改进SURF算法在图像汉字识别中的应用

针对复杂背景下汉字匹配准确率较低的问题,提出一种改进的SURF算法。该算法利用灰度分级的字符分割方法,先进行灰度分割增强图像的对比度,采用灰度分级树将图像中的所有像素处理为树的模式进行计算,根据灰度分级确定主节点,根据主节点的级别所对应的灰度值对图像进行分割。同时,根据汉字结构的特殊性,取消了SURF算法的旋转不变性。实验结果表明,与未使用改进的SURF算法相比,对图像质量较差的文本图像,改进的SURF算法能有效地提高其匹配的准确率。

图像的带参二值化理论和技术及其应用

提出的图像带参二值化理论、技术和方法具有很强的普适性,而且还能用于基于人类视觉对比度分辨限制的底层图像的挖掘和隐藏。当然,图像的带参二值化理论、技术和方法是提出的灰度/色度谱分级平坦化理论和技术提供的图像的灰度/色度信息作支撑。

图像的带参二值化理论和技术及其医学应用

目的:利用我们提出的图像带参数二值化的理论和技术应用于医学图像处理。方法:参数的选择由我们提出的图像灰度/色度谱分级平坦化技术确定,然后根据二值化算法进行图像二值化变换,并与大津算法和WINDOWS《绘图》软件的二值化功能做比较。结果:该理论和技术优于经典的大津算法和WINDOWS《绘图》软件的二值化功能。结论:图像带参二值化理论和技术具有很强的普适性。