【摘 要】
：
对票据图像进行快速、准确地分类是实现票据自动处理的基础.针对表格型票据的特点,提出了一种基于框线匹配的票据图像预分类方法,首先按照票据框线的拓扑结构建立可靠的模板库,再自动提取票据图像的框线特征,将由框线组成的版面特征与模板库中的票据模板进行匹配,并通过相似性计算来确定票据的种类.实验证明了该方法是一种快速、有效的票据图像预分类方法,为后续处理提供了极大的便利。
【机 构】
：
南京理工大学计算机系,南京,210094
论文部分内容阅读
对票据图像进行快速、准确地分类是实现票据自动处理的基础.针对表格型票据的特点,提出了一种基于框线匹配的票据图像预分类方法,首先按照票据框线的拓扑结构建立可靠的模板库,再自动提取票据图像的框线特征,将由框线组成的版面特征与模板库中的票据模板进行匹配,并通过相似性计算来确定票据的种类.实验证明了该方法是一种快速、有效的票据图像预分类方法,为后续处理提供了极大的便利。
其他文献
Earth Movers Distance(EMD)算法用计算最小代价的方法来进行相似度度量,具有速度快准确性高的优点.但它度量准确的前提是描述图象的概率模型被合适地建立,传统的直方图方法或矢量量化器(VQ)建立的概率模型不能较好地描述图片包含的信息.本文提出使用高斯混合的期望最大(GMEM)算法进行图象描述,为EMD算法提供更恰当的概率模型(简称为GMEM+EMD算法).实验结果表明这种GMEM
图像盲复原是在降质过程的所有信息或部分信息未知的情况下,利用降质图像的特征来估计原始图像和降质点扩散函数(PSF)的过程,对降质PSF的类型和参数进行识别称为模糊辨识技术,它是图像盲复原的关键.本文设计了一种基于频域零值的散焦与运动模糊模型参数求解的详细流程,利用由散焦模糊与运动模糊造成的降质图像对本文算法的性能进行了验证,实验结果表明本文算法是可行且有效的。
针对数字图象稳定应用对于实时性的要求,本文提出了一种基于下采样和亚象素相位相关性的全局运动估计算法.该算法能够有效降低运动估计的计算负担,并且与基于子图象的相位相关方法相比,本算法在运动估计范围和抗干扰能力方面都有着明显的优势。
针对普通光照条件下的彩色唇读图像,提出了一种结合多种颜色空间及Fisher变换的多级唇部检测定位方法.首先在CbCr空间建立肤色模型进行人脸检测和定位并由人脸几何特征得到唇部大致区域;然后结合唇色特征对该区域进行Fisher变换以使肤、唇色区别明显化;进而根据亮度信息对Fisher变换结果进行预处理后再用Otsu法自动确定二值化阈值,实验结果表明在唇读图像分割中本文方法较经验阈值法更有效;继而在r
在矢量地图中隐含水印信息,地图数据的质量往往由于水印的嵌入而受到影响.可逆水印技术(又称无损数据隐藏)具有完整恢复载体数据的能力,因而更加适用于矢量地图.本文基于差值扩大的思想,提出了一种应用于矢量地图的无损数据隐藏算法.算法根据矢量地图对数据精度的特殊要求提出了相应的水印嵌入条件,并通过修改地图中相邻顶点坐标间的差值来嵌入水印信息.水印的提取过程不仅能够得到隐藏信息,而且能够准确无误的恢复原始地
H.264/AVC是最新的视频编码标准,较以往的视频压缩标准具有更高的压缩比、图像质量和友好的网络特性.为了获得最优的编码性能,H.264/AVC采用了非标准化的率失真优化(RDO,Rate Distortion Optimization)技术.从而使编码器的复杂度大幅度增加,很难应用于实时性要求较强的场合.本文提出利用Sobel算子建立边缘方向场,构建编码块的预测模式直方图(prediction
图像拼接技术能构建大场景图像及全景图像,在文化遗产保护、虚拟现实等方面有着广泛地应用价值.本文提出了一套基于图像特征点的自动的图像拼接算法.该算法首先用Harris角检测方法提取出的特征点并进行互相关运算;设计了一种新的用聚类方法预筛选互相关特征点对,再用RANSAC方法提纯特征点的筛选匹配点方法,有效提高了算法的效率;求得并用最小二乘法优化变换矩阵后,把匹配的图像投影到柱面上;最后,用权重函数融
运动估计是根据视频序列中时间上相关的信息估计场景或目标的二维运动向量场的过程,块运动估计是目前使用最广泛的运动估计方法.本文设计了一种基于空间预测的块运动估计的快速算法,通过空间预测得到运动向量的初始估计.若当前块和相邻块的运动相关,则用相邻块的运动向量预测估计当前块的运动向量,再以该预测值为中心,比较小菱形上的搜索点;否则,用CDS算法从搜索窗口的原点开始搜索运动向量.实验结果表明,本文设计的算
特征提取是人脸识别过程中的重要步骤,对识别率高低有着非常重要的影响.本文在对主成分分析(PCA)、Fisher线性鉴别分析(FDA)以及核主成分分析(KPCA)三种特征提取方法的优劣性的理论分析研究与实验比较的基础之上,提出一种新的人脸特征提取方法,即PCA+KPCA+FDA(PKFDA).实验表明,该方法能够有效地提高识别率,并且也没有耗费很多的时间.因此,该方法具有可行性和优越性。
鞋印是案件现场留下的主要线索,在案件侦破中起着十分重要的作用.传统的鞋印匹配算法是基于人工编码的,识别能力有限且对操作者依赖性强.本文提出了基于功率谱密度(PSD:power spectral density)和Zernike矩的鞋印匹配方法.针对捺印图片或现场获取的花纹清晰的鞋印图片,利用功率谱密度的相关系数实现匹配.针对背景复杂或花纹不清晰的现场鞋印图片,将鞋印用一系列不规则形状表示,通过插值