基于组合的尿沉渣粘连细胞分割算法的研究与实现

在尿沉渣图像中经常会出现细胞重叠和粘连的现象。将粘连的细胞分离是尿沉渣自动检测系统中一项重要而困难的任务。针对这一情况,提出一种基于组合思想的分割算法。该算法首先利用改进的自适应阈值分割算法结合形态学处理对细胞进行定位得到子图像,然后再利用基于距离变换的分水岭算法对子图像进行粘连细胞分离。实验结果证明,该算法能准确、稳定地分割尿沉渣粘连细胞。同时,该算法明显地提高了尿沉渣自动检测系统的性能。     

基于条件随机场的低图像质量车牌字符分割

提出一种基于条件随机场的车牌字符分割算法,能够对光照不均、相机拍摄角度造成的低图像质量的车牌图像,特别是日益增多的车牌边框与字符相连接车牌图像进行有效的字符分割。算法首先进行车牌图像校正,然后利用标注车牌数据进行模型学习,对车牌图像像素列进行分类识别,最后组合成车牌字符分割结果。理论分析与实验结果验证了算法的有效性。     

基于数学形态学的模糊集理论在车牌字符识别中的运用

为了更加高效地利用模板匹配的方法实现对车牌字符图像的识别,结合数学形态学和模糊集理论,提出基于数学形态学的模糊模板匹配方法。首先,对于二值图像的每个像素点及其8-邻域,以赋权的方式刻画中心像素点隶属于字符的程度;其次,加4×4窗口选取代表点,并有重叠地遍历整个字符图像,以构造字符图像的模糊隶属度矩阵;进而运用海明贴近度计算待识别字符的归类,实现对字符的识别;最后,使用Matlab对模糊模板匹配方法进行编程,并在实际字符图像中测试识别效果。与传统模板匹配方法相比较,测试的结果表明,车牌字符的识别准确率得到了显著的提高。     

基于特征模糊推理的形态学颗粒分割算法

针对粘连或重叠颗粒图像的分割问题,提出了一种基于特征模糊推理的局部形态学重构参数计算方法,对传统的距离变换结合分水岭的算法进行了改进。在传统距离变换结合分水岭方法的基础上,将颗粒图像划分成若干连通区域,每个连通区域单独处理,使用形态学局部重构的方法抑制分水岭的过分割现象。通过对距离图像连通区域极大值进行统计分析,提取该连通区域的颗粒形态特征。将颗粒形态特征作为模糊输入,重构参数特征作为模糊输出,使用模糊推理方法自适应地计算重构参数,解决了重构参数选取的不确定性问题。最后对重构图像进行分水岭变换得到颗粒分割图像。实验结果表明,该方法对各种粘连状态的颗粒分割效果良好,克服了传统方法的过分割与参数自适应选择的问题。     

车牌字符识别的预处理算法

文章介绍了车牌图像的二值化和字符分割算法。提出了一种图像二值化的改进算法,应用简单统计法及Roberts边缘检测算子,在具有噪声以及灰度不均匀的复杂背景中提取出待识别的字符,同时运用数学形态学进行二值图去噪。最后讨论了基于投影法的车牌字符分割方法,取得了较满意的结果。     

标牌粘连字符自适应定位分割重建识别算法

针对仪表标牌上一些字符间距较小,传统分割方法不准确,字符识别率不高的问题,提出了一种标牌粘连字符自适应定位分割重建识别算法。首先对标牌图像进行中值滤波、二值化等预处理;其次运用数学形态学方法对预处理后的图像进行开运算及腐蚀,将字符间一些无用的信息去掉,增大字符间距;继而通过形心算法找出每个字符的几何中心坐标,并通过Sobel边缘检测算子根据几何中心坐标获取每个字符边框,建立ROI,再返回标牌原图利用已经建立的ROI从中分割字符,在分割的每个字符后加5像素宽的矩形间隔条后重建字符图像,再进行OCR字符识别。经过对993块标牌进行字符识别实验,算法的识别率达到95.7%,表明文中算法是对标牌字符识别的一种有效算法。     

基于改进SCW的道路标志牌字符定位算法

本文提出了一种快速的基于改进SCW的道路标志牌字符定位算法。首先采用改进的自适应图像分割方法SCW对输入图像进行分割,然后对所得二值图像进行连通区域分析,获得斑块信息。最后根据一系列判决标准得出道路标志牌上字符的最终位置。实验结果显示该算法具有很强的准确性和鲁棒性。     

