基于二值化的边缘图像滤波方法

图像经过边缘提取之后常会带有各种噪声,提取的边缘还不能满足我们的需要。讨论了对边缘图像的滤波方法,先对图像进行二值化,再进行区域标记,处理后的图像再与边缘图像进行与运算。实验结果表明,该方法对提高边缘图像的质量是非常有效的,并且具有非常高的实用性。     

面向自然场景的中文文本检测

随着深度学习的发展,自然场景的文本检测取得了进步,但多方向和弯曲中文文本检测效果仍不理想.针对多方向和弯曲中文文本的检测问题,提出一种融合注意力机制的多尺度文本检测方法.为了平衡模型准确性和降低计算复杂度,采用轻量级Resnet18为主干网络.针对特征金字塔(FPN)提取的特征分布不确定性的问题,嵌入平衡注意力机制(B...     

基于LFN的自然场景文本检测

在自然场景文本检测领域,现有的深度学习网络仍存在文本误检、漏检、定位不准确的情况.针对这一问题,本文设计出一种基于大感受野特征网络(Large Receptive Field Feature Network,LFN)的文本检测算法.首先选取速度和准确度更好的轻量级主干网络ShuffleNet V2,并加入细粒度特征融合模块以获取更多隐藏的文本特征信息;再通过分析不同尺度的特征图感受野不同,并对比不同尺度的特征图进行归一化后得到的特征图尺寸对结果的影响,构造了双融合特征提取模块,对输入图像提取多尺度特征以减少文本特征丢失,增大感受野;最后为处理正负样本失衡的问题,在可微二值化模块中引入Dice Loss,增加文本定位的准确度.在ICDAR2015和CTW1500数据集上的实验表明,该网络无论是在性能还是速度上对文本检测效果都有显著提升.其中在ICDAR2015数据集上F1为86.1%,较性能最优的PSENet网络提升了0.4%,速度达到了50 fps,较速度最快的DBNet网络提升了约1.92倍,在CTW1500数据集上F1为83.2%,较PSENet网络提升了1%,速度达到了35 fp...     

基于数据挖掘技术的图片字符检测与识别

为创建良好的电子商务发展环境,电商企业需规范化严格管理商品信息。自动对展示商品的图片进行字符检测与识别能减少监管的工作量和难度。因此研究小组构建了对图片自动进行字符检测与识别的系统,设计了总体流程的解决方案。研究建立的识别模型和f-score评价模型在测试集上进行了对比测试,结果说明本方法的各项指标均优于基准方法。     

基于卷积神经网络的场景图像文本定位研究

针对由于自然场景的复杂性,从自然场景图像中提取出文本信息较困难的问题,文中提出了一种基于深度学习卷积神经网络的文本定位算法。通过对场景图像进行预处理得到候选文本区域,在此基础上结合深度学习中的卷积神经网络来自动提取文本特征进行进一步的定位。通过实验验证,定位的准确率可达86%,综合性能较好。     

潜艇模型避障系统中声呐和图像信号处理研究

结合潜艇模型自主导航课题,研究了一种基于声呐信号和CCD视频图像信号处理方法在潜艇模型避障系统中的应用,结合潜艇模型的特征对潜艇模型的避障策略作了简要介绍,详细阐述了声呐和CCD视频图像的特点.根据声呐和CCD图像信号的特点,确立了声呐信号和CCD视频图像处理方案,并通过实验验证了该方法在潜艇模型避障系统中的有效性.该图像信号处理方法具有一定的针对性和可扩展性,具有广阔的应用领域.     

EAN-13码的图像识别系统设计与实现

条码的图像识别在信息采集领域有着广阔的应用前景,为了在复杂背景下快速正确的译出条码信息,在详细分析EAN-13码之后,概括提取了其数个特征,利用EAN-13码的特征及相关图像处理技术,设计EAN-13码的图像自动识别系统,并用VC＋＋编程实现,且利用大量实验进行验证。系统分为三部分：图像预处理、图像分割、图像译码。各部分的算法都是基于EAN-13码的特征特定设计的,利用条码条空的特点设计边缘检测算子和滤波算子,利用起始符,终止符和空白符设计了分割算法,能有效地去除图像噪音对条码识别的影响,可以在复杂背景下提取条码图像完成EAN-13码的自动识别,针对性强,译码速度快,准确率高。     

