基于光照影响因子的动态Niblack算法研究及应用

为解决钢板喷印字符图像存在的字符拖尾和光照不均匀导致的字符图像二值化效果差的问题,提出一种基于光照影响因子的动态Niblack算法。在Niblack算法的基础上引入光照强度项,降低光照不均匀带来的影响;定义灰度阈值中各项的动态系数,减少目标点和背景点的误判,获得良好的二值化效果;结合Otsu算法得到全局阈值,以全局阈值对算法的灰度阈值进行修正,加强二值化图的局部联系,提升二值化字符的连贯性。通过与Niblack、Sauvola等多种算法的对比,验证了该方法的可行性。     

亮度不均匀低质量图像中压印字符分割方法

字符分割效果,直接影响识别精度。在处理亮度不均匀低质量图像中的压印字符时,由于亮度分布不均匀、目标字符与背景区域对比度较低,传统基于二值化图像的字符分割方法在处理上述情况下的压印字符时,难以确定最优二值化阈值,分割准确率较低。提出基于分割效果评价函数的迭代闭环反馈分割方法,通过建立评价函数对分割效果进行评估,以提高分割效率及准确率。借助加权平滑滤波,去除灰度波形图中的畸变波形;并利用广义学习矢量量化算法,确定最优滤波权重因子;通过分析波形变化趋势,确定字符分割位置。实验结果表明,该算法在批量处理亮度不均匀低质量图像中的压印字符时,分割准确率可达98.5%。     

基于灰度多值化的身份证号码识别

为了方便警察在公共场所核对居民的身份证信息,实现身份证号码的自动识别,提出了一种基于灰度多值化的身份证号码识别方法。该方法的思想是先找到身份证的四条边缘在图像中的位置,根据身份证号码所处区域在身份证中是固定的,可以定位到身份证号码所在区域;采用投影法分割出身份证号码单个字符;将单个字符灰度图像进行多值化处理,提取字符的网格特征,利用模板匹配法识别出字符。该方法不仅能快速地识别出号码,而且对于比较模糊或亮度不均匀的图像也能准确地识别。     

基于聚类与边缘检测的自然场景文本提取方法

为了解决复杂自然场景、光照不均匀及背景纹理丰富图像中文本的有效提取,提出一种基于K-means聚类与边缘检测结合的自然场景文本提取方法.该方法通过改进K-means聚类算法,实现文本区域的分割;然后对分割后的图像进行二值子图分解,将分解后的各子图像的连通区域进行标记与分析,得到候选的字符区域;最后利用文本区域的边缘特征对候选字符区域过滤,实现文本字符的提取.实验结果表明,该方法能有效提取出复杂背景、光照影响及背景纹理丰富图像中的文本字符区域.     

基于嵌入式Linux和OpenCV的车牌定位方法

针对光照不均匀图像中的车牌定位问题,提出一种基于嵌入式Linux和OpenCV的车牌定位方法。根据车牌特征,分别在HSV和RGB颜色空间对原始图像做直方图均衡化、二值化等预处理,得到两幅二值图像;根据字符跳变规律,在HSV颜色空间得到的二值图像中定位含有车牌的候选区域,在RGB颜色空间得到的二值图像中逐个提取候选区域并进一步确定车牌边界,从而提取车牌。实验结果表明,该方法能够对复杂背景和光照不均匀时的车牌图像做准确定位,在抗干扰性和灵活性两个方面性能均有显著提高,具有一定实用价值。     

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。     

复杂背景和非均匀光照环境下的条码自动定位和识别

提出了一种在复杂背景和非均匀光照环境下的条码自动定位识别算法,用于定位和识别实际应用中的条码图像.该算法首先将灰度图像分成若干个子区域,根据每个子区域的梯度特征和角点特征筛选出可能含有条码的子区域,对这些子区域采用连通区域算法进行合并和分析,定位出条码区域.由于传统的二值化方法对于非均匀光照环境下的条码图像处理效果不佳,提出一种改进的Bernsen二值化算法对条码区域进行二值化处理,有效地减小了光照不均对条码识别的影响.实验结果表明,该算法可以有效去除大量复杂背景,准确定位和识别任意角度的条码区域.特别在非均匀光照环境和含有大量文字等复杂背景的情况下,该方法具有明显优势.     

一种自适应烟标字符提取方法

针对印刷质量不高、背景复杂的烟标字符难以提取问题,提出了一种自适应的烟标字符提取算法.通过对单通道烟标图像进行背景重构后,根据支持向量机中得到的训练模型自适应选取最优二值化方法;提取标准轮廓定位字符区域;结合标准轮廓,同时根据最优二值化图像投影直方图进行烟标字符提取.经过实验验证,该方法能够自适应地选择最优二值化方法,字符提取精度可达到90％以上,同时原理简单、鲁棒性强并便于硬件实现.     

