确检测文字区域,建立文本候选区域,利用SWT算法计算文本候选区域笔画宽度得到候选文本区域的笔画宽度;根据笔画宽度图,利用连通域标记建立笔画宽度连通图,然后根据笔画宽度连通图,建立笔画连通图的启发性规则,删除非文本候选区域,并根据文本的几何特征分析及局部自适应窗口最大类间方差(Otsu)分割,有效提取出自然场景图像中的文本,文本提取的准确率、召回率及综合性能分别为0.74、0.64及0.68。仿真实验结果表明,在文本视角多变,字符大小、尺寸、字体各异的复杂条件下,所提方法具有较好的鲁棒性,适用于多语言和多字体混合的场景文本提取。

基于最大稳定极值区域的织物图案检索

针对织物扫描图像的特点,提出了一种通过图像最大稳定极值区域的加速稳健特征(SURF)检索织物图案的方法。首先用结构提取算法去除织物扫描图像的纹理,保留图案信息;其次通过最大稳定极值区域法检测织物图像,提取图案各区域的SURF特征,建立织物图像特征库;再将织物检索图像与特征库内的图像进行相似性度量,得到相似图案的织物图像。实验结果表明,提出的算法能够较准确地检索织物图案。

基于稳定极值区域的宽基线双目立体匹配算法

基于区域的立体匹配是宽基线立体匹配的主要方法,其难点在于不变区域的提取。该文提出了稳定极值区域的概念,建立了提取该区域的算法。该算法应用了灰度指数变换,由I空间变换到eI空间,以突显灰度值的变化,易于鉴定区域的边界。在此基础上计算了区域的仿射不变矩及衡量对应区域的欧氏距离。实验表明,该方法所提取的极值点定位准确,区域稳定性好,对应区域精度提高到70.9%。

最大稳定极值区域与角点检测结合的医疗图像文本区域检测算法

医疗图像的文本区域检测在网络协同诊疗和医疗云的迅速发展中起着至关重要的作用。鉴于医疗图像相对复杂、文本字体太小而难以提取这一特殊问题,有针对性地提出了一种基于最大稳定极值区域算法与改进的角点检测算法相结合的医疗图像文本区域检测算法。该算法首先使用成分特征分析对最大稳定极值区域进行滤除,其次使用改进的最小核值相似区(smallest univalue segment assimilating nucleus,SUSAN)角点检测算子对剩余最大稳定极值区域进行检测并滤除,最后将检测出的所有文本区域使用膨胀处理进行合并即可得到医疗图像的文本区域。实验结果表明,使用该算法提取出的医疗图像文本区域的准确率、召回率和综合性能分别为0. 9、0. 92和0. 91,达到了理想的检测效果。

多摄像机间基于最稳定极值区域的人体跟踪方法

为实现多摄像机视频监控系统中的人体跟踪,提出了一种以最稳定极值区域作为匹配特征的人体跟踪方法.该方法使用图像的灰度信息,在一定程度上减小了摄像机增益及光谱特性对人体跟踪造成的影响.通过把人体跟踪转化为椭圆形区域的匹配,算法将最稳定极值区域拟合成椭圆形区域,在此基础上,选出符合约束条件的候选椭圆形区域,并将其归一化为单位圆形区域,通过在圆形区域内计算旋转不变量、进行直方图密度估计和计算加权平均距离实现椭圆形区域的正确匹配,从而实现多摄像机间的人体跟踪.实验结果表明:该算法可有效实现多摄像机间的人体跟踪.

基于最大稳定极值区域与主要旋转不变局部二值模式的复杂场景车牌检测方法

为了解决在复杂场景中进行车牌定位的问题,提出了一种基于MSER与DRLBP特征的车牌定位方法。首先对输入图像进行预处理,然后在多个通道上进行MSER候选区域提取;接着利用所设计的基于车牌字符合并的车牌定位方法进行车牌字符合并;最后利用DRLBP纹理特征对合并后的区域进行验证从而得到最终的车牌区域。实验结果表明该方法具有较好的定位能力。由于方法是通过寻找车牌字符进而定位车牌位置,因此其受车牌颜色、车牌格式的影响较小,在复杂环境中对国内外不同车牌均有较好定位效果。

基于最大稳定极值区域的织物毛球分割算法

针对传统的基于灰度值的单一阈值分割方法不能准确地分割出织物表面的毛球的问题,提出了一种基于最大稳定极值区域(MSER)的织物毛球分割的方法。该方法采用由粗到精的分割策略,首先利用频域滤波器对毛球进行粗分割,再利用最稳定极值区域检测算子提取粗分割结果中的极小值区域,进而对毛球进行精分割,最后利用形态学的方法对精分割结果中的小区域进行剔除,得到最终的毛球区域。实验将分割得到的毛球区域与实际的毛球区域进行融合比对,结果显示该方法能有效地对织物表面的毛球进行分割。

