基于Hough变换的PDF417条码图像倾斜矫正

在对PDF417条码图像扫描输入的过程中,条码图像不可避免地发生倾斜,因此必需先对图像进行倾斜矫正,才能实现条码的准确识别.Hough变换具有抗噪声能力强的特点,是一种检测图像倾斜角度的重要方法.为了克服Hough变换计算量大的缺点,先通过行差运算提取图像水平边缘,然后只对提取的边缘进行两级Hough变换,实现倾斜角度的检测.本文采用基于直线拟合的方法实现倾斜图像的矫正.与传统的Hough变换以及其它的倾斜图像矫正方法相比,本文实现了准确性与快速性的很好结合.     

OMR图像倾斜矫正与分割

提出一种采用Hough变换进行OMR图像倾斜矫正的方法,该方法不必识别定位标记位置,具有很好的抗噪能力。为克服Hough变换计算量大的缺点,采用图像子抽样生成低辨率图像进行Hough变换,提高了算法效率。同时,提出一种快速游程段中心迭代算法分割图像,结合Hough变换,可快速准确地实现OMR图像的倾斜矫正与分割。     

基于改进Hough变换的文本图像倾斜校正方法

文本图像在扫描输入时产生的倾斜现象会对后续的页面分割及光学字符识别（OCR）处理产生很大的影响，而传统的标准Hough变换虽然具有对噪声不敏感，不依赖于直线连续性的优点，但由于计算量偏大，速度慢，在实用时有较大的局限性。提出一种基于改进的Hough变换的文本图像倾斜校正方法，通过在变分辨率图像中采用不同的文本方向提取算法，及选择合理投票门限等改进Hough变换的措施，减小了由图像区域及文字笔画粗细所产生的对倾角判定的不利影响，并使用基于偏移值的方法实现页面倾斜的快速校正。实验结果表明，该算法实现了大范围高精度的文本图像倾角的快速检测，具有较强的实用性。     

一种基于Hough变换的文档图像倾斜纠正方法

在对文本扫描输入的过程中,文本图像不可避免地会发生倾斜,倾斜校正将为图文分割、文字识别等后续处理工作创造良好的条件。提出了一种基于Hough变换的检测图像倾斜度的方法,为了克服Hough变换计算量大的缺点,该方法首先选取局部代表性子区域并提取其图像水平边缘,然后对提取的水平边缘进行两级Hough变换,从而实现了准确性与快速性的很好结合。     

车牌识别中倾斜牌照的快速矫正算法

在车辆牌照自动识别(LPR)过程中，车牌图像的倾斜会给下一步字符切分和识别带来困难。利用传统Hough变换进行矫正的运算量很大，文中提出采用轮廓跟踪方法去除牌照图像中和矫正无关的所有冗余信息并采用分级检测的策略，在最大程度上减少矫正过程的运算量。实验结果表明，该方法可以准确地检测出车牌的倾斜角度，同时矫正速度比传统Hough变换方法提高10倍左右。     

车牌定位及倾斜矫正方法研究

为提高车牌定位的有效性和准确性,利用车牌的纹理特征,提出基于边缘检测和形态学运算相结合的车牌定位算法。在摄取车牌图像的过程中,会因为各种原因导致车牌图像有不同程度的倾斜变形,而倾斜的车牌很难被分割和识别,必须进行倾斜矫正,使用了基于Hough变换的倾斜矫正算法。实验结果表明该车牌定位算法和倾斜矫正算法快速有效。     

基于对称Hough变换的印章倾斜校正方法

本文实现了一种对椭圆和矩形印章图像进行倾斜校正的方法,该方法基于对称Hough变换,以检测具有一对或两对对称轴的图形.和通常Hough变换相比,对称Hough变换具有较高的时间和空间效率,计算速度很快,检测椭圆和矩形的参数准确可靠.实验表明由该方法检测出来的印章图形的几何参数用于印章的倾斜校正,校正效果很好.     

一种倾斜车牌字符提取方法

针对车牌字符提取中存在的问题,本文提出了一种针对倾斜车牌的字符提取方法.运用最大熵分割算法分割车牌图像,运用串并行扫描结合的方法细化图像,提取骨架.运用Hough变换法提取车牌边缘所在的直线,求出倾斜角度以矫正图像.对校正之后的骨架图像进行逐行扫描,确定整个车牌所在区域,并运用水平投影法分出每个字符所在区域,以便进行识别.实验证明,本文提出的车牌字符提取方法中对车牌倾斜有很好的适应性,行扫描的方法可以快速分辨出车牌字符区域,是一种鲁棒的字符提取方法.     

基于视频图像的数字仪表读数自动识别

本文介绍了一种实用的字符识别方法.采用CCD摄像机摄取仪表读数,计算机处理系统在提取图像数字特征的基础上完成对字符的自动识别.并快速、准确地将结果进行显示.采用多帧差异积累方法实现了数字区域的自动定位分割;采用高斯滤波、Canny边缘检测和Hough变换的方法校正字符的倾斜角度;采用自适应阈值、形态滤波算法去除因图像亮度不均匀对字符识别准确度的影响;采用纵向投影方法进行字符识别.在现场试验中,取得了令人满意的效果.     