铸件DR图像工件号的增强和分割

铸件DR(DigitalRadiography,数字化X射线照相)图像中工件号的识别对提高检测信息录入的自动化程度具有重要意义。由于受铸件厚薄不均等因素的影响,某些铸件DR图像字符区域存在字符与背景区分不明显等问题。要正确识别出铸件的工件号,必须对图像进行处理。采用加性模型消除字符与背景区分不明显的影响,gamma校正调整图像灰度范围,可增强对比度,获得适宜于二值化的增强图像。改进基于二次边缘提取的二值化算法,用于对铸件DR字符图像的二值化,可以减少笔画断裂问题,得到良好的二值化字符图像。字符分割采用小波变换提取图像列和的突变信息,从而确定字符间隔,能够完整地分割出每个字符。对实际的铸件DR图像进行实验表明,研究的方法获得了良好的效果,为铸件DR图像的工件号自动识别做好了准备。     

CIS采集纸币图像的冠字符处理

针对纸币冠字符识别过程中,用接触式图像传感器(CIS)获得的图像不如扫描图像清晰,同时由于不均匀光照和对焦不准等问题,所以如何将待识别的有效信息进行提取是实现冠字符自动识别的关键。提出一种解决办法,首先使用同态滤波去掉不均匀光照的影响,然后使用改进的Bernsen算法对图像进行二值化。实验结果表明了此算法的有效性,使用该算法能有效地克服不均匀光照的影响,二值化效果良好。     

集装箱箱号字符识别算法研究

针对集装箱箱号图像中存在的光照不均、箱号的偏转和倾斜等因素,着重研究箱号字符识别中的关键技术问题。对于箱号图像光照不均问题,采用一种改进型的差分边缘检测粗定位算法;利用改进的最小二乘法有效地解决箱号偏转难以精确定位问题;运用基于梯度下降投影字符矫正及分割算法,实现对倾斜箱号的校正与分割;采用BP神经网络进行字符识别。对1?050幅不同条件的拍摄图像进行实验,结果表明上述算法相对于传统算法与深度学习算法,综合识别率明显提高,且符合实时性要求。     

基于投影法和Caffe框架的身份证分割算法

身份证的识别关键在于对身份证字符良好的分割提取,对身份证图像进行预处理,其中包括：图像矫正、增强、分块处理。结合行列投影、身份证先验知识和Caffe框架实现对身份证图像的分割。该分割方法有效地解决了数字和汉字混合的分割难题,取得了较好的分割效果,提高了字符分割准确率。     

特殊条形码的识读

主要通过对卡片侧面有用信息的识读,克服因光照不均、摄像头分辨率有限等问题,所带来的条码分割以及识别的困难,利用图像处理中几何校正、双线性插值放大、去噪等算法,以及对条码的分割定位,从而判断出卡片正面的信息,很大程度上提高了条形码识别的准确率,实验证明该方法有效并准确地识别出了卡片的正面信息,达到了较高的识别率,具有一定的实用价值,为今后条码的识别开拓了一个新的方向。     

高斯尺度空间下估计背景的自适应阈值分割算法

为有效分割非均匀光照图像,提出一种在高斯尺度空间下估计背景的自适应阈值分割算法. 首先,利用二维高斯函数对待处理图像进行卷积操作来构建一个高斯尺度空间,在此空间下进行背景估计,并采用背景差法来消除非均匀光照干扰,从而提取出目标图像;然后,采用 矫正进行增强处理以突出较暗目标信息;最后,经强调谷底的最大类间方差法进行全局分割得到最终结果. 为验证算法的有效性,对非均匀光照条件下文本图像以及非文本图像进行了测试,并与基于偏移场的模糊C均值方法、灰度波动变换自适应阈值分割算法和自适应最小误差阈值分割算法,在错误分割率和运行时间上进行了对比. 实验结果表明,对比以上三种方法,该算法的分割结果更为理想.     

