数字分形图像分形维数计算

针对数字图像分形维数计算准确度较低问题,为提高图像精确性,消除噪声,设计了基于图像处理和分形维数计算的一体化系统.对具有分形特征的数字图像进行了灰度转换、去噪、阈值分割和轮廓提取处理,得到二值轮廓数字图像;利用计盒维数算法,统计一系列不同像素边长的正方形覆盖二值轮廓数字图像,根据像素数量和正方形个数之间的关系,确定数字图像的分形维数.结果表明,对分形图像的处理简单、方便,通过对kochsnow曲线、Sierpinski垫片等有规则分形图像分形维数的仿真计算,验证了方法的准确性、可靠性和简便性,能为数字图像分形维数的计算提供可靠工具.     

基于OPENCV的数字万用表数字识别方法

为了实现摄像头采集万用表表头图像的识别,研究了一种针对万用表数字图像的自动识别方法。首先对图像进行预处理,包括提取数字区域、提取区域图片灰度化、平滑处理。然后采用局部自适应二值化方法对图形进行二值化,以及对二值化图像进行形态学处理,并采用投影法对字符串进行分割。最后应用穿线法对数字进行识别,有效降低了误识率。实验结果表明,该方法对数字万用表识别效果好,快速简单。     

一种数字仪表显示值快速识别方法

提出了一种数字仪表显示值的快速识别方法。该方法首先由计算机自动定位分割图像中的数字区域并实现单个数字的切分,然后对每个数字图像提取了一组具有较高区分度且计算简单的典型特征,最后,基于模糊识别的最大隶属原则,构造了一种数字识别器,实现了仪表显示值的实时识别。试验表明:该方法的识别率高达99%,对7位数字的识别时间不超过20毫秒,并且具有较强的抗干扰能力,达到了仪表显示值识别的速度和准确率要求。     

改进穿线法与HOG+SVM法结合的数码管图像读数研究

针对传统投影分割方法在提取单个数码管数字图像时过于依赖图像二值化及图像倾斜校正效果的问题,采用一种基于轮廓提取和轮廓排序相结合的数码管图像分割方法,实验证明该方法相比投影分割法在对数字区域的分割成功率上提高了13.5％;针对传统穿线法对数码管数字1识别度较低和机器学习算法运行用时较长的问题,提出一种基于六段数码管特征的改进穿线法与HOG+SVM方法相结合的数码管数字识别方法,该方法对数码管数字的识别准确率比传统穿线法提高了约4.5％,且平均运行时间仅为HOG+SVM方法的1/5.实验结果证明了这种方法在进行数码管读数时的可靠性和优越性.     

基于图像阈值优化及改进SVM的电表数字识别

针对电表出厂的校对和极端环境的测试工作，仍然需要人工检测电表是否出现内部元件错误或误差问题，提出一种基于图像阈值优化及改进SVM的电表数字识别方法。首先对图像使用边缘查找获取图像的显示区域，采用自适应阈值进行二值化处理，再对图像进行一系列的滤波处理，然后为进一步提取单个数字的图像，结合图像阈值优化，在保留数字图像特征值的前提下，去除多余的特征值，将显示区域图像划分成若干个单个数字图像。最后基于改进的SVM多分类识别模型进行0～9每个数字的训练，使用训练后的模型依次对单个数字图像进行识别。实验结果表明，对比经典的卷积神经网络模型对LED液晶数字的识别，基于图像阈值优化及改进SVM模型有着更快的识别速度和较高的准确率。     

数字图像轮廓特征提取过程研究

本文从数字图像处理角度出发,探讨了数字图像轮廓特征提取的一般过程,将原始图像进行灰度处理、平滑滤波、阈值分割、边缘检测等处理得到原始图像的二值黑白位图,提取出图像的轮廓特征.提取出来的特征可以用于进一步的图像识别、数学特征计算等研究,并给出常用方法下的提取过程和MATLAB环境下实现对照片中河流的提取.     

基于DCT直流系数的图像轮廓生成算法

为了实现对数字图像有效的传输、保存、检索、加密、恢复.经常对图像进行DCT变换,在分析DCT变换直流系数的特点和性质基础上,设计了一种用DCT直流系数生成原图像轮廓的算法.将原图像进行互不重叠的分块,对每个块进行DCT变换,比较各块直流系数与直流系数平均值的大小得到二值矩阵,用该二值矩阵构造的二值图像即为原始图像轮廓.如果在图像处理过程中对图像进行了分块DCT变换,其他数据丢失.只保留了各块的直流系数,可以生成原图像的轮廓,也可以生成原图像的缩小图像.证明了Dc系数二值化与平均像素二值化生成的原图像轮廓是一样的.     

利用轮廓分解和局部描述的二值图像检索

提出一种面向二值图像检索的形状分解和局部描述方法.对二值图像进行物体轮廓的提取,采用特定的方法对轮廓进行分解,得到轮廓的参考点集.利用轮廓的法线求取每一个参考点的对应弧线段,计算弧线段的特征并作为对应参考点的特征向量,从而原图像就被表示为特征空间中的特征点集.最后,采用点匹配的方法来计算图像之间的距离,实现二值图像的检索.实验结果表明,与目前已有的方法相比该方法具有较高的检索精度.     

