基于MSER的集装箱号低秩矫正研究

集装箱号的快速记录对于码头、港口业务至关重要.由于相机拍摄的图像常伴有严重的畸变,极大影响了字符识别算法的准确性,因此需要在识别之前对图像进行矫正.本文提出了一种快速有效地对存在畸变的集装箱号图像进行矫正的方法.首先应用基于MSER的图像分割算法对集装箱箱号区域进行检测,确定矫正的特征区域;然后根据低秩模型利用LADMAP~*以及初始值热启动的方法来降低算法复杂度并矫正图像;最后,结合图像低秩和矫正前后的变换率优化算法的收敛条件,经过多次迭代后得到最终的矫正结果.实验结果表明,该方法不仅能对集装箱号进行较好的矫正,而且算法也具有稳健性.

结构图正则低秩子空间聚类

针对结构稀疏子空间聚类中不能很好地保证相似度矩阵连接性的问题,给出了一个新的统一优化模型。首先,引入了表示系数矩阵的子空间结构范数,增加了低秩表示来揭示高维数据的全局结构。其次,为了使相似度矩阵具有类内统一,类间稀疏的作用,还定义了分组效应来捕获数据的内部几何结构,提出了结构图正则低秩子空间聚类模型。最后使用自适应惩罚的线性化交替法(LADMAP)来得到最优解。实验结果表明,该模型不但可以捕获数据的全局结构,而且还可以捕获数据的内在几何结构,迫使相关数据紧密结合,不相关数据松散分离,从而使得相似度矩阵与分割矩阵变得更加一致。