基于色彩空间的最大稳定极值区域的自然场景文本检测

针对传统的最大稳定极值区域(MSER)方法无法很好地提取低对比度图像文本区域的问题,提出一种新的基于边缘增强的场景文本检测方法。首先,通过方向梯度值(HOG)有效地改进MSER方法,增强MSER方法对低对比度图像的鲁棒性,并在色彩空间分别求取最大稳定极值区域;其次,利用贝叶斯模型进行分类,主要采用笔画宽度、边缘梯度方向、拐角点三个平移旋转不变性特征剔除非字符区域;最后,利用字符的几何特性将字符整合成文本行,在公共数据集国际分析与文档识别(ICDAR)2003和ICDAR 2013评估了算法性能。实验结果表明,基于色彩空间的边缘增强的MSER方法能够解决背景复杂和不能从对比度低的场景图像中正确提取文本区域的问题。基于贝叶斯模型的分类方法在小样本的情况下能够更好地筛选字符,实现较高的召回率。相比传统的MSER进行文本检测的方法,所提方法提高了系统的检测率和实时性。

基于水平集和最大稳定极值区域的颈椎椎体分割方法

颈椎椎体的分割在颈椎图像处理中起着关键的作用,是颈椎病灶确定和辅助诊断的重要基础.针对颈椎椎体边缘特征复杂的特点,提出一种基于水平集和最大稳定极值区域(maximally stable extremal regions,MSER)融合的颈椎椎体分割方法.首先采用基于图像密集度分布的图像分割方法对图像进行粗分割,自动提取颈椎区域;然后采用改进的水平集方法提取出颈椎椎体的前缘轮廓;根据颈椎椎体后缘的局部稳定特征,采用改进的MSER方法提取出椎体的后缘高亮区域,并结合椎体结构特征,采用最小二乘法拟合出椎体的后缘曲线;最后融合颈椎椎体前缘轮廓与后缘曲线,从而提取完整的颈椎椎体.实验结果表明,该方法能有效地分割和提取颈椎椎体,提取的后缘曲线接近专家手工提取的结果,可以为颈椎病的临床诊断提供更客观的诊断依据.

基于最大稳定极值区域的车牌定位与字符分割

车牌定位与字符分割是车牌识别系统进行字符识别前重要的两个步骤,论文将介绍一种高效的基于最大稳定极值区域(MSER)的车牌定位与分割算法。首先对图像进行预处理并提取MSER,根据MSER间几何关系将相邻的MSER聚类在一起作为一个车牌候选区域,再利用机器学习及标准车牌的特点对每个候选区域进行分析,定位出车牌区域。然后将车牌区域根据字符的个数及MSER间关系划分为不同等级,并对不同等级的车牌采用不同的分割算法。实验数据表明,该方法车牌定位的准确率是99.07%,字符分割的准确率为97.9%。

基于最稳定极值区域方法的目标检测与跟踪

针对非刚体目标的精确实时跟踪问题,提出了一种融合先验形状信息的基于最稳定极值区域(MSER)检测器的跟踪算法。首先,利用训练样本建立目标颜色特征的混合模型,生成目标统计颜色概率图,为最大稳定区域方法提供概率统计依据。其次,利用基于最稳定极值区域方法给出最稳定的分割结果。最后,利用训练样本得到目标的先验动态形状模型,并且融合目标形状信息与通过MSER算法生成的稳定区域信息,去除虚假分割结果,提高目标检测精度与跟踪性能。实验结果证明,该算法能在视频序列图像中有效检测并跟踪目标。

用卷积神经网络分类最大稳定极值区域实现汉字区域定位

获取对应笔画级连通区的最大稳定极值区域,实施形态学闭操作融合相距较近的最大稳定极值区域,融合后最大稳定极值区域对应的单个汉字区域;利用灰度共生矩阵描述最大稳定极值矩形区域的纹理信息,将其作为卷积神经网络的输入,卷积神经网络对最大稳定极值区域进行分类,过滤非汉字部分;利用最大稳定极值区域颜色直方图的Bhattacharyya距离等特征对最大稳定极值区域进行聚类,同一类最大稳定极值区域组合得到汉字文本候选区域;再次利用卷积神经网络对候选文本区域进行分类,过滤非文本部分,剩余的就是定位到的汉字文本区域。实验结果表明,该算法对于汉字区域定位具有良好的效果。

