击中/击不中变换在标准答题卡分割中的应用

击中／击不中变换是物体识别的一种方法,它对特定形状的物体识别具有很高的准确率,但是一般的击中／击不中变换算法速度比较慢。讨论了击中／击不中变换在标准答题卡分割系统中的应用及其算法实现。根据标准答题卡同步位和结构元素的几何特点,对算法进行了改进,将分割速度提高到原来的十倍。     

一种基于击中/击不中变换的目标快速检测算法

数学形态学中的击中击不中变换常被用于目标图像模式的识别,但是标准击中击不中变换在实际应用中存在算法时间复杂度高,算法有效性低的缺陷.提出了一种利用IHMT和ROHMT变换的新算法,该算法通过两轮变换,由粗到细的完成目标图像的检测.实验结果证明该算法能够高效快速的实现目标检测.     

基于骨架特征和SVM的形状图像分类研究

采用了去除了背景的六类动物图像,通过Matlab对动物二值图像进行骨架提取,并通过去毛刺算法去除了多余的骨架分支,有效地提高了图像的识别率。运用击中与不击中算法寻找骨架的端点和交叉点,并通过寻找的坐标求得骨架角度特征向量。通过SVM对各类形状图像的角度特征向量进行训练分类和识别。结果表明该方法对姿态不是很复杂的形状图像的分类有较好的效果,为以后模式识别和图像分类检索提过了一定的理论基础。     

基于受控形态学的无限制票据分类

目前的票据类型识别要求票据中必须存在框线、分类码等明确的分类标志，而现有的实际票据往往不满足这些条件，基于受控形态学操作的二次分类方法选取图像本身的结构特征进行了分级受控击中击不中变换，对票据样式没有任何限制。分析和实验表明，该方法计算复杂度低、速度快、准确率高。     

基于数学形态学的数字仪表数码识别快速算法

结合水信息数字仪表检测系统的开发,对数字仪表数码的识别算法进行了研究,为满足仪表数字识别刷新速率快、数码位数多的特点,提出了一种基于数学形态学的识别方法;利用击中击不中原理,根据数码的特征,重新设计结构元素对,克服了HTM中一字一模的缺点,通过关键点的比较,利用结构元素对一次侦测得出数码的编码,然后通过编码确定数字值;由于每个数码只对应一个相应的编码,所以这种方法不会造成误判,在保证系统要求的识别的准确性的同时,提高了识别速度;同时本算法能够更加方便地提取结构元素对;实验表明能完全适应大型水信息数码识别的实时采集。     

基于区域生长的指针式仪表自动识别方法

针对复杂多指针式仪表的读数自动识别难度大精度低的问题,提出了一种基于区域生长的指针式仪表自动识别方法。算法主要由基于区域生长的指针提取算法和基于 Hit-Miss 变换法击中直线或基于最小二乘法拟合直线的指针识别算法所组成。其中,区域生长所需的种子点通过基于差影法的模糊聚类自动选取。实验表明,基于区域生长的指针提取算法有效提取了指针特征,为 Hit-Miss 变换法和最小二乘法获得良好的指针识别精度奠定了重要基础。整个算法高效快速,能满足实时识别的应用需求。本文首次提出将基于区域生长的图像分割算法运用于指针式仪表识别领域中,丰富了指针式仪表识别的应用方法,获得了良好的识别效果。     

基于Mean-Shiff的图像文本信息提取

图像和视频中包含着丰富的文本信息,提取和识别图像文本信息非常具有实际意义.传统的图像文本信息提取方法大多基于字符的代数和几何特征.作者从另一个角度出发,将彩色字符看成彩色图像的一部分,使类似字符的景物也可以被当作字符识别出来.提出一种基于Mean-Shift算法的图像文本信息提取方法,首先利用Mean-Shift算法对图像进行分割,然后对分割得到的文本区域进行投影分析从而将每个字符分割出来,最后将字符识别.     

基于Mean-Shift的图像文本信息提取

图像和视频中包含着丰富的文本信息,提取和识别图像文本信息非常具有实际意义。传统的图像文本信息提取方法大多基于字符的代数和几何特征。作者从另一个角度出发,将彩色字符看成彩色图像的一部分,使类似字符的景物也可以被当作字符识别出来。提出一种基于Mean-Shift算法的图像文本信息提取方法,首先利用Mean-Shift算法对图像进行分割,然后对分割得到的文本区域进行投影分析从而将每个字符分割出来,最后将字符识别。     

基于Mean-Shift的图像文本信息提取

图像和视频中包含着丰富的文本信息,提取和识另4图像文本信息非常具有实际意义。传统的图像文本信息提取方法大多基于字符的代数和几何特征。作者从另一个角度出发,将彩色字符看成彩色图像的一部分,使类似字符的景物也可以被当作字符识别出来。文中提出一种基于Mean-Shift算法的图像文本信息提取方法,首先利用Mean-Shift算法对图像进行分割,然后对分割得到的文本区域进行投影分析从而将每个字符分割出来,最后将字符识别。     

