带标记矫正的二值图象连通域像素标记算法

分析了连通域像素标记算法以及游程连通性算法的不足 ,提出了一种带标记矫正的二值图象连通域像素标记算法 ,该算法首先采用标记矫正来减少图象扫描次数 ,然后再对标记采用 RL E游程编码来提高合并效率 .这种改进算法对大多数形状目标可以在一次扫描中完成像素的标记 ,从而使像素标记算法得到优化 .此外 ,还指出了改进算法在处理向上分叉图形时所遇到的问题 ,同时给出了解决方法 .实际运行效果较好 ,有一定的使用价值     

求解二值图像连通域的改进算法

介绍了一种改进的二值图像连通域快速标记方法。该算法首先找出二值图像中每行的像素直线段,接着利用链表来确定它们之间的连通关系,以此来克服同类算法中像素重复标记和标记归并需大量运算等缺陷,具有一定的使用价值。     

基于递归的二值图像连通域像素标记算法

在研究以前二值图像连通算法的基础上，提出了一种基于递归方法的二值图像连通域像素标记算法。通过对二值图像的扫描和分析可得到二值图像中的连通域划分和连通域的数目。算法主要包括两个步骤：对输入的二值图像进行一次扫描，得到所有目标像素的连通域划分和标记的等价对表；利用递归对等价对表进行分析，得到正确的连通标记划分和连通区域数目。实验结果表明，该算法对于任意复杂形状、任意数目(小于1 000)的连通区域都能正确检测。     

基于轮廓跟踪的连通域标记算法优化

由于需要大量堆栈操作和反复搜索像素邻域,一次扫描算法往往效率不高.基于轮廓跟踪的连通域标记算法先跟踪目标的封闭轮廓,再线扫描轮廓内的像素,以减少像素邻域搜索及堆栈访问的次数,提高算法的效率.本文提出的基于轮廓跟踪的连通域标记算法,屏弃堆栈访问,并采用高效的轮廓跟踪算法,以提高算法的效率.本算法与其它连通域算法相比,具有效率更高、稳定性好等优点.     

基于地址-事件表示的高速二值连通域标记方法

为提高二值连通域标记的速度,将地址-事件表示AER（Address Event Representation）思想引入到二值图像处理,提出了一种基于事件对等价标号的二值连通域标记方法。该算法无需多次遍历图像中的背景点和冗余目标点,首先将待标记的连通域以AER“事件对”的方式编码保存,通过“事件对”的遍历生成临时标号和等价标记表;然后根据等价表修改临时标号;完成标号映射后最终实现连通域标记。整个算法只处理极低冗余的事件信息,避免了对全图像素的重复扫描与处理。实验结果表明,图像以AER“事件对”方式存储,数据量仅为全帧图像的10%~35%,有较高的压缩比;且该算法速度快,可达到了传统基于等价标号算法的1.5~8倍。     

基于连通域提取的车牌字符分割算法

车牌字符分割是车牌识别系统的三大关键技术之一.为了准确地进行字符分割,提高字符识别的准确率和识别的速度,提出了一种改进的连通域提取车牌字符分割算法,算法通过扫描目标像素的若干相邻像素后按照一定的准则确定目标像素与相邻像素之间的连通关系,可克服同类算法中像素重复标记和归并标记需大量运算的缺陷,最后得到正确的连通标记划分并能提取出各个分离的连通区域.实验表明算法能够准确快速地识别字符,且具有较好的稳健性.     

一种二值图像连通区域标记的新方法

论文提出了一种基于区域生长的二值图像连通区域标记的快速算法。与传统方法相比,该方法的特点是在一次图像扫描中完成所有连通区域的标记,而且避免了大多数改进算法都必须处理的重复标记的问题;同时,该方法不受所标记的图形形状的影响,表现出良好的算法鲁棒性。最后分析了算法的计算复杂度,并与传统算法和两组改进算法进行了比较,试验结果表明了算法的高效率和鲁棒性。     

GPU加速的二值图连通域标记并行算法

结合NVIDIA公司统一计算设备架构(CUDA)下的图形处理器(GPU)并行结构和硬件特点,提出了一种新的二值图像连通域标记并行算法,高速有效地标识出了二值图的连通域位置及大小,大幅缩减了标记时间耗费。该算法通过搜索邻域内最小标号值的像素点对连通域进行标记,各像素点处理顺序不分先后并且不相互依赖,因此可以并行执行。算法效率不受连通域形状及数量的影响,具有很好的鲁棒性。实验结果表明,该并行算法充分发挥了GPU并行处理能力,在处理高分辨率与多连通域图像时效率为一般CPU标记算法的300倍,比OpenCV的优化函数(CPU)效率高近17倍。     

基于 ＦＰＧＡ 的快速连通域标记算法

连通域标记是运动目标实时检测系统中的关键部分,从速度和存储空间等方面对已有连通域标记算法优化,可提高系统的实时性。基于此,提出了一种基于现场可编程门阵列（FPGA）的快速连通域标记算法。首先在光栅扫描过程中记录游程行列信息;然后实时合并连通游程信息并提取已结束连通域的特征信息;最后将特征信息叠加在图像上,实现对各连通域的标记。该算法仅通过一次扫描即可得到连通域特征信息,利用FPGA片上随机存取存储器（RAM）地址信息区分各连通域,不产生等价标号与临时标号。实验结果表明,该算法能快速准确的标记各连通域。对于分辨率1920×1080图像,仅需要76.63kbit的片上RAM资源,单帧处理时间不超过20.76ms,对于全高清视频输入亦能满足实时性要求。     

基于等价对的图像连通域标记算法

在研究已有的连通域标记方法的基础上,提出了一种基于等价对的连通域标记算法.算法通过一次扫描对灰度图二值图像的每个前景像素点进行标识并保存等价对表,在满足等价对替换条件时对已标识过的像素点进行等价对替换,解决了重复标记的问题,最终得到二值图像连通域的划分.本文的连通域标记算法可有效应用于活动目标检测中.     