基于特征分类的麻将图像光照不均校正方法

针对麻将排版视觉检测装置采集到的图像存在光照不均问题,提出了一种基于麻将特征分类的自适应图像校正方法。通过对麻将的排版特征进行分析,采用背景差分法和投影法将整体排版麻将灰度图从采集图像中分割出来;将整体排版麻将划分为多个单个麻将,并通过对单个麻将的光照特征进行分析,将单个麻将按光照类型分为均匀类麻将、阴影类麻将和高光类麻将共三类;对阴影类麻将和高光类麻将进行均值归一化处理,再对麻将图像进行整体锐化,并结合色度分量增强麻将的图案特征;根据麻将噪声特征,基于空域幅值统计去除阴影类麻将中的图像噪点。实验结果表明,与现有方法相比,该方法能更好地改善麻将图像光照不均现象,处理后的图像有效地提高了麻将排版识别率。     

A deep learning based bank card detection and recognition method in complex scenes

With the widespread use of mobile Internet, mobile payment has become a part of daily life, and bank card recognition in natural scenes has become a hot topic. Although printed character recognition has achieved remarkable success in recent years, bank card recognition is not limited to traditional printed character recognition. There are two types of bank cards: unembossed bank cards, such as most debit cards which usually use printed characters, and embossed bank cards, such as most credit cards which mainly use raised characters. Recognition of raised characters is very challenging due to its own characteristics, and there is a lack of fast and good methods to handle it. To better recognize raised characters, we propose an effective method based on deep learning to detect and recognize bank cards in complex natural scenes. The method can accurately recognize the card number characters on embossed and unembossed bank cards. First, to break the limitation that YOLOv3 algorithm is usually used for object detection, we propose a novel approach that enables YOLOv3 to be used not only for bank card detection and classification, but also for character recognition. The CANNYLINES algorithm is used for rectification and the Scharr operator is introduced to locate the card number region. The proposed method can satisfy bank card detection, classification and character recognition in complex natural scenes, such as complex backgrounds, distorted card surfaces, uneven illumination, and characters with the same or similar color to the background. To further improve the recognition accuracy, a printed character recognition model based on ResNet-32 is proposed for the unembossed bank cards. According to the color and morphological characteristics of embossed bank cards, raised character recognition model combining traditional morphological methods and LeNet-5 convolutional neural network is proposed for the embossed bank cards. The experimental results on the collected bank card dataset and bank card number dataset show that our proposed method can effectively detect and identify different types of bank cards. The accuracy of the detection and classification of bank cards reaches 100%. The accuracy of the raised characters recognition on the embossed bank card is 99.31%, and the accuracy of the printed characters recognition on the unembossed bank card reaches 100%.

     

一种身份证图像自动识别中文字定位与分割的方法

针对扫描后的身份证图像存在纹理及背景等强烈干扰，详细探讨了利用数字图像处理技术对身份证上的文字信息进行定位与分割的一种方法。该方法通过对身份证的特征的研究，利用水平投影与垂直投影相结合的方法，首先确定出文字的大致区域，然后利用模板框准确的定位出文字的位置。实例表明所提出的方法行之有效。     

自适应最小误差阈值分割算法

对二维最小误差法进行三维推广, 并结合三维直方图重建和降维思想提出了一种鲁 棒的最小误差阈值分割算法. 但该方法为全局算法, 仅适用于分割均匀光照图像. 为 提高其自适应性, 本文采用Water flow模型对非均匀光照图像进行背景估计, 以此获 得原始图像与背景图像的差值图像, 达到降低非均匀光照对图像分割造成干扰的目的. 为进 一步提高分割性能, 本文对差值图像采用γ 矫正进行增强, 然后采用鲁棒最小误差 法进行全局分割, 从而完成目标提取. 最后本文对均匀光照下以及非均匀光照下图像进行了 实验, 并与一维最小误差法、二维最小误差法、三维直方图重建和降维的Otsu阈值分割 算法、灰度波动变换自适应阈值方法以及一种改进的FCM方法在错误分割率和运行时间上进 行了对比. 实验结果表明, 相对于以上方法, 本算法的分割性能均有明显提升.     

内投式球幕投影系统的实现算法

针对内投式球幕投影中涉及的计算机处理过程,提出了基于虚拟球面变换和虚拟鱼眼透镜投射的内投式球幕投影算法,并针对不规则鱼眼透镜导致的球幕映像扭曲,提出了基于等立体角投影函数的六阶函数校正算法,该六阶函数的系数可通过简单求解六元一次方程获得。实验结果表明,该方法能完全消除不规则鱼眼透镜导致的球幕投影扭曲。针对球幕投影导致的图像亮度分布变异提出了基于投射角余弦修正的球幕光强校正算法。实验结果表明,该算法成功地把与输入二维图像亮度分布差异明显的球幕投影图像校正至与原始图像亮度分布高度一致的状态。该方法对球幕投影系统的设计和软件开发具有重要的理论指导意义和实践应用价值。