西夏文献图像版面分割与分类算法研究与实现

随着世界上西夏学研究的兴起,西夏文献作为西夏文物的重要组成部分越来越受到重视。本文介绍了西夏古籍文献的研究意义、图像处理、分割以及分类等问题。对比分析了西夏文字图像预处理的方法,设计实现了西夏文字图像版面的分割的算法,并分析了采用模版匹配的方式对分割后图像按一定特征分类的算法。分割后的西夏文字更易于辨认研究,且有利于计算机自动进行识别和理解图像,对西夏学的研究有着重要的意义。     

基于数学形态学的自适应文字版面分析方法

随着光学字符识别能力的提高,处理日渐复杂的版面成为文件处理系统中的关键部分。针对中文版面的特点,在基于组件的版面分析方法基础上,本文提出了一种具有自适应能力的基于数学形态学中膨胀变换的版面分析方法。该方法对基于组件版面分析的核心部分- 文字合并进行了自适应扩展,使其具有对不同字体大小、间距等样张更大范围的适应能力。     

中文报纸的版面分割方法

本文描述了一种新颖的、自下而上的中文文本图像版面分割方法。由于中文报纸的文本中有一些特殊的字符，采用许多传统的英文文本分割方法在分割的准确性上经常会失败。基于扫描宽度平滑算法和最小间隔的文本块，本文提出的方法可以解决不同于英文文本的中文文本分割问题。     

复杂版面的文本图像图文分割算法

为了满足办公自动化的实时性要求,本文提出了一种改进的自顶向下的图文分割算法。该方法利用文本行基线之间的距离自适应的确定结构元素的大小,克服自顶向下算法要求对页面有先验知识的缺点。实验表明,本文提出的算法分割准确,速度快。     

版面分割中游程平滑后的图文特征分类

游程平滑是版面分割前期常用的一种方法，它将具有较小距离的象素连通在一起形成连通元素。对这些连通元素加以分类是有效划分文本、图象和图形的前提。本文提出了利用几何特征的分类规则以及进一步细分的线结构特征检测方法。     

东巴象形文字文档图像的文本行自动分割算法研究

以卷积神经网络(CNN)为代表的深度学习技术在图像分类和识别领域表现出了非常优异的性能。但东巴象形文字未有标准、公开的数据集,无法借鉴或使用已有的深度学习算法。为了快速建立权威、有效的东巴文字库,分析已出版东巴文档的版面结构,从文档中提取文本行、东巴字成为了当前的首要任务。因此,结合东巴象形文字文档图像的结构特点,给出了东巴文档图像的文本行自动分割算法。首先利用基于密度和距离的k-均值聚类算法确定了文本行的分类数量和分类标准;然后,通过文字块的二次处理矫正了分割中的错误结果,提高了算法的准确率。在充分利用东巴字文档结构特征的同时,保留了机器学习模型客观、无主观经验影响的优势。通过实验表明,该算法可用于东巴文档图像、脱机手写汉字、东巴经的文本行分割,以及文本行中东巴字和汉字的分割,具有实现简单、准确性高、适应性强的特点,从而为东巴文字库的建立奠定基础。     

版面分割中文本区域最佳结构表示树的生成算法

版面分割在将印刷品转换成电子版的过程中是必不可少的，而对于分割后的各区域进行理解，达到有效分类的目的显得更为重要。本文给出了一种用最佳树对Ｍａｎｈａｔａｎ文本结构进行描述的算法，利用该算法可以满足那些单靠图象分析而解决不了的高层次版面理解要求。     

建筑结构图版面分析方法研究

工程图的计算机识别和理解技术是计算机应用于工程方面的研究热点之一,图形的版面分析是图形理解的基础。文章给出了基于图形和基于图像的两种版面分析和划分算法,并对两种方法在速度、效果方面进行了比较。实验证明,基于图像的版面分析和划分算法在线条数较多时优于基于图形方法的结论。     

基于自适应阈值投影的双行车牌分割方法

Aiming at the problem that there are few algorithms and low correct segmentation rate of double row license plate number in China, an adaptive projection method for double row license plate segmentation is proposed. Firstly, the image of license plate in HSV (Hue Saturation Value) space is binarized. Secondly, the double line license plate is segmented into a single line license plate by the adaptive projection method. Finally, the characters on the license plate number are segmented. Experiments show that this method can effectively segment the double line license plate with white characters on blue background, red characters on white background, black characters on green background, and black characters on yellow background, and the correct segmentation rate of the double line electric bicycle brand is higher. At the same time, this method overcomes the shortcomings of the deep learning method such as long training time and a large number of data sets. The proposal t is a simple and efficient segmentation method.     

一种介词-动词模式的获取方法

基于模式的知识获取方法研究是当前文本知识获取的重点研究之一,如何获得文本知识模式是该研究中的一个重要研究内容。提出一种新的基于介词和动词模式（称为PV模式）的获取方法。首先构造出一个候选的动词介词组合（称为PV组合）,使用统计方法对其进行过滤。度量PV组合好坏有两个标准：一个是模式词的表示能力,另一个是模式词与概念词之间及多个概念词之间的相关性。依据这两个标准构造了6个数值特征,通过训练产生了3个分类器,采用交叉验证的方式估计出3个分类器的精度分别达到0．853,0．862和0．856。这些分类器为从PV组合中自动挑选PV模式提供依据。     

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。