基于iPhone手机的数字码实时识别与应用

根据苹果手机拍摄防伪标签数字实时识别的需要,针对防伪数字字号较小的因素和苹果手机因拍摄距离的原因造成的图像缩小、数字模糊、背景复杂等问题进行处理,提高识别精度。首先通过人工选取数字码区域,并进行背景数字分离,定位获取数字图像;其次采用灰度化和二值化得到黑白图像;然后通过投影对数字码图像进行分割,并对每个数字图像进行归一化、锐化和细化;基于统计学抽取数字码的特征,采用最近邻域判别函数进行数字码识别,取得很好的识别效果。     

基于轮廓波的数字图像水印算法

研究了第二代数字水印算法,为改善基于小波的数字水印算法不能有效保留图像几何特征的缺点,提出基于轮廓波(Contourlets)的第二代数字图像水印算法,在水印被加入之前,利用Contourlets变换,得到图像的多尺度和多方向上的子带系数,将这些子带系数矩阵做奇异值分解,将得到的奇异值排序,然后把要嵌入的二值水印图像嵌入到代表图像特征点的这些奇异值中.通过仿真得出:该算法简单有效,嵌入水印后的图像与原图差异小,水印提取准确,且对噪音、裁剪、滤波等图像处理方法具有较好的抵抗能力.     

一种新的二值图像目标轮廓跟踪算法

提出了根据方向记忆和动态权值确定下一边界点的二值图像目标轮廓边界跟踪算法。首先搜索轮廓内边界予以标记,并以该标记作为指导,结合上一边界点位置对搜索方向动态赋予不同权值,综合分析后得到下一轮廓边界点。由于采用内外边界的对照搜索,可以较好地过滤图像二值化引起的边界噪声。对于不封闭曲线,本算法也可通过一次扫描得到其轮廓信息。实验表明,该算法在轮廓边界提取速度和准确度方面都有较以往跟踪算法更好的性能,在搜索智能化和处理复杂轮廓方面也有更好的表现。     

印刷字符在线检测的预处理算法及试验研究*

根据票证印刷图像的特点, 提出了采用基于数学形态学的定向补全算法来解决运动模糊消除问题, 并采用最佳阈值分割算法来得到二值化图像以及采用轮廓投影切分算法进行字符区域分割, 进而完成了对在线采集印刷字符运动图像的预处理过程。同时, 利用VC ++6.0 实现了该算法, 并进行了相应的试验工作。     

票据字符识别的预处理算法研究

针对票据图像的特征, 本文提出了一种票据字符识别的预处理算法。采用基于方向投影的倾斜校正方法来调整图像的倾斜, 再经过最佳阈值分割得到二值化图像, 去除离散杂点后, 采用改进后的基于方向投影的方法进行字符分割。实验表明, 该算法能够满足快速准确的字符分割, 具有很强的抗干扰性和应用适用性。     

基于统计与结构信息的SAR图像水上目标检测

设计了基于图像分析理论，根据SAR图像特点形成水上目标轮廓的检测算法。该算法的实现分为3步：(1)基于数理统计的目标检测方法，形成目标区域；(2)用加权统计滤波算子和去除孤立点算法消除噪声，规范需要检测的水上目标；(3)提取目标轮廓。系统在不同的SAR图像上，取得了良好的检测结果。     

Snake活动轮廓在组织培养细胞分割中的应用

在组织工程培养细胞图像检测中，需要得到较完整的清晰轮廓线以获取生长信息。为了适应这种需求，提出了一种基于Snake算法自动边缘检测算法。应用基于小波的尺度独立边缘检测方法，可以得到简洁的边缘；采用形态学和样条拟合方法得到的单像素的边界作为Snake算法的初始轮廓，通过迭代和结合图像固定点的外部约束力使轮廓收敛到最终的边界。实验结果证明了该算法的可行性和有效性。     

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。     

轨道视觉检测系统中行程编码的应用研究

利用行程编码针对背景冗余计算的优化特性与交、并简便运算特点对二值图像形态学膨胀算法进行优化,并提出基于行程编码优化的形态学膨胀算法。利用算法对轨道轮廓二值图像进行形态学膨胀处理;依据优化前后的图像处理结果和速度进行对比分析。该算法能去除边缘毛刺与断线现象;轨道轮廓单帧图像经过优化处理后的速度提高5倍,轨道视觉检测系统的检测精度可提高到20点/m。     

基于轮廓与SIFT特征组合的商标图像检索

针对单一特征对商标图像描述的局限性,提出了一种基于轮廓和SIFT特征组合的商标图像检索方法。该方法对二值化的商标图像进行轮廓提取,采用规则算法对其进行轮廓分解,对分解的参考点集进行Fourier变换,将得到的Fourier系数作为参考点的轮廓特征。针对商标图像的尺度空间进行极值点检测,并对检测到的极值点进行特征描述,该特征描述即为商标图像的SIFT特征描述。最后,SIFT特征与轮廓特征进行特征融合,并将融合后的组合特征作为对商标图像的特征描述。     

基于平均邻域最大化的手势识别方法研究

根据人机交互中手势控制系统的要求,提出一种基于平均邻域最大化(ANMM)算法的静态手势识别方法。将获得的二值化图像轮廓归一化到固定的解析度,构成多维向量,使用ANMM算法对同质相邻与异质相邻向量进行训练,计算出投影方向矩阵。将样本降维处理后,计算其在降维空间内与同质相邻和异质相邻向量的距离,判别样本所属分类。实验结果证明,该方法对静态手势的识别率可达90% 以上。