指纹图象预处理

采用块方向图滤波的方法实现了沿指纹纹线方向的图象增强及图象的二值化,用细化模板匹配的迭代方法实现了纹线的细化,解决了指纹纹线复杂难以提取的问题,具体实现了指纹图象的预处理。经过预处理后提取出了纹线,且保留了纹线的关键信息,有利于下一步的特征提取工作。     

基于图像OMR的预处理技术研究

阐述了信息填涂卡文档图像标记识别系统中的预处理算法，并提出一种新的信息卡填写方式。对信息填涂卡文档图像预处理中的利用计算机图像处理技术将彩色图像转化成灰度图像、二值化以及图像平滑等关键步骤进行了描述。在图像二值化过程中采用全局阈值法，在图像平滑过程中采用改进的邻域平均算法。结果表明这些算法能有效地解决信息填涂卡文档图像预处理问题。     

一种基于树结构的细胞区域分割方法

在医学细胞图象处理中,特别是癌症的计算机辅助诊断中,图象中的细胞分割是细胞形态定量分析、细胞变异和疾病诊断的研究基础.本文以显微细胞图象为处理对象,在进行预处理的基础上,从细胞二值图象中像素点数据构成的数据结构出发,针对该类图象的特点,提出一种基于树的遍历的图象区域分割方法--"T形遍历分割法".实际的显微细胞图象处理试验结果表明,本文算法针对图象中的细胞区域分割处理速度较快、细胞区域间的分割效果较好.为分类和识别前的特征提取奠定了良好的基础.     

基于图像OMR的预处理技术研究

阐述了信息填涂卡文档图像标记识别系统中的预处理算法,并提出一种新的信息卡填写方式。对信息填涂卡文档图像预处理中的利用计算机图像处理技术将彩色图像转化成灰度图像、二值化以及图像平滑等关键步骤进行了描述。在图像二值化过程中采用全局阈值法,在图像平滑过程中采用改进的邻域平均算法。结果表明这些算法能有效地解决信息填涂卡文档图像预处理问题。     

自联想神经网络的遥感图象主分量提取

提出了一种自联想神经网络的遥感图象主分量提取方法,这种方法可能应用于图象的压缩、特征提取和图象滤波中,实验结果表明：自联想神经网络算法简单、易于实现,其压缩效果与Ｋ－Ｌ变换相当。     

Web上基于内容的图象检索技术

Web上基于内容的图象检索集基于内容的图象检索和Internet网络这两项技术于一体,它对图象媒体的广泛应用具有一定的实用价值,同时对图象处理技术如何适应网络要求又有一定的理论研究价值,本文研究了特征提取、分布运算、网络实现等Web上基于内容的图象检索的相关技术,建立了一个单机上的图象检索系统并用该系统检验了自己提出的图象检索方法.另外在Web上实现了使用该方法的图象检索,实践证明小波形状不变矩对图象的形状匹配具有较好的效果.     

基于置乱与融合的数字图象隐藏技术及其应用

文中首先介绍数字图象的置乱与融合,并基于数字图象的置乱与融合,提出了一种数字图象隐藏方法,在该方法中,地数字图象隐藏的预处理和后处理融合用于将一幅图象隐藏于别一幅图象之中,其次介绍所提出的数字图象隐藏方法,探讨了该方法在数字图象分存与数字水印技术中的应用,实例分析显示,证明该方法可以方便地实现并且具有一定程度的鲁棒笥。     

混沌加密图象算法

本文利用变化了的Logistic系统，在密码形成的初始参数驱动下，对图象像素进行加密，混沌加密图象。这个算法可以用于信息隐藏技术开始时对隐藏信息的加密处理，提高信息隐藏技术的安全性。     

医学图象分析系统的界面设计与实现

一、前言随着科学技术的发展，在医院病人信息中，图象所占的比重越来越大。在这些病人图象中有传统的显微图象、X光线图象及众多新的成像手段所产生的图象，例如：红外、超声、核磁、RI、光纤内窥镜、CT、电子显微图象等等。医学图象作为一种信息源也和其它有关病人的信息一样是医生作出判断时的依据。由于人对图象的认识能力的局限，即使是训练有素的医生，有时也会判读错误，从而出现误诊的情况，这主要是因为：①病人图象中有用信息往往被大量的无用噪声所淹没，！传统的阅片方法难于对图象进行定量化的分析；、：于某些疾病与各种图…     

基于小波内插的遥感图象超分辨率增强

基于小波内插的超分辨率增强方法,利用多幅遥感图象的交错采样结构,将同一场景的多幅遥感图象序列中的信息,在像素级上内插到一幅遥感图象中,得到一幅信息量更加丰富、分辨率更高的遥感图象。该文介绍了该方法及相应遥感图象预处理方法,文中实验显示了该方法的有效性。     

基于一维傅里叶变换特征提取的纸币识别

纸币识别系统包括纸币图像采集、图像预处理、特征提取及分类器设计等几个步骤。其中特征提取的有效性直接影响到整个系统的识别效果,是至关重要的环节。本文针对不同面值长宽、图案相近的纸币,提出一种局部区域一维傅里叶变换特征提取的新方法。实验结果表明,该方法取得了很高的识别率,有较大的实际应用价值。     

文本图像信息的提取与识别

文本是计算机视觉的许多应用中的一项重要特征,图像中的文本往往包含着比较丰富的信息,将文本图像信息里的文字进行提取和识别,对于图像内容的分析、理解、信息检索等方面具有重要的意义。文本图像的识别分为预处理,文字的切分,细化,特征选择与提取,最后对候选文字进行识别。在文字的切分方面提出了一种改进的投影算法,该算法能在很大程度上提高文字切分的准确度,采用基于数学形态学算法对文字进行细化处理,并在特征选择方面引用了多级分类的算法。     

