一种新的表格单元格矩形识别算法

现有的表格识别算法速度较慢，且仅能容忍表格线的微小断线，文章给出了基于顶点链编码的表格单元格矩形识别算法，利用边界标定自动机，标定表格单元格内环边界并生成顶点链编码，利用顶点链编码特性，有效地去除表格框线上的锯齿，修复断裂的框线，通过搜索单元格矩形4个角的顶点链编码来获得表格单元格的矩形区域。实验证明本算法具有速度快、鲁棒性高、抗表格框线断裂等优点。     

表格自动录入系统的研究

本文论述了一个表格自动录入系统，它包括表格分析与理解和字符识别，文中提出了表格分析与理解的一个层次模型和算法，它用数学形态学检测表格线段，然后形成表格线段描述，再从表格线段产生表格线，从表格线产生矩形块集合，最后进行表格理解和结果生成它具有抗部分断线，虚线和倾斜的能力，不受粘连和噪音点的影响，文中还提出一种基于机器学习的字符识别方法，通过对大量样本的学习来产生分类的规则，并介绍了一个基于此立法的手     

基于直线段检测器的多阈值图像表格框线提取算法

针对传统表格结构识别算法中,前期图像预处理工作量大、复杂表格结构识别率低、高分辨率和高复杂度表格时间开销过于大的问题,提出先对图像表格结构利用直线段检测器进行框线检测,再利用双阈值直线判断规则,对本应属于同一直线的多条线段进行合并细化,最后对横纵线交点处缺失或过长线段,采用表格结构整体框线对齐的快速识别算法.实验结果表明,该算法既可以对图像高分辨率下简单表格和复杂表格准确识别,也可以满足图像低分辨率中简单表格和复杂表格的识别需求,可以容忍一定倾斜角度,因此减少了图像预处理工作,缩短了检测时间,甚至可以对非严格定义表格结构进行精准识别,进一步推动图像表格结构通用识别算法的进程.     

基于有向单连通链的表格框线检测算法

表格框线检测是表格识别的基础.现有的表格框线检测算法或者速度慢,或者鲁棒性差,而且没有充分利用表格框线之间的约束信息.提出了一种基于所定义的图像结构基元"有向单连通链"的自底向上表格框线检测算法.在此算法中,有向单连通链是一种黑像素游程序列,作为非常合适的矢量基元,在引入一定表格框线约束信息的条件下合并单连通链,有效地去除伪框线,补全断裂的框线,提高了算法的鲁棒性,可以准确而快速地提取表格框线.通过滤除噪声单连通链,加快单连通链的合并速度,算法速度提高了3~10倍,满足了实用要求.实验证明,该算法具有速度     

印刷表格文本分析识别系统的研究

本文介绍了一个印刷表格文本分析识别系统。提出了表格特征点分析方法。在表格图象处理的基础上, 对表格线进行分析, 在考虑表格线和字符块粘连的情况下提取字符块, 判别汉字串和数英串后分别识别, 生成表格。实验表明本方法的有效性。     

一种大目标去除的图像修复方法

提出了一种新的大目标去除的图像修复方法,即先采用结构传播,再采用相关的纹理传播来完成修复工作.该方法要求人为指出少量的曲线来表示缺损结构从已知区域向未知区域的传播情况.然后,在这些曲线周围的已知区域中选择适当的样本块,作为未知区域内合成这些曲线的目标块.这样,就可以使用这些获得的目标块来完成图像中缺损结构的修复.对于图像中未知区域内的其它部分的修复,可以使用纹理传播来完成.实验结果表明这种方法对于跳跃性结构的修复是非常有效的.     

基于字线分离的表格识别预处理算法

表格文本图像版面中存在的大量的非表格框线对象,干扰正确提取表格框架结构.提出了一种基于字线分离的预处理算法.该算法在不提取表格框线的前提下,采用图像分块和连通域分析,实现字线分离.实验结果表明,该算法能够滤除大部分文字像素,准确有效突出表格文本图像中的框线信息,达到了预处理目的,是后续表格特征提取和识别的有效预备步骤.     

一种大目标去除的图像修复方法

提出了一种新的大目标去除的图像修复方法,即先采用结构传播,再采用相关的纹理传播来完成修复工作。该方法要求人为指出少量的曲线来表示缺损结构从已知区域向未知区域的传播情况。然后,在这些曲线周围的已知区域中选择适当的样本块．作为未知区域内合成这些曲线的目标块。这样．就可以使用这些获得的目标块来完成图像中缺损结构的修复。对于图像中未知区域内的其它部分的修复,可以使用纹理传播来完成。实验结果表明这种方法对于跳跃性结构的修复是非常有效的。     

基于矩形拟合的人体检测

提出了一种在单幅图像中检测人体的新算法.将人体看作由躯干和四肢构成.用一个四边形拟合躯干,用一个或者两个四边形拟合每个肢体.人体检测就是寻找满足一定几何和拓扑约束的四边形组合.首先检测与拟合图像中的矩形区域,然后搜索满足几何和拓扑约束的矩形组合.如果该矩形组合的概率大于阈值,则调整各个矩形顶点的坐标,以便得到一个紧凑的人体模型表示.最后,重新计算该紧凑模型的概率.实验结果表明,该方法可以用于基于内容的图像检索以及基于视频的人体运动分析.     

