【摘 要】
:
提出了一种基于多次二值分类的复杂背景字符定位方法.首先对字符图像去模糊和增强处理后,进行二值分类,在每一次的二值化分类图中根据字符排列及二值分类图投影的特点来进行背景抑制处理,并对背景抑制后的图像再次分类,达到准确定位字符的目的.处理结果表明,与单次分类方法相比,本文所提出的方法能更准确地定位字符,对于复杂背景条件下的字符定位研究具有重要的理论意义和应用价值.
【机 构】
:
武汉工程大学图像处理与智能控制研究室,武汉,430074 武汉工程大学图像处理与智能控制研究室,武
论文部分内容阅读
提出了一种基于多次二值分类的复杂背景字符定位方法.首先对字符图像去模糊和增强处理后,进行二值分类,在每一次的二值化分类图中根据字符排列及二值分类图投影的特点来进行背景抑制处理,并对背景抑制后的图像再次分类,达到准确定位字符的目的.处理结果表明,与单次分类方法相比,本文所提出的方法能更准确地定位字符,对于复杂背景条件下的字符定位研究具有重要的理论意义和应用价值.
其他文献
本文对双重循环迭代图像复原校正算法的计算流程进行了分析,将算法的串行计算模式转换为并行计算模式,提出了基于并行计算模式的多节点并行处理方法.成功地实现算法的并行计算模式到多节点并行结构的有效映射,对算法的程序代码进行了有效移植,在多DSP系统上运行通过.实验结果表明,本文提出的并行校正方法有效,提高了图像复原处理帧频数.
介绍了JPEG2000静态图像压缩标准的基本框架及算法原理,设计了基于TS201S DSP芯片的硬件系统,并利用汇编语言实现了JPEG2000压缩,在实现的过程中对小波变换和算术编码部分进行了优化,提高了压缩效率.
本文提出在超分辨率复原中使用基于隐含重起Arnoldi过程来高效计算正则化参数的方法.通过隐含重起Arnoldi过程,可选择一个较好的初始向量.该方法将大型稀疏系统矩阵投影到Krylov子空间上并表达成一个小型稠密的Hessenberg矩阵.该方法可减少正则化参数的计算代价.
利用收敛域图像进行人耳识别是一种新的有效人耳识别方法.本文提出了一种改进的基于收敛域图像的人耳识别算法,针对原算法在收敛域图像二值化过程中需手动设定阂值的问题和分类识别阶段计算量大的不足,通过自适应的闽值分割算法实现闽值的自动选取,同时将Canny算子和改进的单向Hausdorff距离结合实现快速分类.实验结果表明,该算法的阈值选取准确率较高,且分类识别速度快.在不同人耳库上实验分别达到93.5%
本文对人耳识别中的若干关键问题进行了研究,在简单介绍基于独立成分分析(ICA)的人耳特征提取的基础上,提出采用改进的核独立成分分析(KICA)的非线性分析法提取人耳图像的特征,该方法可描述为KPCA和ICA方法组合.分类器采用径向基核函数的支持向量机分类模型进行人耳识别.本文通过实验,比较在不同的噪声下的识别性能,实验结果表明KICA方法要优于ICA方法,并且通过实验了比较了在不同核函数下的SVM
针对小规模和非平衡的训练数据集下的目标分类问题,本文提出了一种新的目标分类学习算法gentleBoost-BFKO(Balance Feature Knock Out).该算法利用数据扩充算法BFKO在gentleBoost学习的过程中自动产生新样本扩充弱势类数据,既扩大数据规模的同时又平衡了数据,大幅度的提高了gentleBoost分类器的性能.实验显示,在小样本情况下,基于gentleBoos
如何降低遥感图像变化检测中的虚警率和漏警率是变化检测问题的关键所在.本文提出了一种"粗分割,细检测"的思想来解决这一问题,即先用Canny算子提取的边缘对图像进行粗分割,剔除大部分非结构变化区域,用于提高检测效率,并减少虚警:然后对边缘及邻域内的像素采用多方向、多尺度的宽带Log-Gabor滤波器提取较丰富的结构信息做变化检测,用于减少漏警.仿真图像和实测图像的实验结果表明,该方法能有效的克服图像
针对经典的基于概率潜在语义分析模型(Probabilistic Latent Semantic Analysis,pLSA)的目标学习算法对训练样本背景比较敏感的缺点,本文提出了一种基于注意力模型的pLSA目标学习算法(Attention Model based pLSA,AM-pLSA).该算法首先根据注意力模型对图像进行区域分割(分为显著性区域和非显著性区域),然后以分割后的区域为训练样本构建
在运动目标检测过程中,若两帧图象在拍摄条件下光线强度发生突变,则运动目标检测的结果将会受到影响.据此,该文提出了抑制光强突变影响运动目标检测方法.首先,利用统计的方法建立混合高斯背景模型,并实时地对背景模型进行更新,一般光强变化不大,则背景减除检测结果是准确有效的,如变化大,则先对该帧采用分水岭算法分割出目标轮廓,然后与检测结果进行融合,互相补充,互相增强.该算法较好地解决了外界光强突变给运动目标
在监控系统中,由于摄像头的运动或目标的移动,对同一个目标,所采集的图像会有很大差别,因此就需要一个能准确识别目标的方法.该文提出了基于免疫克隆聚类的自适应竞争神经网络原型向量求解算法,该算法充分利用免疫克隆的高效全局最优搜索能力构造数据聚类算法,将新聚类算法用于训练自适应竞争神经网络的原形向量.仿真实验结果表明,相比标准自适应竞争神经网络,该算法可以提高网络的识别性能,同经典的BP神经网络相比,该