最稳定极值区域与边缘增强的船名定位方法

船名自动定位技术是船名身份自动识别的第一步,对推动船舶自动化管理有着重要意义。提出一种结合最稳定极值区域和边缘增强的船名定位方法。该方法在MSER(Maximally Stable Extremal Regions)区域检测Canny边缘,通过先验知识分析连通域最终实现定位船名。实验表明,该方法能适应昼间、夜间、强光和弱光多种光照环境,昼间数字定位准确率高达90.9%,昼间船名定位准确率达78.5%。

基于最大稳定极值区域仿射不变特征的无人机影像匹配算法研究

无人机影像匹配是无人机影像技术应用中的一个重要研究领域,对其展开探讨具有十分重要的意义。本文围绕最大稳定极值区域的仿射不变特征,研究一种新式的无人机影像匹配计算方法,经实验验证,应用该算法能够取得良好的影像匹配效果。

基于最大稳定极限区域的车牌定位

车牌定位是车牌识别系统的重要组成部分,目前常用的车牌定位方法主要受环境尤其是光照影响较大。针对这一情况,提出基于最大稳定极值区域特征的车牌定位算法,利用最大稳定极值区域特征特有的仿射不变性和对光照的适应性,提取图像中最大稳定极值区域;尤其是车牌字符区域。在排除部分噪声区域后,根据车牌字符区域稳定的几何特征和排列规则,将满足条件的相邻字符区域组成最近邻对,进一步剔除噪声区域。然后将所提取的最近邻对进行合并即可以得到所有可能的车牌区域。实验结果表明,相比较目前常用车牌字符切分算法,在切分的准确性和稳定性上都有较大提高。

一种基于稳定区域的图像特征描述子

当不同成像条件下图像局部内容的特征存在明显差异时,会导致特征描述子难以正确匹配。为此,提出一种基于稳定区域的图像特征描述子。利用最大稳定极值区域检测算法提取图像的稳定区域,结合图像特征点的位置和尺度信息,根据稳定区域计算特征主方向,在适应于特征点所属稳定区域尺度的较大邻域内,生成基于对数-极坐标系的特征描述子。应用结果表明,该描述子在图像局部内容变化较大时仍具有旋转不变性和稳定的匹配性能,能有效解决印刷电路板CT图像的配准问题。

基于MSER的无人机图像建筑区域提取

对建筑区域自动检测与提取是无人机(UAV,Unmanned Aerial Vehicle)图像处理的一项重要功能.在分析无人机成像特点和最大稳定极值区域(MSER,Maximum Stable Extremal Regions)算法对无人机侦察图像建筑区域检测的适用性基础上,提出了一种基于MSER的无人机侦察图像建筑区域提取算法.算法包含5步:无人机图像预处理,运用MSER算法分析计算图像稳定区域,通过计算稳定区域密度筛选建筑区域,进一步利用自适应K均值聚类算法对建筑区进行划分,最后采用Graham算法生成建筑区的边界从而实现了建筑区的自动提取.选取无人机实飞图像数据进行实验统计,本算法提取精度为92.25%;同时与基于Gabor变换的纹理特征、SIFT特征点的提取算法相比,建筑区域提取时间缩短,满足无人机实时应用需求.

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。

雾霾天气下交通信号灯的识别

针对雾霾天气下交通信号灯定位准确率较低、图像增强时出现图像亮度不均匀的问题,该文提出一种基于改进的带色彩恢复的多尺度视网膜增强(Multi-Scale Retinex with Color Restoration,MSRCR)的雾霾天气下信号灯识别算法。首先利用改进的MSRCR算法对有雾图像进行预处理,校正图像亮度并丰富图像细节;再利用最大稳定极值区域(Maximally Stable Extremal Regions,MSER)算法以及信号灯的背板信息确定信号灯的位置;最后将定位区域转换至HSV空间进行信号灯识别。结果表明,该方法能够在雾霾条件下有效地定位及识别交通信号灯。

基于MSER和SVM以及强种子区域生长的车牌定位

针对传统车牌定位方式的缺陷,给出了将自然场景下文本检测的最大稳定极值区域(MSER,maximally stable extremal regions)算法与支持向量机(SVM,support vector machine)相结合的车牌定位方法。首先利用MSER算子对车牌字符进行初步定位,并依据字符区域的高宽比和占空比剔除明显不是字符的区域,再剔除重叠的字符区域,从而得到候选字符区域,然后将候选字符区域输入训练好的SVM分类器,用来剔除无效的字符区域。最后利用强种子的区域生长法将真实的字符区域聚合,通过求解连通区域的外接矩形,最终提取车牌区域,实现对车牌的精确定位。对比实验结果表明,在不同的自然场景下,该方法比传统的车牌检测算法的定位准确率高2%～3%,其自适应能力和鲁棒性都比较好,具有较高的实用价值。