基于自动结构延伸的图像修补方法

针对图像修补问题中结构信息修补的难题, 提出一种自动延伸图像中显著结构信息并完成图像修补的方法. 通过提取图像未知区域周围的显著结构信息, 并依据结构信息的趋势向未知区域中自动延伸, 形成指导修补的辅助线. 沿着辅助线修补显著结构信息后再利用基于块的纹理合成修复余下的未知区域. 实验结果证明本文提出方法相比传统基于块的纹理合成方法能够得到更好的修补效果.     

基于直线段提取及其参数化的矩形重构方法研究

文章根据矩形目标边缘二值图的特点,提出一种基于直线段提取及其参数化的矩形目标重构方法,实现矩形目标位姿参数高精度快速求取。该文提出的矩形目标重构方法主要分两步进行:首先从矩形目标边缘图像的二值图中提取出所有直线段,并将直线段参数化;其次由参数化的直线段提取出近似矩形,再由近似矩形重构出精确的目标矩形,并计算其位姿参数。该文提出的算法可应用于机器人装配及目标跟踪中。     

基于Hough变换的快速矩形检测算法

本文提出了一种基于图象Hough变换的矩形检测算法。通过对图象Hough变换空间中峰值点进行提取和组合，检测出满足角度和长度条件的直线组合，以快速定位出图象中的矩形。实验结果表明：该算法快速、准确，检测过程不需人工参与。     

一种新型的航空图像城区建筑物自动提取方法

提出了一种新的从航空城区图像中自动提取矩形建筑物的方法．该方法基于从航空城区图像中提取的边缘，经过轮廓跟踪，采用Splitting方法提取直线，得出其相应的直线几何图形；针对航空图像的复杂及现有边缘检测算法的不足，提出了一系列直线处理的方法(如直线的分类、排序、合并、调整等)有效地弥补了前述处理的不足；为提高矩形房屋提取的准确率，引入知识定义了几种近似的矩形结构．文章采用几何结构元分析的方法，提取图形中构成矩形的各种基本结构元，再根据结构元合并的准则，将各种基本结构元通过一定的合并算法合并成矩形结构．大量试验结果证明该方法提取矩形房屋的准确率较高，鲁棒性好，运算速度快，具有较强的实际应用价值．     

Finding best-fitted rectangle for regions using a bisection method

In this paper, we have presented a new method for computing the best-fitted rectangle for closed regions using their boundary points. The vertices of the best-fitted rectangle are computed using a bisection method starting with the upper-estimated rectangle and the under-estimated rectangle. The vertices of the upper- and under-estimated rectangles are directly computed using closed-form solutions by solving for pairs of straight lines. Starting with these two rectangles, we solve for the best-fitted rectangle iteratively using a bisection method. The algorithm stops when the areas of the fitted rectangles remain unchanged during consecutive iterations. Extensive evaluation of our algorithm demonstrates its effectiveness.     

矩形件优化排样问题的混合遗传算法求解

利用遗传算法结合剩余矩形排样法求解矩形件正交排样问题。通过遗传算法将矩形件正交排样问题转化为一个排列问题,并引入剩余矩形排样算法来惟一确定每一个排列所对应的排样图(即排样方案),两者结合用于求解矩形件排样问题。最后用此混合遗传算法对文献[1]中的两个算例进行了验证,表明了其有效性。     

基于窗口Hough变换与阈值分割的矩形识别算法

提出一种基于窗口霍夫变换与阈值分割自动识别图像中的矩形策略： 通过图像窗口霍夫变换,提取霍夫图像的峰值（对应原始图像的线段）,当四个峰值满足某些几何条件时,则检测出矩形;对图像进行阈值分割,将分割结果与霍夫变换的矩形做拟合修正.对不同成像背景和光照环境下图像的集成测试结果表明,本策略能够很好地抑制在多种自然光照不均和拍摄角度造成的干扰.且采用了缩略图计算,降低了逐像素运算的时间复杂度,可满足实时性要求.该技术可运用在实时准确裁剪银行票据目标等各个需要快速识别矩形的工程领域.     

