一种基于神经网络的图象细化算法

本文将细化处理作为一种识别过程看待,对每一个图象象素要么指定为骨架点,要么指定为非骨架点,利用神经网络理论中的多层感知器模型,实现了基于神经网络的图象细化算法,该方法具有很强的抗噪声能力并能提高运算速度。     

一种实用并行细化算法及其实现

介绍一种实用并行细化算尘,对细化模板和细化条件作了分析,实验结果表明,该细化算法获得取的图象骨架不仅避免了过度腐蚀,还具有良好的连通性。     

手写体数字的快速细化算法

本文针对手写体数字的二值化图象提出了一种快速细化算法。本文基于一般的剥离技术,在连通性判别准则,边界点检测、扫描方式等三个方面提出了新的观点和改进措施,使本算法比现有的一些算法快两倍以上。该算法在IBM-PC/XT上用Pascal语言编程实现,具有如下的细化速度,一幅26×45的二值图象(笔划宽度3～5个象素宽)需0.28s的处理时间。文中给出部分实验结果。     

一种新的指纹图象细化算法

针对ＯＰＴＡ细化算法存在的不足,即细化不全,速度较慢的缺点进行分析和研究,提出了一种新的细化算法,该算法速度快,细化全,细化后的指纹骨架在纹线中心线,且光滑无毛刺。     

一种串行并混合处理细化算法

数字图象处理中有一种基本方法，即提取二值图象线状特征。通常，算法不同处理的结果就有差异。本文结合已有的算法，提出一种串并行混合处理细化算法，为说明细化效果，文中给出了一些处理结果。     

二值字符图案细化的一种算法：———神经网络算法

为了识别二值图案,常常对它先进行细化处理,本文提出了基于神经网络的细化处理算法。首先,讨论了图案细化所用的ＢＰ网络结构,确定其结构为８－１０－４;然后,利用ＢＰ神经网络的分类识别特性来识别图案的边缘点,从而达到最否删除它的目的;最后,描述了字符的ＢＰ网络细化算法,并给出了图案细化的结果,得到的结果扭曲程度很小,并且比较光滑。     

一种快速手写汉字细化算法

改进了Hilditch经典细化算法,将串行算法转化为并行算法,并引入一组删除模板和一组保留模板。改进后的算法细化速度快、且能获得效果优良的中心骨架。文中对算法进行了描述,并通过具体实例说明了算法的有效性。     

一种保形的快速图象形态细化算法

骨架是一种重要的图象目标几何特征,对不同形状的图象目标,如何快速地获得其非畸变骨架,是进行图象目标的形状分析、特征提取、模式识别等应用的前提。基于数字形态学的形态细化是获取图象目标骨架的有效细化方法之一。它采用具有一定形状的预定义结构元素,对图象进行形态薄化运算,仅需进行移位和逻辑运算就能完成。但是形态细化一般使用序贯细化算法,在每次细化迭代过程中,只能采用单一的结构元素对目标进行薄化,因此存在关     

一种新的指纹图像快速细化算法

针对快速并行细化算法存在的不足,即细化不全、不光滑、毛刺等缺点进行分析和研究,提出了一种新的细化算法,该算法速度快、细化全,细化后的指纹骨架在纹线中心线,且光滑无毛刺,不会产生断线,实验结果非常好。