基于改进FCM聚类算法的维吾尔文字图像分割

研究维吾尔文字图像分割问题,针对传统的FCM聚类算法对维吾尔文字符图像分割时相邻域的信息未能考虑,故容易造成其对维吾尔文字符图像分割时的缺陷和干扰问题,为解决上述问题,提出了一种改进型FCM聚类算法的维吾尔文字符图像分割的方法。首先通过多尺度图像锥建立了其聚类算法,减少维吾尔文字符图像分割时的数据大小,进而一步降低了维吾尔文字符图像分割本身的计算量,然后通过空间信息的引入,使干扰噪声信息被屏蔽,从而提高维吾尔文字图像聚类分割的抗干扰能力。仿真结果表明,算法更容易提高维吾尔文字图像分割效果,准确分割出维吾尔文字区域,提高了识别精度,优于一般的FCM聚类算法。     

复杂背景下的粉笔数字字符自动提取方法研究*

根据粉笔字符背景复杂、断笔、残笔、手写字符粘连、重叠等特点,提出了一种复杂背景下粉笔数字字符自动提取方法。通过数字区域定位,获取局部图像并进行二值化;通过数学形态学处理,解决二值化结果中的断笔、残笔等问题;通过改进滴水算法,对粘连字符进行切分,获取单个字符。最后,以板坯号识别为例,开发了板坯号自动识别系统,并成功地应用在板坯的生产过程中,证明了其有效性。     

基于数学形态学边缘检测的车牌字符分割算法

汽车牌照字符分割是车牌识别过程中的关键步骤,直接影响到字符识别的效果。传统的方法对车牌图像质量要求较高,且抗干扰能力较差。提出一种基于Renyi熵和数学形态学边缘检测的车牌字符投影分割算法,首先用二维Renyi熵最大阈值法对车牌图像做二值化处理,然后用形态学腐蚀运算进行边缘检测,再去除车牌边框,最后通过投影分割提取车牌字符。仿真实验表明,基于Renyi熵最大阈值法和数学形态学边缘检测车牌图像预处理使得车牌字符边缘清晰,降低了噪声的干扰,有利于进行字符投影分割。该算法分割速度快,鲁棒性好,可获得比传统方法更好的分割效果。     

基于自适应尺度边缘特征的建筑施工图重叠字符识别方法研究

目前非重叠字符的识别技术已趋于完善,但难以识别建筑工程图纸标注等场景中的重叠字符,阻碍了基于二维扫描图纸的自动建模技术的突破。针对传统字符识别方法无法识别重叠字符的现状,提出了一套基于自适应尺度边缘特征的建筑施工图重叠字符识别新方法。基于像素空间分布特征初步确定重叠字符区域,定义并提取字符的自适应尺度边缘特征;借助双变量匹配概率函数筛选“位置+内容”的结果组合,并以全局最优原则代替绝对阈值作为识别标准,最终输出正确的识别结果。不同于先修复后识别的常规思路,该方法将特征匹配与干扰过滤相结合、字符定位与字符识别相关联,能解决百度等成熟商用 OCR 无法解决的重叠字符识别问题,且经数据实验证实具备较高的识别准确率。     

面向车牌字符分割的图像预处理方法研究

车牌字符分割是车牌识别系统中的核心步骤,而车牌预处理的效果直接关系到分割的准确率。针对传统基于灰度图的预处理方法难以消除由拍摄硬件和成像环境造成的干扰特征,提出一种基于R通道和灰度拉伸的车牌图像预处理方法。该算法将原始图像以R通道的数据表征,抑制车牌成像的干扰特征,提高了字符与背景底色的区分度;为了进一步增强图像的对比度,提出改进的灰度拉伸算法,有效分离字符和背景。为验证提出的预处理算法对字符分割的效果,引入一种基于投影和模板匹配的分割算法,实验表明,该算法不仅改善了污损车牌的成像效果,同时也有效提升了分割准确率。     

一种利用灰度信息和二值信息的手写字符分割

在字符识别系统中，字符的有效分割是识别的关键。该文描述了一种两阶段的手写字符分割方法。根据字符倾斜角度将原字符串图像划分出若干个形状不规则的区域，每个区域含有一条分割线；针对现有分割方法的某些局限性，提出采用字符图像灰度信息和二值信息相结合的方式来求取分割区域中的分割路径。实验结果表明了该方法对于手写字符分割的有效性。     