一种在图象中检测网格直线的新方法

设计了一个扩展Robert算子,该算子能够在有噪声的情形下对图象中各种宽度的线条进行检测。当使用Hough变换确定直线的参数时,首先只用Hough变换检测第一条最为显著的直线,随后去掉该条直线及其附近的点,然后再次对图象进行Hough变换,并重复此过程,直到找到所有直线或者Hough变换后参数平面上的值都小于某个阈值为止。使用此改进后的Hough变换能够准确地检测到图象中构成网格的直线的参数。给出了具体的检测例子。     

Fuzzy cell Hough transform for curve detection

In this paper a new variation of Hough Transform is proposed. It can be used to detect shapes or contours in an image, with better accuracy, especially in noisy images. The parameter space of Hough Transform is split into fuzzy cells which are defined as fuzzy numbers. This fuzzy split provides the advantage to use the uncertainty of the contour point location which is increased when noisy images are used. By using fuzzy cells, each contour point in the spatial domain contributes in more than one fuzzy cell in the parameter space. The array that is created after the fuzzy voting process is smoother than in the crisp case and the effect of noise is reduced. The curves can now be detected with better accuracy. The computation time that is slightly increased by this method, can be minimized in comparison with classical Hough Transform, by using recursively the fuzzy voting process in a roughly split parameter space, to create a multiresolution fuzzily split parameter space.     

Enhancement of historical printed document images by combining Total Variation regularization and Non-local Means filtering

This paper proposes a novel method for document enhancement which combines two recent powerful noise-reduction steps. The first step is based on the Total Variation framework. It flattens background grey-levels and produces an intermediate image where background noise is considerably reduced. This image is used as a mask to produce an image with a cleaner background while keeping character details. The second step is applied to the cleaner image and consists of a filter based on Non-local Means: character edges are smoothed by searching for similar patch images in pixel neighborhoods. The document images to be enhanced are real historical printed documents from several periods which include several defects in their background and on character edges. These defects result from scanning, paper aging and bleed-through. The proposed method enhances document images by combining the Total Variation and the Non-local Means techniques in order to improve OCR recognition. The method is shown to be more powerful than when these techniques are used alone and than other enhancement methods.     

HT-LSM的欠定混合盲信号分离方法的研究

利用Hough变换可以检测观测空间中的直线方向从而确定混叠矩阵的方法,提出了欠定盲源分离中估计混叠矩阵的一种新算法——HT-LSM算法。该算法在介绍欠定盲信号分离基本原理的基础上,介绍基于Hough变换的盲信道估计算法,并将改进后的Hough变换与最小二乘法相结合,在不影响检测结果速度的同时又进一步提高了检测精度,应用到欠定语音信号分离中,取得了良好的实验效果。     

基于可变模板的文本倾斜检测

在对文本扫描输入的过程中，文本图像不可避免地会发生倾斜，倾斜校正将为图文分割、文字识别等后续处理工作创造良好的条件。基于可变模板技术，提出一种新的倾斜检测方法。在构造表征扫描文本的可变模板和定义合适的能量函数的基础上，采用遗传算法进行快速优化搜索。实验结果表明，该方法能够精确检测文本的倾斜角度，并且不受倾角大小和文字方向的影响，具有较强的抗噪声性和较快的收敛速度。     

基于视窗的OCR页面图像倾斜检测方法

文档在扫描输入过程中，所生成的页面图像一般都存在一定的角度倾斜，当页面图像倾斜角度过大时，将对进一步的版面分析以及字符识别产生不良影响。为了快速准确地检测页面图像倾斜角度和降低计算量，提出了一种基于视窗变换的页面图像倾斜检测方法，该算法首先对视窗中的文字及图片的细节部分进行模糊，然后对其边沿进行直线拟合，以便快速检测页面图像倾斜角度。实验结果表明，该方法能快速准确地检测出各类页面图像的倾斜角度，并具有良好的适应性。     

一种快速高效的去除剪切、旋转倾斜的方法

提出一种快速高效的用于OCR系统上的倾斜校正方法。将整页的倾斜分解为水平剪切和垂直剪切,分别作两次剪切倾斜校正,以二阶原点矩检测OCR图像的剪切倾斜角度,用行移动进行倾斜校正。字符经过倾斜校正后,变形小。实际使用证明它能够明显地提高OCR系统的性能。由于这种方法简单,速度快,因此很容易被集成到现有OCR系统中。     

基于Tesseract文字识别的预处理研究

针对Tesseract文字识别框架对输入图像的像素要求,以及图像采集过程中可能出现的歪斜、黑边等情况,基于文字识别流程,对预处理阶段的二值化、缩放、边框处理与倾斜矫正进行研究与C++代码的实现。对文字识别OCR(optical character recognition,光学字符识别)的流程进行了概述,重点研究图像缩放与二值化过程,利用双线性插值算法逐像素、逐行分别对横纵坐标进行线性插值,完成图像缩放;利用最大类间方差法、聚类的思想,遍历灰度值,获取最佳二值化阈值,实现图像的二值化。参考OpenCV库函数,提出图像边框与偏移的处理思路。在VS2015环境下基于Tesseract框架,对整个流程进行实现,介绍了Tesseract框架的接口与功能、输入与输出参数。图像的预处理对文字识别必不可少,有利于Tesseract之后的识别工作。     

小波的文本图像区分及其在文献信息数字化中的应用

目前,OCR技术对文本图像区域自动区分的效果还不够精确,进而影响了OCR技术在文献信息数字化过程中的工作效率.针对这一局限,提出了一种基于小波的文本图像区分方法.方法首先对扫描区域进行小波分解,然后使用分解系数构建分解能量,最后依据分解能量大小对文本图像进行自动区分.结果表明,该方法对文本图像的区分效果较好,减少了在使用OCR技术进行文献信息数字化时的人为干预,有利于提高文献信息数字化过程的自动化水平.最后通过实验仿真验证了该方法的有效性.