基于多层次分块的指纹图像二值化

自适应局部阈值二值化算法,其效果主要取决于能否准确地估计局部阈值.鉴于在指纹奇异点附近及方向变化较快的脊线、谷线区域,局部阈值很难精确得到,提出了一种多层次分块的指纹图像局部阈值的求取方法,并把这种方法用于指纹图像的二值化.实践表明,算法工作稳定,效果良好,鲁棒性强,对低质量图像具有显著的增强效果.     

基于形态学重构算法的瞳孔精确检测

针对瞳孔成像特点,提出了一种基于形态学算法的瞳孔直径精确检测方法.运用重构算法对原始图像做平滑处理,再对二值化后的图像进行交替顺序滤波,进一步修复瞳孔边缘,得到瞳孔的理想二值图像.实验结果表明,该算法适用于红外、可见光多种照度级下摄取的瞳孔像,具有较高精度.     

基于区域最大图像熵的车牌二值化算法

针对二值化算法,提出了基于区域最大图像熵的算法.该算法把图像熵表征局部剧烈变化的物理意义、区域最大值基于整体变化考虑最大值的优点以及车牌图像目标与背景灰度分布存在一定比例的特点这三者有机结合,通过局部与整体相互补的原则,采用具体问题具体分析的方式,实现了图像二值化.通过研究证明,该算法对于不同颜色、不同噪声强度的图像都具有一定的适应性和实用性.     

基于对比度补偿的古籍图像二值化算法研究

环境因素及不当保存会使古籍退化严重,对此设计一种二值化算法来解决具有均匀字符大小的退化古籍图像的低对比度问题,从而更好地揭示古籍所记载内容.算法首先利用Canny算子提取图像文本的边缘信息并估计平均笔划宽度,根据笔划宽度来估计古籍图像背景,然后用背景信息来对古籍进行对比度补偿,从而提高古籍图像对比度,最后利用Howe的算法对补偿后的古籍进行二值化处理,后处理算法进一步提高了图像质量,得到最终的二值图像.实验结果证实了该算法的有效性.该算法优于在ICFHR’2014国际会议上获得第一名的Mesquita的算法.     

一种自动检测红外运动目标的改进形态学方法

针对红外图像序列中运动目标的检测问题,提出了一种提高红外图像信噪比的改进双重Top-Hat形态学预处理算法,并通过自适应形态学阈值获得了二值化图像,最后利用序列帧间信息进行管道滤波去除二值化图像的噪声和伪目标,完成多个红外运动目标的自动检测.实验结果表明,提出的方法有效地保留了运动目标的灰度信息,便于后续的目标识别处理,而且算法在实时性肯和信噪比方面的综合效果优于其他几种常用滤波算法.     

一种改进的QR码图像二值化算法

对光照不均的QR码图像进行全局二值化处理后,会出现全白或全黑的误差区域,在局部二值化过程中会出现伪边界情况,并且计算时间也会变长。针对光照不均的QR码图像提出了一种改进的基于背景灰度的二值化算法。首先,根据二维码源图像大小进行分块处理,使用灰度估算公式对分块的灰度值进行计算。其次,使用联合插值算法产生背景灰度水平图像,然后用背景灰度水平图像替代源图像得到校正图像。最后,采用Ostu算法对校正图像进行二值化。实验结果表明,该算法能有效的校正光照不均的QR图像,并得到一个良好的二值化图像。     

基于对比度增强和背景估计的文档图像二值化

针对文档图像存在的退化状况对其二值化处理的影响,文中提出一种基于对比度增强和背景估计的文档图像二值化算法,用于对退化的文档图像进行二值化增强处理。该算法根据不同子区域亮度信息的差异采用不同对比度增强算法对文档图像进行增强处理,通过运用形态学闭运算对增强后的文档图像进行处理来移除文档图像的背景,结合Ostu和Sauvola算法获取文档图像的二值化图像,并通过基于边缘像素邻域灰度值的分布情况进行文本断笔修复。实验结果表明,该算法的F-Measure（FM）为90.47%,峰值信噪比（PSNR）达到19.15 dB,负率指标（NRM）低至0.053 8,分类错误度量（MPM）降至0.000 33,验证了本文提出的二值化算法的有效性。     

一种新的二值化方法在车牌检测中的应用

车牌定位过程中二值化方法的选择尤为重要,何时二值化以及选取何种二值化方法对检测结果的影响明显。考虑到车牌区域有着丰富的边缘信息,车牌区域的亮度以及区域标准差,能给二值化阈值提供有价值参考信息,文中根据车牌的特征提出了一种新的自适应二值化算法,并采用区域融合及连通域计算方法提取车牌。实验证明,此二值化算法对图像灰度变化、...     

灰度梯度自适应阈值二值化算法的FPGA实现

根据红外图像中目标与背景之间灰度比梯度特性,提出了一种自适应阈值二值化算法,并利用FPGA并行流水处理特点,采用模块化设计,完成了该算法的FPGA实现.算法实现由灰度比二值化模块和自适应阈值T模块两部分组成.灰度比二值化模块根据同步信号流水计算模板内灰度比梯度,并根据差值大小进行二值化.自适应阈值T模块根据背景的变化规律实时调整输出阈值大小,以实现对灰度比二值化模块作用范围的控制.实验结果表明,该算法虚警率较低,运算耗时少,满足实时处理的要求.     

基于灰度拉伸和遗传算法的焊缝图像二值化算法

焊缝图像处理是焊缝自动跟踪的一个较为重要的环节,而图像二值化在其中起着关键性的作用.传统的Otsu阈值化算法对信噪比较低的图像分割效果不理想,本文通过灰度拉伸增大背景与前景之间的灰度值分布,结合遗传算法,通过编码、选择、交叉、变异等操作对传统的类间方差法进行优化,并将该方法应用于焊缝图像.实际焊缝图像试验证明了该方法的有效性,可以更加准确地提取出适合焊缝图像的二值化阈值,更利于后续的图像处理操作.