粘连手写体数字串的分割

本文提出了一种分割单一连接的手写体数字串的方法，粘连的数字为标准的、经预处理的字符图像，并在检测特征点之前已经细化。检测潜在的分割点基于图像中的深度／高度／垂直度估算的判决线，以精确测量分割路径，然后应用于数字的分割。实验采用NIST数据库19、CEDAR CD-ROM取得结果。经与其它文献中提到的方法，并从收集的图像比较中可以看出，我们的算法可获得96％的识别率。     

基于VC^＋＋的车牌识别系统关键技术研究

车辆牌照识别（LPR）系统是一个专用的计算机视觉系统，LPR系统的广泛应用将有助于加快我国交通管理自动化的进程。本文对车牌识别系统中的图像预处理、车牌定位、字符分割和字符识别等环节涉及到的技术、算法以及系统整体设计作了全面的论述，并与已有方案进行了比较，对部分关键算法进行了设计和改进。用采集到的40多幅汽车图片作为实验样本数据，用纯软件的方法实现了车牌字符的自动识别。     

基于图像的车牌识别

基于图像的车牌识别是图像识别领域的重要研究课题之一。本论文采用MATLAB编程实现该车牌识别系统,综合使用多种方法提高系统的有效识别能力。首先,对图像进行预处理。其次,采用了一种结合字符边缘和形态学的车牌定位算法。接着,根据分割出的车牌区域,采用一种水平和垂直投影相结合的车牌字符分割法,完成单个字符的分割。最后,运用模板匹配的方法实现字符识别。     

基于神经网络和支持矢量机的多机动车车牌在线检测方法

针对道路交通多车牌识别问题, 提出了一种快速鲁棒的多车牌检测识别方法, 包括多车牌检测和车牌字符识别两部分:构造BP (Back-Propagation)神经网络模型用于颜色识别, 结合图像形态学运算方法, 筛选候选车牌目标, 基于支持矢量机从候选车牌目标中判别真正的车牌目标; 通过轮廓尺寸判断, 并结合车牌尺寸特征, 依次分割提取城市代码字符块、省份代码字符块及5位机动车编码字符块, 最后基于BP神经网络识别字符块内容.基于上述原理, 开发了鲁棒的多机动车车牌自动检测识别系统, 并在真实场景中进行了实验测试, 结果表明: 1)车辆在正常速度行驶条件下, 系统依然可以保证90%以上的车牌检测识别正确率; 2)系统可实现同时多车牌检测识别; 3)文中实验硬件配置下, 系统单幅图像检测识别平均时间低于130 ms, 处理频率约8 Hz.     

汽车牌照的字符分割与识别

根据汽车牌照字符与背景的特点，提出了一种自适应的二值化方法，这种方法首先把图像分割成块，进而根据每小块中的前景的灰度更加接近小块中灰度最大值的特点，选取一个比较高的域值，然后根据原图像的灰度值对得到的图像进行区域增长，最后得到的二值图像既可以完整再现字符，同时可以消除背景中亮度较高的点；另外讨论了结合汽车牌照的几何尺寸的字符分割办法，详细阐述了横向穿越变化数和字符的横竖编码这两个新的特征的提取过程，最后给出了一种新的多级分类的规则，讨论了这种多级分类的实现算法，实验表明这是一种行之有效的分类方法。     

一种机读旅行证件信息自动识别方法

分析了旅行证件信息自动识别的特点,提出了一种针对机读旅行证件图像特点的信息自动识别方法,包括基于连通区域分析的机读码区域定位、基于线性拟合的机读码区域图像倾斜校正、基于先验知识约束的自适应字符图像分割以及基于字符结构特征分析的字符识别等四个主要步骤。并在此基础上实现了签证信息自动识别系统。实验表明该方法对旅行证件信息进行自动提取和识别具有较好的效果。     

面向无监督分割的双分支上采样域自适应网络

工业应用中,表面压印字符图像全监督语义分割将会给企业带来高昂的数据集标注成本,针对该问题,提出了双支路特征融合的域适应分割方法（dual-branch feature fusion domain adaptation,DbFFDA）。借鉴U-Net的跨层连接设计思路,提出了双分支上采样结构的残差域适应分割网络（residual adaptation network,Res-Adp）;同时提出了融合特征输入用于提升网络分割性能,克服了字符缺失的问题;此外,提出了分割连续性损失函数LCon,抑制了分割图像中噪点的产生。在石墨电极表面压印字符无监督分割实验中,所提方法MIoU值可达69.60%,实际分割效果已基本满足字符识别需求,有望在特定工业场景中投入实际应用,为企业节省数据集标注成本。