复杂SAR场景中机场跑道的提取

本文提出了一种从大幅SAR场景图像中提取机场跑道的方法。跑道是机场的最明显的特征,在图像上可抽象为相隔一定距离,具有一定长度的平行线对。算法首先检测图像边缘,然后连接成线段,从中搜索平行线对,最后进行验证。算法的特点在于连接线段时,通过将图像域中的线段转化成极坐标中的点,将线段连接问题转化为点的聚类问题,并利用贝叶斯估计原理构造相似性测度准则函数,利用区域生长聚类方法将断裂的但属于同一条直线的点聚集起来。实验结果表明,该算法能够从大幅SAR图像中提取机场跑道,具有重要的实际应用价值。     

基于机器视觉的零件图像采集及识别的研究

先进制造系统中。机器视觉用于工件位姿的检测。结合先进的图像采集系统，以VC＋＋．NET为开发平台，实现了对工件位姿的自动识别，同时提出了一种基于机器视觉的工件轮廓图像采集与识别的方法。主要分析了识别过程中灰度变换、二值图像和边缘检测几个难点，对检测结果进行了分析和比较。结果表明灰度变换和二值化能很大地提高对灰度图像的识别精度，在边缘检测过程中，Roberts算子检测水平和垂直的效果好于斜向边缘，定位精度高，但对噪声敏感，Sobel边缘检测算子则对灰度渐变和噪声较多的图像处理得较好。     

复杂海天背景下红外舰船目标实时检测算法

针对复杂海空背景条件下的低信噪比舰船目标检测问题,在分析海面背景舰船目标红外图像特点的基础上,提出首先进行红外图像预滤波以抑制噪声背景增强目标,然后通过检测图像水平与垂直边缘得到潜在目标区域,最后通过小范围的图像分割检测舰船目标.实际录取数据实验结果表明,算法针对各种海面场景与目标类型均能准确检测目标,实时性好.     

基于视觉显著性和提升框架的场景文字背景抑制方法

为解决复杂背景对场景文字自动定位算法干扰的问题,该文利用视觉显著性抑制背景且突出前景的特点,以方向梯度直方图特征、方向梯度直方图统计特征、梯度幅度特征和梯度曲线特征的弱分类器,结合提升框架提出一种背景抑制算法。该文算法的目标是抑制自然图像中复杂背景且突出前景文字,作为场景文字自动定位算法的预处理阶段增强算法效果。在ICDAR2011场景文字定位竞赛数据库和实验室场景中文数据库中实验结果表明,该文算法较好地抑制自然场景中复杂背景,并有效提升场景文字自动定位算法的性能。     

基于Attention-CTC的自然场景文本识别算法

针对自然场景下文本识别所存在的字符分割困难、识别精度依赖字典等问题,文中提出了一种基于注意力机制与连接时间分类损失相结合的文本识别算法。利用卷积神经网络与双向长短时期记忆网络实现对图像的特征编码,再使用Attention-CTC结构实现对特征序列的解码,有效解决Attention解码无约束的问题。该算法避免了对标签进行额外对齐预处理和后续语法处理,在加快训练收敛速度的同时显著提高了文本识别率。实验结果表明,该算法对字体模糊、背景复杂的文本图像都具有很好的鲁棒性。     

结合场景描述的文本生成图像方法

研究基于场景描述文本生成对应图像的方法,针对生成图像常常出现的对象重叠和缺失问题,提出了一种结合场景描述的生成对抗网络模型.首先,利用掩模生成网络对数据集进行预处理,为数据集中的对象提供分割掩模向量.然后,将生成的对象分割掩模向量作为约束,通过描述文本训练布局预测网络,得到各个对象在场景布局中的具体位置和大小,并将结果...     

基于自适应色彩聚类和上下文信息的自然场景文本检测

自然场景文本检测是图像内容分析和理解的重要前提.本文提出一种基于自适应色彩聚类和上下文信息分析的方法,用于检测自然场景图像文本.首先,将层次聚类和参数自学习策略结合,设计一种自适应色彩聚类方法,提取图像中的候选字符.该自适应色彩聚类方法能针对不同图像自动学习权重阈值,有较好的字符召回率.然后,利用文本中字符成行出现的性质,设计一种基于上下文信息的字符验证策略,既能保证较高字符召回率,也能有效移除非文本字符.最后,合并字符构建文本行,并通过后处理得到文本检测结果.在ICDAR2013公共数据集上的实验结果表明：本文分别获得74.17%的召回率,83.40%的准确率和78.52%的F得分.与其他文本检测方法相比,本文获得了较好的文本检测性能,说明本文方法的优越性.     

