图像文本定位技术研究

图像文本定位是图像中文本识别的关键步骤。介绍了文本图像的分类及特征,分析了图像文本定位常用算法的应用范围及优缺点,提出了文本定位算法的评价方法,阐述了文本定位的应用领域,并对今后文本定位的研究方向进行了分析。     

场景图像中文本区域定位方法的研究

论文介绍了基于像素、区块、区域和图的文本区域定位模型,给出了分层块文本区域定位算法的流程,详细介绍了分块及梯度值的图像边缘提取方法和区块标记、区块聚合过滤的方法.     

基于最优化方法的地下圆柱目标定位与识别

地下管道、空洞等圆柱形目标的定位和识别是探地雷达走向实用的一个亟待解决的问题.提出了一种在频域运用最大似然估计进行圆柱目标定位和识别的方法.在一阶Born近似下建立了各孔径点处回波信号和目标的位置参数和电磁参数之间的关系,将目标的未知参数估计问题归结为全局搜索-目标函数极值的最优化问题.通过对仿真数据和实测数据的处理,结果显示该方法可以精确估计出目标的位置参数和电磁参数,有效地进行圆柱目标的定位和识别.     

图像中的文本定位技术研究综述

介绍了图像中文本定位技术的研究现状,依据定位所利用的特征进行分类,分析了其中几种典型算法,并对文本定位算法的性能评价标准进行了深入讨论。     

复杂图像中文本定位的研究现状

随着复杂图像中文本定位研究的不断增长,急需对现有方法进行总结,以便提出有效的新方法。本文详细介绍了复杂图像中的文本定位的难点,算法性能评价标准,并调研了现有的主要方法,将其分为三类方法：基于区域的定位方法,基于纹理的定位方法和基于边缘的定位方法。     

一种对图像中给定图形的定位方法

作为模式识别的前序，需要在一幅图像中找出一个基本图形，给出这个图形的位置，再进行进一步的识别。文中提出的算法以直接匹配为基础，改进了算法的执行效率。以二值图像中的图形的定位为实验对搜索定位算法进行了讨论。试验显示出该文算法有较高的执行速度。     

多无人机联合三维定位中的目标优化识别

在进行多无人机定位中的目标优化识别时,由于目标高度离散性大,目标距离特征具有较大的随机性,导致传统的采用时空MUSIC算法的多无人机联合三维定位中的目标优化识别方法,无法依据稳定的距离矩阵特征,获取目标高度或俯仰信息,无法准确识别目标,提出一种基于ML的多无人机联合三维定位中的目标优化识别方法,利用多无人机联合三维定位目标动态模型,依据回波数据随时获取目标的径向距离、方位角以及多普勒信息,对多无人机联合三维定位中的目标位置进行最大似然估计,实现目标的准确优化识别。仿真结果表明,所提方法具有很高的精度及有效性。     

一种基于连通分量的文本区域定位方法

文本区域定位对复杂背景图像中的字符识别和检索具有重要意义。已有方法取得高的定位准确率和召回率,但效率较低,难以应用于实际的系统中。文中提出一种基于连通分量过滤和K-means聚类的文本区域定位方法。该方法首先对图像进行自适应分割,对字符颜色层提取连通分量。然后提取连通分量的特征,并用Adaboost分类器过滤非字符连通分量。最后,对候选的字符连通分量根据其位置和颜色层进行K-means聚类来定位文本区域。实验结果显示该方法具有与当前方法相当的准确率和召回率,同时具有较低的计算复杂度。     

SAR图像自动目标识别系统研究与设计*

研究了SAR图像自动目标识别系统。通过分析国际上先进的SAR自动目标识别系统的组成、算法实现、流程设计和所得到的结果,设计出SAR自动目标识别系统结构和识别流程图。系统结构主要由SAR图像特性库、特征库和模型库组成。识别流程在系统结构的基础上,分为检测、辨识和分类三步。最后给出了SAR图像自动目标识别系统的主要评价原则。     

场景文字识别算法的研究

文字识别是一种通用的图像理解技术,对信息检索、车牌识别和自动驾驶等应用的研究有着重要意义。随着神经网络的伟大复兴,场景文字识别任务得到了很大推动,近年来涌现了许多基于深度学习的文字识别算法。本文提出了一种基于特征融合的CRNN改进算法,使用三个通用的文字识别数据集从识别准确率、运行效率和模型大小三个方面进行分析。实验结果表明该算法在提高准确率的同时,运行效率也有所提高。     