英文字符特征提取系统

英文字符识别是模式识别的一个重要分支,具有广泛的应用领域.字符识别主要包括文档切分、单词切分、字符识别及后处理几部分.文中描述的是英文字符识别系统实现了从图像扫描到得到识别结果的全过程, 而字符特征提取是文本的重点内容.以五十二个英文字符为研究对象,具体包括了图像预处理、特征提取、建立模板、分类器设计、后处理等步骤.文章对OCR领域中应用比较广泛的网格特征、外围特征、穿越特征等特征和几种距离分类器分别进行比较分析,并进行大量的实验.实验结果表明识别准确率和识别处理时间方面具有良好性能.     

基于方向滤波分割的指纹自动识别系统算法

为适应当前个人身份鉴定迫切需要，提出了一种基于方向滤波分割的指纹自动识别系统的完整方案。该系统主要分指纹预处理及识别两大部分，包括方向图的计算、平滑、方向滤波、二值化、去噪、特征提取、特征编码及识别的方法。利用该系统的预处理及特征编码和识别方法，指纹图象得到了较好的增强，而且，在识别过程中能克服一定范围内指纹旋转及平移因素的影响。本系统具有高效识别和很强的抗干扰能力，对于残缺或模糊的指纹图象也有很好的识别效果，有较高的使用价值。     

基于特征的BP神经网络人民币号码识别系统

介绍了一种简单、准确、快速的人民币号码识别系统。采集到的人民币号码图像经过预处理、特征提取和神经网络训练识别几个过程识别出号码串。特征提取采用的是水平方向5行逐像素特征提取法,该方法的优点是提取相对较少的特征点即可反映丰富的信息量。实验结果表明,提出的特征提取方法可以使BP神经网络很快收敛,训练效果也较好,该识别系统能高效准确地提取出人民币号码串,识别率达到95%以上,平均识别时间为35 ms,适应性也较强。     

Fuzzy automata system with application to target recognition based on image processing

In order to get better image processing and target recognition, this paper presents a fuzzy automata system to target recognition. The system first performs image processing, and then accomplishes the target recognition. The system consists of four parts: image preprocessing, feature extraction, target matching and experiment. Compared with existing approaches, this paper uses both global features and local features of the target image, and carries out target recognition by using a fuzzy automata system. Simulation results show that the correct recognition rate based on the fuzzy automata system for target recognition is higher at 94.59%, an improvement on an average of 29.24%, compared to other existing approaches. Finally, some directions for future research are described.     

特征提取算法在工件识别中的研究

特征提取在工件识别中具有重要的意义. 运用灰度变换与平滑去噪对获取到的原始图像进行图像预处理. 提出改进的工件特征提取方法. SURF算法作为SIFT算法的加速版,不仅能够确保检测到的特征点的稳定性,而且能很大程度地加快特征提取的时间,满足了工件识别过程中实时性的需求. 采用改进的SURF算法的特征匹配方法进行工件的识别. 实验表明,改进的特征匹配方法对工件识别精确且速度较快.     

基于灰度矩的脉搏图像亚像素特征点提取研究

在基于双目视觉脉搏图像传感器的脉搏三维信息检测中,图像特征点的提取是关键基础。为了提高脉搏图像特征点提取的精度,提出一种新的对脉搏图像特征点进行亚像素定位的算法。在完成脉搏图像的预处理后,对脉搏图像进行基于灰度矩的亚像素边缘检测,结合最小二乘拟合法得到圆形标志中心点,最终实现脉搏图像的特征点提取。实验结果表明该算法能够准确定位脉搏图像特征点,精度可达到0.03~0.04像素,为后续双目视觉的立体匹配及脉搏三维形态的重构奠定了基础。     

基于DSP与改进边缘检测算法的煤矸石自动分选系统

利用数字图像处理技术分析煤块图像和矸石图像的基本特征.通过图像预处理、图像分割、特征提取和图像识别等图像处理技术,依次对煤块图像和矸石图像进行中值滤波、边缘提取和灰度比较等分析.图像处理结果表明:根据各自的灰度直方图特性,区分出煤块图像和矸石图像,进而分选出煤块和矸石.采用高性能的数字信号处理器(DSP)作为系统的核心...     

Static hand gesture recognition using neural networks

This paper presents a novel technique for hand gesture recognition through human–computer interaction based on shape analysis. The main objective of this effort is to explore the utility of a neural network-based approach to the recognition of the hand gestures. A unique multi-layer perception of neural network is built for classification by using back-propagation learning algorithm. The goal of static hand gesture recognition is to classify the given hand gesture data represented by some features into some predefined finite number of gesture classes. The proposed system presents a recognition algorithm to recognize a set of six specific static hand gestures, namely: Open, Close, Cut, Paste, Maximize, and Minimize. The hand gesture image is passed through three stages, preprocessing, feature extraction, and classification. In preprocessing stage some operations are applied to extract the hand gesture from its background and prepare the hand gesture image for the feature extraction stage. In the first method, the hand contour is used as a feature which treats scaling and translation of problems (in some cases). The complex moment algorithm is, however, used to describe the hand gesture and treat the rotation problem in addition to the scaling and translation. The algorithm used in a multi-layer neural network classifier which uses back-propagation learning algorithm. The results show that the first method has a performance of 70.83% recognition, while the second method, proposed in this article, has a better performance of 86.38% recognition rate.