An analysis of the transition proportion for binarization in handwritten historical documents

In this paper, we will present a mathematical analysis of the transition proportion for the normal threshold (NorT) based on the transition method. The transition proportion is a parameter of NorT which plays an important role in the theoretical development of NorT. We will study the mathematical forms of the quadratic equation from which NorT is computed. Through this analysis, we will describe how the transition proportion affects NorT. Then, we will prove that NorT is robust to inaccurate estimations of the transition proportion. Furthermore, our analysis extends to thresholding methods that rely on Bayes rule, and it also gives the mathematical bases for potential applications of the transition proportion as a feature to estimate stroke width and detect regions of interest. In the majority of our experiments, we used a database composed of small images that were extracted from DIBCO 2009 and H-DIBCO 2010 benchmarks. However, we also report evaluations using the original (H-)DIBCO?s benchmarks.     

基于形态学和小波变换的Otsu提取缺陷

为了解决经典Otsu法对复杂图像分割的不足,提出了一种新的分割算法来提取零件的表面缺陷,将形态学和小波变换理论应用到Otsu算法中。该算法采用两次分割,分别为将零件从背景中分割出来以及将缺陷从零件中分割出来。算法首先采用形态学中的顶帽变换和底帽变换相结合将零件从图像背景中分离出来,得到目标图像;然后选择单层小波系数分解目标图像,再将分解后的图像进行低频重构,去除冗余信息和噪声;最后分别应用一维和二维Otsu算法将缺陷从低频重构后的图像中分割出来。实验证明,所提出的算法较经典的一维和二维Otsu算法,具有分割精度高、抗噪性能强的优点,并且改进后的一维Otsu算法要优于改进后的二维Otsu算法。     

基于微粒子群理论的二维最大类间方差阈值分割算法

针对传统二维最大类间方差(Otsu)阈值分割算法处理红外图像耗时的缺点,提出了一种应用微粒子群理论的二维Otsu阈值分割算法.该算法利用粒子群理论的群体智能的特点,通过优化得出粒子的个体极值和全局极值,并根据这两种极值来更新粒子的位置和速度以获得最佳的分割阈值向量.通过对算法中惯性权重和学习因子的讨论确定了最佳的参数选择方案.仿真结果表明,该算法计算准确,流程简单,其运行时间仅为原始算法的5%左右,是一种快速有效的图像阈值分割算法.     

利用提取边缘线的方法定位条形码

为解决基于图像处理方式识别条形码的问题,提出了利用图像边缘线来有效且快速定位条形码的方法。该方法首先用大津法对原始灰度图像获得一个阈值,并对图像中灰度小于此阈值的像素进行隔行隔列处理,提取边缘线。然后将图像分割成大小相等的水平条,依据质心的位置和水平条中边缘点的数量分布确定起始条。通过已知的离散直线中小阶梯最下端的边缘点来拟合直线,并得到直线倾斜角度。仿真实验比较了Sobel算子边缘检测方法和该方法提取边缘线,以及用检测直线的Hough变换方法和该方法进行直线拟合的处理效果和运行时间,结果表明了所提出算法的有效性、快速性和可靠性。     

基于直方图加权的半模糊聚类

通过分析影像数据的特点,利用直方图的统计特性,结合HCM收敛速度快的优点,提出了一种基于直方图加权的半模糊化的聚类算法,此方法结合了全局与局部信息,提高了聚类的速度,改善了聚类的效果;采用Lena和脑影像实验与传统算法作比较证明了该算法的效果更好,并对一副97 658k的影像进行处理,证明了该算法效率高。     

最大类间方差算法在运动检测系统中的应用

在运动检测系统中,快速有效的图像分割是必不可少的一个环节。最大类间方差法是一种常用而有效的图像分割算法,并已在许多实时系统中采用。为满足系统对实时性的要求,采用Altera公司的Cyclone II 系列的FPGA实现最大类间方差算法。采用Verilog语言对算法实现建模,并在Quartus Ⅱ平台进行了仿真验证。实验结果表明,该设计能够快速有效的得到阈值,并能有效保护模糊目标的作用。     

基于数字图像处理的非织造布均匀性检测

为测量薄型非织造布的均匀性,采用数字图像处理技术,通过目标区域提取、中值滤波及Otsu二值化等操作,对图像进行预处理,再对图像进行分块后分别计算各块的纤维覆盖率,最后计算出变异系数,并与取样称重法的结果进行比较。结果发现:图像分析法的结果与取样称重法的结果具有高度的趋势一致性;通过阈值校准之后,图像分析法结果与取样称重法结果非常接近,这验证了图像分析法的有效性;此外,相较于取样称重法,图像分析法效率提高了50倍,高效、准确。     

基于Otsu法自适应阈值的图像分割研究

概述了基于一维Otsu 和二维Otsu 双门限的阈值分割法,提出了基于像素邻域平均灰度的改进的一维Otsu 多门限分割方法,兼有准确性和快速性的优点,并应用于MRI脑图像,实现了多个目标的自动分割,与普通的一维Otsu 法相比具有更好的分割效果.     

改进梯度和自适应标记提取的分水岭新算法

为了克服分水岭算法的过分割问题,提出了一种基于改进形态学梯度和自适应标记提取的分水岭新方法。用两组结构元素进行梯度计算;对重构后的梯度图像用Otsu算法提取标记;用h-minima变换修改标记图像,将各尺度下标记点的并集作为最终的标记图像;对修改的梯度图像进行分水岭变换。实验结果表明：与传统分水岭算法相比,该算法对于改善过分割现象有明显的效果,能够获得具有实际意义且更合理的分割区域。     

弱边缘电荷耦合器件羊毛图像二值化算法

为解决弱边缘图像二值化产生羊毛几何尺寸失真问题,通过对基于灰度和梯度指数的边缘细化算法研究,结合经典的全局阈值法和局部阈值法,提出了一种电荷耦合器件（CCD）羊毛图像自动二值化算法。该算法将sobel算子和斜坡边缘模型引入现有边缘细化算法中,既增加寻找边缘点环节又改进灰度调整因子,达到提高处理效率和避免人为干预的目的;在分析最大类间方差法和Bernsen法的基础上,结合全局和局部阈值处理各个子图像,从而强化边缘细节,降低失真度。实验结果表明,与传统方法相比,该算法对于弱边缘图像二值化具有良好的性能。