手写体数字识别中图像预处理的研究

预处理是手写体数字识别中重要的一环。本文论述对手写体数字图像的预处理过程以及对图像信息变形的补偿。     

一种运动模糊车辆牌照识别方法的研究

车辆快速运动情况下对其所拍摄的车牌图像通常比较模糊,在对其进行识别时效果不理想。针对此问题,提出一种基于Z变换的模糊车牌信息识别的新方法。该方法通过建立基于Z变换的图像退化模型和恢复模型,先对运动模糊图像进行复原处理,再对处理后的图像进行车牌信息识别。实验结果表明,该方法对模糊车牌信息识别的效果良好,具有一定的实用性。     

基于显著性轮廓的苹果目标识别方法

正确地将苹果从图像中识别出来是苹果采摘机器人实现自动采摘的前提,为了完整地提取苹果目标轮廓,提高识别率,提出一种基于显著性轮廓的苹果目标识别方法。首先利用K-means无监督聚类算法对苹果图像进行分割,将图像分为背景和苹果目标区域;由于光照等因素,苹果目标区域内部存在大面积空洞,引入ASIFT特征,将完整的苹果目标与存在空洞的苹果目标进行ASIFT特征匹配记录与空洞相对应的特征,由这些特征恢复成像素填补空洞,初步得到轮廓不完整的分割目标;然后在基于区域的基础上,采用gPb轮廓检测器对苹果目标图像进行轮廓检测生成较长、较明显的灰度轮廓;继而利用动态阈值OTSU法对灰度轮廓进行自动阈值处理,去除苹果目标周围大量的边缘噪声,确定连续的显著性轮廓,有效地弥补了K-means算法无法精确提取轮廓的缺陷,最终实现完整地提取苹果目标。本文方法取得的平均目标识别率在98%以上,多组实验结果均验证了本文方法的有效性和可靠性。     

基于图像处理的细指针表盘识别方法研究

为了解决在细指针表盘识别中难适应光照变化、细指针难分割和表盘读数准确识别率低的问题,结合细指针表盘区域的图像特点,采用图像处理对细指针表盘读数进行了研究。首先,对表盘进行标定,获得表盘量程等先验数据,制作模板,并提出了基于SURF算法改进的多任务模板特征匹配算法;其次,根据指针活动区域,提出了基于分割扇形区域的指针定位法(Pointer positioning method based on Segmented Sector, PSS),进行图像预处理和二值化,使用最小二乘法拟合求得角度;最后,由指针角度得到读数。实验结果表明,该方法对细指针表盘识别率高,能够准确、稳定地识别细指针表盘示数。     

基于霍夫变换和几何特性的图像识别方法

本文提出了一种基于霍夫变换和所辨识图形（椭圆/圆）几何特性的图像识别方法.该方法能够比较准确地提取图形（椭圆/圆）的各项几何参数,如形心、椭圆旋转角、长短轴.笔者将此方法应用于基于图像处理的自动报靶系统,取得了比较好的效果,能够满足系统所需要的精度和速度.     

机载雷达图像目标识别模型仿真研究

机载视觉雷达对目标准确标识别,关系到航空领域的安全.机载视觉雷达的目标识别多是高空作业,识别的目标图像信息易受到飞机倾斜角度、高空外部噪声干扰、机身异常抖动、被测物体的抖动和采样速度过低等因素的干扰,使得识别目标区域模糊,可识别特征发生严重衰减.传统机载视觉雷达的目标识别方法中,在运动状态下对高空目标的图像衰减特征分割一直很困难,分割过程会出现过分割和欠分割的问题,导致目标识别结果不理想.提出采用机载视觉雷达倾斜状态下的目标识别方法,得到图像中对地目标的运行速度,通过雷达视场距离的标定成像几何原理,将地面目标三维场景投射到二维象平面中,并采用数据链驱动无缝集成模式来运算识别地面目标的实际数量,获取准确的塔机目标识别检测结果.实验结果说明,所提机载视觉雷达倾斜状态下的目标识别模型获取的地面目标识别更加准确,并且具有较高的检测效率和精度.     

基于小波变换的医学图像识别算法研究

医学图像自动特征提取是辅助医生进行快速诊断病情和进行基于内容的医学图像检索的关键技术。本文介绍了医学图像的分割方法,利用小波变换对线性矩进行分析,使计算量和数据量大大减少,提高了效率。