一种改进的快速并行细化算法

对二值化的图像进行细化处理在目标识别中有着重要的应用.Zhang快速并行细化算法是一种常用的细化算法,其细化结果保持了原图像的连通性,且形态结构保持较好,无毛刺现象.但是细化后结果不能保证为单一像素,这为图像的后期处理带来了困难.本文对Zhang并行细化算法进行了改进,实验结果表明改进后的细化结果保证为单一像素,且又保持原有算法的优点.

基于模板保留的快速并行细化算法

快速并行算法(FPA)是经典算法中比较好的一种细化算法,但其存在固有缺陷,可能产生信息丢失。为了克服这个缺点,首先验证了FPA映像算法,在此基础上,提出了FPA重合算法,最后为了减少计算时间和冗余信息,提出了基于模板保留的FPA算法。实验结果表明,基于模板保留的FPA算法运行速度快,对手写体汉字能很好地得到中心骨架,没有断点,较好地保持了原图像的拓扑结构,且细化为只有一个像素宽的图像。

一种简单高效的二值图像并行细化算法PABIT

提出一种简单易行的二值图像并行细化算法 PABIT,该算法通过模板匹配的方式 ,层层剥离原始图像的边缘像素 ,使具有像素点宽度为偶数的笔划保留双像素的中心骨架 ,使像素点宽度为奇数的笔划只保留单像素的中心骨架线 ,最终在此准骨架的基础上通过进一步处理得到最后的笔划宽度为 1的细化图案 .由于该算法采用并行处理的模式 ,使得该算法较通常的串行算法效果更好 .经该算法细化后的结果具有保形 ,连通 。

两个快速的完全的并行细化算法

本文提出了两个并行细化算法ＦＰＴＡ１和ＦＰＴＡ２（它们都是完全的），并对算法的正确性给出了证明。通过一些典型图像模式的处理，对这两个算法和目前几个流行的并行细化算法进行了比较。结果表明，本文提出的算法，在细化质量和执行速度等方面，都具有明显的优点。

一种实用并行细化算法及其实现

介绍一种实用并行细化算法，对细化模板和细化条件作了分析。实验结果表明，该细化算法获取的图象骨架不仅避免了过度腐蚀，还具有良好的连通性。

鲁棒的二值图像并行细化算法

通过分析两种典型的并行细化算法,提出一种新的增强并行细化算法(Enhanced ParallelThinning Algorithm,EPTA).经过大量对比实验表明,新算法能很好解决斜线信息丢失、冗余像素和多余枝杈问题,且效率高、鲁棒性强.

图像并行细化算法改进研究

图像细化处理在字符识别、指纹识别等模式识别中有着重要的应用。本研究针对图像并行细化算法中存在细化后信息丢失及斜线细化存在冗余像素的问题,提出一种改进的图像并行细化算法。针对斜线细化中出现的问题,在ZS算法和EPTA算法的基础上构造了一组可更好地消除冗余像素的消除模板和避免信息丢失的保留模板;针对二像素直线细化过程中信息丢失的问题,在ZS算法的基础上构造了一组保留模板;针对对称图像细化过程中图像出现不对称性的问题,构造了一组对称的保留模板。实验表明,本研究提出的改进算法能很好地解决图像并行细化过程中产生的信息丢失及像素冗余等问题,使图像完全细化,骨架保留完整。

一种适于串行机实现的图像并行细化算法

为解决现有的图像并行细化算法在串行机上的高效实现问题 ,首先提出了一种 4× 4邻域二值图像的双字节图像编码方案 ,由于在该方案中将每个 4× 4邻域的像素用一个双字节的整数来表示 ,从而将基于整个邻域 16个像素的细化处理转化为一个双字节整数的读、写和比较运算的问题 ;然后在此基础上提出了一种可在串行机上实现的并行细化算法。实验证明 ,该算法适用于当前通用的各种基于模板匹配的并行细化算法 ,其不仅可以取得完全相同的细化结果 ,而且可以大幅度提高图像细化过程在串行机上的执行速度 ;最后简要讨论了该算法利用 PC机中的

一种新的完全并行细化算法

细化能极大地消除图象中的冗余信息,对其识别、分析等十分重要。文章提出了一种完全并行的迭代算法,挟算法速度较快,能消除常用迭代算法带来的交叉点畸变、端点缩进、骨架偏离中心线等失真现象。文中对算法进行了描述并与其他几种常用算法进行了比较。

基于拓扑结构不变性的3D并行细化算法及其应用

目的双距离场算法提取的骨架居中性不佳,并且算法复杂度高,实时性差。本文提出一种基于拓扑结构不变性的3D细化算法以提取肺气管的骨架。方法首先介绍了基于双距离场和拓扑结构不变性两种算法的基本原理,然后通过对欧拉特性不变性的证明,利用欧拉特性表查询来计算欧拉值,并计算26临域的连通度。利用欧拉特性值和连通度来保证拓扑结构,定义了一种拓扑结构不变的简单点,用并行的细化策略,快速获取单像素宽、连通的骨架中心线。结果将此算法应用于肺气管快速提取骨架中心线,利用已经分割出的高精度肺部气道树来提取骨架中心线。结论基于拓扑结构不变性的3D并行细化算法与基于距离场的骨架提取算法相比得到更光滑、居中性更好的骨架,并且鲁棒性好,对噪声不敏感。

