基于多方法融合的文本定位算法的研究

针对自然场景中标志文本提出一种文本定位算法。在彩色图像边缘提取的基础上,利用形态学文本定位获得备选文本区域,再用神经网络对备选文本区域进行分类,最后提取文本区域文字。该算法既考虑文本的形状边缘信息,又考虑文本的颜色信息,充分利用基于边缘的方法和基于神经网络学习的方法的优点。实验结果表明,提出的文本定位算法具有较高的准确率。

基于纹理的图像字符自动定位技术对比研究

随着信息技术的迅速发展,基于内容的图像检索技术引起了研究者的广泛关注。自动抽取图像/视频的语义内容是图像/视频检索中研究的重点和难点。本文通过分析多种字符定位技术,给出了基于纹理分析的字符定位算法的一般框架。对各种基于纹理分析的字符定位方法进行了对比研究,尤其深入地研究了纹理特征提取,分类器设计及边界位置确定对定位结果的影响。最后通过预分类的方法对算法进行改进,实验结果表明,该方法在保持正确定位率基本不变的情况下,可以大幅度提高处理速度。

基于脉冲神经网络边缘提取的虹膜定位

运用形态学算子对人眼图像进行睫毛除噪,引入并行性脉冲神经网络提取虹膜的内外边缘。对获取的虹膜内边缘进行连通量标记,求出内边缘上的点坐标从而求得内边界圆各参数;避开运算量大,占运行内存的Hough变换,利用先验知识提取虹膜外边界的有效弧长,通过最小二乘法拟合外边界圆。实验表明,该算法在睫毛,眼睑以及眼球转向的干扰下都能得到较准确的虹膜定位,并且算法在GPU平台上运行速度快。