一种适用于工程图的快速细化算法

依轮廓象素点是否可被剥离图像，设计了一种简明的图形细化算法。用该算法对工程图进行细化，能得到交叉点畸变较小的拓朴骨架。文中给出了该算法和另一细化算法的比较实验结果。     

一种改进型的汉字字符图像细化算法

针对一般的基于图像像素的八邻域进行分析的细化算法，容易导致汉字笔划产生畸变的问题。文中提出了一种改进的汉字字符图像细化的算法，该算法在图像像素的八邻域细化算法的基础上，分析细化结果中笔划畸变的主要情况，再分别加以修正。实验结果表明，该算法能够较好地纠正传统细化算法的畸变，处理速度较快。     

局部关联度最优的手写汉字骨架提取

目的 研究手写汉字图像时,骨架是最为常见的切入点之一。利用传统细化算法提取手写汉字骨架,容易在笔画交叉等情况复杂的区域产生形变。针对此问题,提出一种基于局部关联度的手写汉字骨架提取算法。方法 首先对手写汉字图像进行细化以获取原始骨架,按照端点、普通点和复杂点3种类别标注骨架点;利用8邻域窗口扫描相互连通的复杂点,检测并提取复杂区域;删除复杂区域,将原始骨架拆分为若干简单笔画段,形变部分在此过程中被一并移除;提取局部子段,根据笔画段间的方向差异程度和曲率变化程度,计算局部关联度;制定一种局部关联度最优的连接策略,对满足连接条件的笔画段进行插值补偿,从而修正形变,并得到完整的汉字骨架。结果 对于600个实验样本,从骨架直接检测复杂区域所得结果十分接近理想情况,而轮廓法所得数量是理论值的2.5倍;基于局部关联度重组笔画段,绝大多数形变得到修正,重组后的骨架符合真实拓扑结构;以标准骨架为参考,骨架提取准确率达到了98.41%。结论 局部关联度最优的手写汉字骨架提取算法,能够有效检测复杂区域,对形变具有良好的修正作用,提取所得骨架能够正确反映复杂笔画间的位置结构关系,是一种实用有效的骨架提取方法。     

有引导的汉字图像整形变换

在脱机手写汉字识别系统中,采用汉字图像的整形变换,可以提高手写汉字的识别率,特别是对于从网络中提取识别特征的识别方法,其识别率的提高是显著的,本文在研究现有汉字图像整形变换的基础上,提出了对汉字外缘流畅笔划的修整算法,提出了有引导的整形变换的基础上,提出了对汉字外缘流畅笔划的修整算法,提出了有引导的整形变换算法;即在整形变换之前,先对汉字图像的畸变形态及畸变程度进行预测及预处理,以便引导整形变换的     

一种改进型的汉字字符图像细化算法

针对一般的基于图像像素的八邻域进行分析的细化算法,容易导致汉字笔划产生畸变的问题。文中提出了一种改进的汉字字符图像细化的算法,该算法在图像像素的八邻域细化算法的基础上,分析细化结果中笔划畸变的主要情况,再分别加以修正。实验结果表明,该算法能够较好地纠正传统细化算法的畸变,处理速度较快。     

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     

一种快速的手写体汉字细化算法

快速并行算法是一种经典的细化算法,但其细化不全,可能产生斜线信息丢失。提出一种改进的快速并行细化算法,对手写体汉字进行细化可以得到很好的细化结果。实验结果表明,该算法细化全、速度快,解决了斜线信息丢失,交叉点不变形。     

基于汉字骨架手写识别算法分析

汉字识别是目前识别领域中的难题,而细化是其预处理第一步.研究了基于主曲线骨架提取算法和基于模板的Hilditch算法两种手写汉字识别算法.通过程序实现两个算法分析比较了两种算法对于不同质量的汉字图像骨架提取效果.实验表明前者的鲁棒性能好,能适合各种质量差的图像,但是算法还有待于优化,而后者在图像质量差的情况下细化效果很差,但是算法速度很快.     

手背静脉图像骨架特征提取的算法

手背静脉近红外图像识别是一种新的非接触式生物认证技术。对采集的手背静脉图像进行了增强处理。对二值化图像采用四邻域区域生长的方法，去除噪声斑块。对处理后的静脉图像采用了一种快速细化的细化算法。分析和解决了细化后特征点——交叉点的提取。针对细化后骨架中所引入的另一类噪声——毛刺和静脉图像细化后的特点，提出了一种毛刺修复算法。实验结果表明，经过该算法处理后得到的骨架图像，能够较好的反映静脉纹理特性。     

基于模糊区域检测的手写汉字笔画提取方法

针对手写汉字笔画提取的重点和难点--模糊区域的识别和解析问题,提出了一种新的基于模糊区域检测的笔画提取算法.该算法首先利用细化算法提取的fork候选点和fork候选点附近的轮廓信息来检测模糊区域;然后利用图模型来对子笔画和模糊区域进行建模,同时通过构造贝叶斯分类器来分析子笔画对的连续性,并通过路径搜索来得到子笔画序列;最后通过进行B样条插值来提取细化后的笔画.对比实验结果表明,该算法不仅能够有效地用于模糊区域检测和笔画提取,而且能够避免细化结果在模糊区域内的形状畸变.     