Using point cloud data to identify,trace, and regularize the outlines of buildings

Rectilinear building outline generation from the point set of a building usually works in three steps. Boundary edges that constitute the building outline are first identified. A sequence of points is then traced from the edges to define the building boundary. Finally, lines are generated from the sequence of points and adjusted to form a regular building outline. Existing solutions have shortcomings in one or more of the following cases: identifying details along a concave shape, separate identification of a ‘hole’ inside the shape, proper boundary tracing, and preservation of detailed information along a regularized building outline. This article proposes new solutions to all three steps. By using the maximum point-to-point distance in the input data, the solution to the identification step properly detects the boundary edges for any type of shape and separately recognizes holes, if any, inside the shape. The proposed tracing algorithm divides boundary edges into segments, accurately obtains the sequence of points for each segment and then merges them, if necessary, to produce a single boundary for each shape. The regularization step proposes an improved corner and line extraction algorithm and adjusts the extracted lines with respect to the automatically determined principal directions of buildings. In order to evaluate the performance, an evaluation system that makes corner correspondences between an extracted building outline and its reference outline is also proposed. Experimental results show that the proposed solutions can preserve detail along the building boundary and offer high pixel-based completeness and geometric accuracy, even in low-density input data.     

基于蚁群优化算法求解矩形件排样问题

布局问题来源于生产实际,优秀的布局可以提高原料利用率,降低成本,提高经济效益,对许多行业有重要意义。矩形件优化排样是一类具有NP完全难度的组合优化问题。人工蚁群算法是对蚂蚁群体行为的模拟抽象,该算法具有分布计算、信息正反馈和启发式搜索等特点。本文将蚁群算法和剩余矩形法结合用于解决矩形排样问题,首先用蚁群算法将矩形件排样问题转化为一个排列问题;然后通过剩余矩形排样算法排出每一个排列所对应的排样图;最后用算法对文献[9]中的两个算例进行了验证,表明了其有效性。     

An iterative merging algorithm for soft rectangle packing and its extension for application of fixed-outline floorplanning of soft modules

We address an important variant of the rectangle packing problem, the soft rectangle packing problem, and explore its problem extension for the fixed-outline floorplanning with soft modules. For the soft rectangle packing problem with zero deadspace, we present an iterative merging packing algorithm that merges all the rectangles into a final composite rectangle in a bottom-up order by iteratively merging two rectangles with the least areas into a composite rectangle, and then shapes and places each pair of sibling rectangles based on the dimensions and position of their composite rectangle in an up-bottom order. We prove that the proposed algorithm can guarantee feasible layout under some conditions, which are weaker as compared with a well-known zero-dead-space packing algorithm. We then provide a deadspace distribution strategy, which can systematically assign deadspace to modules, to extend the iterative merging packing algorithm to deal with soft packing problem with deadspace. For the fixed-outline floorplanning with soft modules problem, we propose an iterative merging packing based hierarchical partitioning algorithm, which adopts a general hierarchical partitioning framework as proposed in the popular PATOMA floorplanner. The framework uses a recursive bipartitioning method to partition the original problem into a set of subproblems, where each subproblem is a soft rectangle packing problem and how to solve the subproblem plays a key role in the final efficiency of the floorplanner. Different from the PATOMA that adopts the zero-dead-space packing algorithm, we adopt our proposed iterative merging packing algorithm for the subproblems. Experiments on the IBM-HB benchmarks show that the proposed packing algorithm is more effective than the zero-dead-space packing algorithm, and experiments on the GSRC benchmarks show that our floorplanning algorithm outperforms three state-of-the-art floorplanners PATOMA, DeFer and UFO, reducing wirelength by 0.2%, 4.0% and 2.3%, respectively.     

形状角计算改进及其在矩形目标识别中的应用

目的 在轮廓特征识别中,形状角理论已经被证明为一种有效方法.形状角的计算精度和时间开销取决于轮廓上各离散点处切线方向的计算效率.现有基于Vialard算法的切线方向计算方法在处理矩形轮廓时步骤烦琐且存在较大的误差,导致使用形状角识别矩形时效率不高.针对此问题,提出一种基于傅里叶拟合的离散点切线方向计算方法.方法 首先对离散点进行极坐标转化,然后使用傅里叶级数拟合整个轮廓,最后再对拟合之后的曲线求导,从而计算出轮廓上各点的切线方向.结果 在本文所给出的实例中,本文方法计算平均耗时为1.5775 s,传统方法平均耗时为156.155 s,且计算结果更加精确.结论 本文方法可以避免Vialard算法及其衍生方法在处理矩形轮廓时产生的过度迭代的问题,时间复杂度降低两个数量级,结果更加准确.最后,将所提的改进形状角计算方法应用矩形轮廓识别中,通过实例分析,验证了该方法的准确性和可靠性.