基于注意力机制特征融合与增强的自然场景文本检测

为了解决自然场景文本检测中由于文本实例分布随机、形态与尺度多样造成的检测难题,设计了一种基于注意力机制特征融合与增强的自然场景文本检测算法。利用注意力机制对有效特征提取的优势,在模型的解码融合阶段设计并引入了一种基于注意力的特征融合模块(Attention-based Feature Fusion Module, AFFM),利用空间和通道注意力分别为高层特征和低层特征引入更丰富的细节和全局信息,进一步提高了检测的准确率;设计了联合注意力特征增强模块(Joint Attention Feature Enhancement Module, JAM),利用卷积对级联后的特征在不同通道之间、空间位置间的联系建模,并生成联合特征权重mask对级联特征做加权,从而提高信息的表征能力,有效减少误检与漏检。在Total-Text和ICDAR2015两个数据集上对模型做评估,测试结果表明,该方法的F1综合指标分别达到了85.1%和87.6%,均优于当前主流算法。     

基于自然场景统计的无参考图像质量评价算法

为了度量多种失真类型的图像质量,提出一种基于图像空域自然场景统计特征的无参考图像质量评价算法。该算法通过度量失真图像和原始图像在统计规律上的偏差,对失真图像质量做出评价。与现有无参考图像质量评价算法相比,该算法不需要使用原始图像及其失真图像进行训练,也不需要知道图像的失真类型,是一种更具实际意义的通用型无参考图像质量评价算法。同时,考虑到人眼观察图像时感兴趣区域的影响,该算法加入了视觉显著性区域提取的过程。实验结果表明,该算法对于人的主观感知具有较好的一致性。     

模拟视觉感知机制的视频监控场景分类方法

监控场景分类能增强智能视频监控的准确性与自适应性.本文提出一种模拟人类视觉感知机制的监控场景分类方法.首先,用二维双密度双树复小波变换模拟视皮层中简单细胞的空间尺度与朝向感知机制,将一幅监控场景图像分解为一系列不同尺度及朝向上的小波子带图像.然后,模拟视皮层中复杂细胞结构所呈现的统计特征感知机制,用基于小波共生矩阵的复合统计特征提取方法对上述小波子带图像进行统计特征提取,生成监控场景图像对应的特征向量.最后,将样本集中不同类别监控场景图像对应的特征向量输入支持向量机,训练出视频监控场景分类器.实验结果表明,相比于常规的自然场景分类方法,本文方法更适合于处理包含丰富空间几何结构特征的视频监控场景.     

基于改进型像素标记算法的目标定位

提出新的像素标记算法,与以前的像素标记算法不同,该算法首先对目标点进行分类,然后根据不同的标记规则对不同的目标点进行标记。该算法不仅在算法复杂度上有所减少,只需一次扫描就能完成目标的描述,而且能够得到目标的面积、重心和边界坐标等信息。该算法已经应用于带钢表面缺陷检测,具有快速、准确等特点。     

自然场景下自动瞄准中的标杆识别方法

利用图像处理软件实现瞄准的自动化。由于标杆图像背景复杂,采用颜色分割的方 法。利用蓝色和红色分量比及红色分量特征将标杆像素分割出来,利用面积和周长等形状特征使图像中仅标杆像素有非零值。对原图像灰度化,在标杆区域内利用像素细分法最终精确平分标杆,实现标杆的自动精确瞄准。     

基于Gabor滤波器的数字文档图像文字提取算法

本文提出一种在数字文档图像中自动检测和提取文字的算法．首先对图像在不同方向和阶数上进行Gabor滤波，得到反映文档图像布局的滤波图像，然后在得到的滤波图像中直接提取候选文字区域，再利用几何特性和高频分量特性筛选准则从中剔除非文字区域．最后选取了不同类型、不同语言和不同字体的文档图像进行实验，实验结果表明本算法对各种文档图像均能给出满意的结果．