基于结构聚类和笔画分析的粘连手写汉字切分

粘连手写汉字的切分是手写汉字切分中亟待解决的问题之一。因此,针对粘连手写汉字提出一种新的切分算法。该算法首先通过寻找分界线的方法来提取粘连笔段,分界线的位置是通过粘连汉字骨架图像的聚类和笔段端点类属可信度的信息来确定的。然后提取粘连笔段并对其进行分析和类型（直线或曲线）判定,从而确定切分点及切分方向。最后利用背景细化算法找到分割曲线。该算法不仅能够很好地适用于两个粘连汉字宽窄不一、含有多个粘连点等粘连情况,而且具有良好的抗噪声效果。     

改进的脱机手写体汉字细化算法

在手写体汉字识别中,细化是关键的步骤.数学形态学细化方法是近年来汉字细化采用的主要方法.细化效果的好坏取决于结构元素的选取.在对细化算法进行大量分析的基础上,针对手写体汉字的特点对原有算法的结构元素进行了改进,细化的对象由原图像改进为归一化后图像,文中算法使用了23组汉字,每组100个汉字进行实验.实验表明,改进后的算...     

改进的EPTA并行细化算法

为了解决现有细化算法中像素冗余、分叉、畸变等问题,在ZS（ZHANG和SUEN）并行细化算法的基础上增加了两个映像子过程,获得了更加接近中心线的骨架图像;通过增加判决条件并设计消除模板,提出了一种改进的EPTA并行细化算法,解决了EPTA细化算法的像素冗余、二像素宽度斜线细化局限性畸变等问题。实验结果表明改进的EPTA细化算法能得到更准确的完全细化结果。     

基于HMRF的改进Kmeans脑肿瘤分割算法

为了解决磁共振成像脑部肿瘤区域出现误识别及对脑MRI图像中的肿瘤部位分割时出现的不确定性等问题，提出一种改进的Kmeans算法与隐马尔可夫随机场模型（HMRF）相结合的分割方法，对脑肿瘤图像实现精准分割。首先将Kmeans算法的欧氏距离替换成曼哈顿-切比雪夫距离并用改进后的Kmeans算法对待分割图像进行初始参数估计和初始分割，然后通过HMRF理论获得图像的空间信息，并结合EM算法对聚类中心进行更新，获得更为准确的聚类中心，从而提高算法的分割性能。实验结果表明，该方法具有良好的脑部肿瘤分割性能效果，其中Dice系数和Jaccard系数的平均值分别达到了0.9289和0.8725。     

基于骨架点分布规律的汉字笔段提取算法

提出了一种提取汉字笔段的新方法。从形态学骨架算法生成的骨架点出发,通过分析骨架点的半径分布及不同半径骨架点的位置,发现了笔段提取中产生的毛刺和畸变与骨架点半径之间的规律,进而以此规律为基础提出了一种克服毛刺和畸变的汉字笔段提取方法,最后给出了手写体和印刷体汉字笔段提取的实验结果。实验表明,该方法是行之有效的。     

一种新的地形图汉字注记自动提取算法

地形图中包含大量的汉字注记,为了实现地图要素自动识别,首先要将文字正确地提取出来。该文通过对汉字特征的分析,提出了一种新的汉字提取算法。首先根据地图图像的特点进行骨架运算,利用形态算子对汉字笔画进行分解,最后实现对汉字注记的笔画统计提取。该算法较好地解决了字线粘连、旋转等情况下的汉字提取问题,具有良好的稳定性。     

一种适用于嵌入式环境下的手写汉字分割算法

汉字分割是连续手写汉字识别的关键问题之一,现有多数汉字分割算法需要对笔划结构进行分析,由于汉字具有复杂的结构和不同的书写风格,因此往往计算量偏大.针对嵌入式系统处理能力和内存资源相对较少的特点,介绍了一种基于笔划连通域和字符投影的手写汉字分割算法,以连通域为单元实现连续汉字的分割,不用考虑连通域中所包含笔划的结构和风格,降低了计算量.     

基于Hadoop的并行聚类算法的研究

本文介绍了Hadoop平台下Map Reduce的并行编程框架,分析了传统Kmeans聚类算法的优缺点,提出基于Canopy的Canopy-Kmeans聚类算法。使用Canopy聚类先对数据进行＂粗＂聚类,以优化Kmeans聚类算法初始聚类中心的选取。选用Map Reduce并行编程方法。实验表明该方法相对于传统Kmeans聚类算法有着更高的计算效率。     

常见细化算法在手写体汉字识破别中的应用与比较

本文介绍了4种常见的细化算法，并将它们应用于脱机手写体汉字识别系统中，同时比较了它们的算法复杂度和相对应的识别率。根据实验结果，我们认为索引表细化算法较适合于脱机手写体汉字识别。     

脱机手写汉字中叉点精细化的改进算法

提出了一种新的脱机手写汉字中叉点精细化的改进算法。它主要是在提取了手写汉字骨架之后，用Rutoviz相交数得到特征点。在此基础上进行叉点精细化的算法。该改进算法以最大圆规则为基础，结合实验中发现的问题，增加了新的规则，使叉点结合的错误率几乎为零。从而进一步提高了脱机手写汉字识别的正确率。