基于CUDA的图像快速并行细化算法的研究与实现

在图像处理和模式识别中,通过细化算法抽取图像的骨架是一项极有意义的工作。由于大多数传统细化算法都需要按照一定顺序对每个像素进行逐点扫描,执行效率不高,另外图像细化算法中数据之间的关联性不大,将传统的快速并行细化算法移植到CUDA(compute unified device architecture)平台上,运用CUDA的并行处理优势对图像进行细化处理。实验表明,该方法在保证细化处理效果的前提下,还能将运算效率提高达到幂级数级。

一种改进的等高线并行细化算法

讨论了经过分色提取之后等高线的细化问题,以减少数据的处理量,为矢量化过程做前期处理准备.针对军事地图等高线,提出了一种改进的快速并行细化算法.采用两步法细化算法对等高线进行细化处理.在已有的两个逻辑规则基础上,增加了若干限制条件,处理了模板的对称性问题.同时还给出了删除数组,提高了算法的运行速度.从运行结果看,没有发生骨架畸变现象,避免了过度腐蚀,具有较好的连通性,此方法的细化效果较为理想.

一种并行细化算法的改进

对二值化以后的图像进行细化处理以抽取其骨架,在目标识别等领域有着广泛的应用.对现行的一种并行细化算法进行了改进,不仅从理论上避免了欠腐蚀与过腐蚀现象,提高了细化质量,而且显著提高了算法的执行速度.

改进的EPTA并行细化算法

为了解决现有细化算法中像素冗余、分叉、畸变等问题,在ZS(ZHANG和SUEN)并行细化算法的基础上增加了两个映像子过程,获得了更加接近中心线的骨架图像;通过增加判决条件并设计消除模板,提出了一种改进的EPTA并行细化算法,解决了EPTA细化算法的像素冗余、二像素宽度斜线细化局限性畸变等问题。实验结果表明改进的EPTA细化算法能得到更准确的完全细化结果。

面向指纹二值图像的两种并行细化算法

本文讨论了两种并行细化算法；其中健壮性并行细化算法是对Ａ．ＤＡＴＴＡ等人提出的算法的一种改进。作为比较，还讨论了数学形态学方法，通过在指纹细化处理中的应用，对这两种算法作了较为详细的比较。

一种改进的并行细化算法

分析了现有的一种并行细化算法中的象素删除条件，并指出在该条件下，不仅孤立四象素阵列会完全消失，而且会引起细化结果中的“蚕食”反应和“毛刺”现象。然后本文提出了改进的算法，并证明了算法结果为严格八连通。并以实例说明了该算法的优点。

基于模板的全并行细化算法研究及其在3D物体骨架提取中的应用

二值图像细化的基本思想是"层层剥夺",它是一个不断重复的过程,即从物体的最外层向最内层一层一层的侵蚀,在不断删除边界点的同时保持物体的拓扑结构和几何特征不变,直到提取出一个像素宽的三维物体的骨架。理想的三维物体的骨架保持和原物体相同的连通性、形状特征和拓扑结构,可以给后续的研究处理提供极大的便利。本文主要工作是对基于删除模板的全并行三维细化算法的研究,细化算法包含一系列的删除条件,即四类基本删除模板A,B,C,D及每一类基本删除模板添加限定条件后形成的扩充模板,其用于逐层删除值为1的目标点,即将值由1变为0(背景点)。实验表明:本文的基于删除模板的全并行三维细化算法可以较为有效的提取出三维物体的骨架。

对用于字符识别的并行细化算法的评估

骨架化算法是ＯＣＲ系统预处理阶段的一个重要部分，本文针对最新发表的１０种并行细化算法，在一个ＯＣＲ系统中，利用大量样本数据对不同的细化算法特性进行测试，以此对它们的性能作出评估。

一种改进的图像模板细化算法

针对现有图像模板细化算法中存在的诸如迭代次数较多、细化速度较慢、图像某些部位细化不完全等问题 ,提出了一组改进的细化模板。针对指纹图像应用新算法进行的细化实验结果表明 ,采用改进的细化模板 ,新算法在保证对图像完全细化的同时 ,能显著减少细化所需的迭代次数 。

一种快速的手写体汉字细化算法

快速并行算法是一种经典的细化算法,但其细化不全,可能产生斜线信息丢失。提出一种改进的快速并行细化算法,对手写体汉字进行细化可以得到很好的细化结果。实验结果表明,该算法细化全、速度快,解决了斜线信息丢失,交叉点不变形。