基于Laplacian的局部特征描述算法

为了更好地兼顾特征描述子的鲁棒性和生成复杂度,提出了一种基于Laplacian的局部特征描述算法。分析说明了Laplacian不仅对图像的欧氏变换、缩放及亮度线性变化具有较好的性质,而且能够反映图像的局部结构特征。据此利用高斯型拉普拉斯变换响应建立了一种64维特征描述子,并将该特征描述子应用于特征点匹配。匹配实验结果表明,在图像尺度缩放、旋转、模糊、亮度变化和较小视角变化等多种变换条件下,该描述子不仅能够取得较好的匹配效果,而且匹配速度是尺度不变特征变换(SIFT)的4倍以上。该算法适用于实时性要求较高,存在旋转、尺度缩放、亮度差异、图像压缩变换以及视角变化不大的结构图像间的匹配。

基于笔画识别的视频图片文字提取方法

通过对笔画的对称边缘特点与文字几何特征的认识,根据二阶边缘检测算子捕捉边缘点亮暗变化趋势的能力,使用高斯型拉普拉斯算子寻找'边缘点对',并构建来自笔画等窄带区域的'对称边缘点对'样本集.从样本集的分布规律中自适应地定出文字笔画搜索窗的尺度及方向.利用最小生成树算法实现由系列搜索窗得到的所有笔画子区域的关联聚类,通过剪枝、伪区域鉴别和阈值分割,将文字以行(含非水平行)或列的形式提取出来.实验表明,该方法对复杂背景下不同的语言类型、亮暗类型、文字行方向及文字尺度具有适应性,在ICDAR数据集上的查准率和查全率分别达到76%和75%.