一种基于像素域的改进的SPIHT算法

分层树的集分割算法是一种简单、有效的嵌入式零树编码算法.在算法的基础上提出了一种基于空域的改进方法.首先将图像的偶数裂像素减去相邻两奇数列的均值,形成分裂图像.然后将分裂图像的奇数列提取出来作为主图像,将偶数列提取出来作为幅图像.最后将主幅图像以合适的权值分别进行压缩.解码时,将主幅图像分别解码,再恢复分裂图像,最后再恢复原图像.对标准图像进行测试时,并把结果与原算法进行比较.实验表明,在相同的比特率条件下,重构图像的峰值信噪比远高于原算法.     

基于连通域分析的仪表数字区域定位方法研究

针对在背景复杂、视角多变的仪表图像中提取数字区域信息的需求,本文提出一种改进的仪表数字区域定位方法。本文提出的方法主要是对仪表图像的连通域进行检测、分析和筛选,最终确认数字区域。具体方法为首先对光照不均、模糊的图像进行图像灰度化、直方图均衡、图像滤波、图像二值化等方法进行图像预处理。然后采用MSER算法的准确检测数字区域,产生一系列嵌套的最大极值稳定区域(MSER),对这些区域采用区域清理和区域像素拓展进行优化,建立数字候选区域,然后以笔画宽度变换(SWT)作为文本提取的关键特征,实现对文本候选区域的准确筛选,从而最终确定数字区域。     

基于象素操作的图形变换方法

在对图形变换的一般方法进行简单介绍的基础上,详述了基于象素操作的图形变换新方法,并给出了具体的实现程序.基于象素的图形变换方法,对图形变换只用到整数运算,可节省大量的运算时间,尤其是对形状不规则的自然界中的一些复杂图形,效果非常明显.在动画技术中,具有实用价值.     

一种基于分块二值化思想的图像检索方法

提出了一种基于分块二值化思想的图像检索方法,利用二值化阈值将图像分割为目标和背景,在此基础上进行分块,在每一块内分别提取颜色特征后再进行相似度匹配,并在检索中突出图像目标的重要性。实验证明,这种方法能够更有针对性地检索图像,能够在保证查全率的同时较大的提高查准率。     

基于图像连通区域面积的成捆棒材自动计数方法

提出了一种基于图像连通区域面积的成捆棒材自动计数方法。该方法首先对获取的棒材图像进行灰度化、滤波和图像分割处理,然后对分割图像中的连通区域分类:小于基本面积的区域视为噪声区域,介于基本面积和阈值面积之间的区域视为一支棒材区域,大于阈值面积的区域表示多支棒材粘连区域。对于多支棒材粘连区域,采用区域面积除以标准面积得到棒材支数。最后将所有连通区域的棒材支数求和即可得到图像中全部棒材的支数。该方法应用于13幅成捆棒材图像计数实验时所得误差均小于3%。     

基于大津法的图像分块二值化算法

本文对灰度图像二值化的方法进行研究,提出了一种新的以大津法为基础的图像分块二值化方法.通过对采集到的火车轮字符进行实验,结果表明了这种新的二值化方法在不均匀光照、图像模糊的情况下能很好地对图像目标(字符)进行分割,该方法的思想可以推广到对一般灰度图像的二值化中去.     

基于大津法的图像分块二值化算法

本文对灰度图像二值化的方法进行研究,提出了一种新的以大津法为基础的图像分块二值化方法。通过对采集到的火车轮字符进行实验,结果表明了这种新的二值化方法在不均匀光照、图像模糊的情况下能很好地对图像目标(字符)进行分割,该方法的思想可以推广到对一般灰度图像的二值化中去。     

一种基于反几何扩散分类的图像二值化方法及应用

从背景中将目标识别提取出来往往受到复杂背景中的不均匀信息干扰.本文研究基于反几何扩散的图像二值化方法,通过各向异性扩散的一种特殊形式--反几何扩散,对图像边缘进行最大限度的模糊和扩散,形成一个个分割阈值面,通过扩展的分类法则,在扩散过程中对每个目标像素进行分类.提出一种分类后处理方法使目标最终从不均匀背景中分割出来.通过对X光图像中铸造缺陷的识别实验,证明该方法对抑制噪声有较好的鲁棒性,给出处理背景变化不均匀的铸造产品X光图像的结果.     

基于Sauvola算法和神经网络的图像自适应二值化方法

二值化处理是文档图像OCR识别中非常重要的一个环节。针对目前主流Sauvola二值化算法存在参数需要人为确定、效果受设定的参数影响等问题，提出了基于Sauvola算法和神经网络的图像自适应二值化方法。在针对Sauvola算法的参数进行分析的基础上，阐述了开窗大小r与参数k对二值化结果的影响。使用SWT算法实现了开窗大小r的计算，将二值化视为对像素点的二分类问题，根据Sauvola算法的思想提取窗内的灰度均值、灰度标准差及当前像素点灰度值作为特征向量，并搭建全连接神经网络进行训练，训练后的神经网络可为每个窗生成特定的参数k，并判定各个像素点的二值化结果。实验结果表明，相较于使用人工精确调节的全局参数k的Sauvola算法，所提出的方法具有更好的自适应性和二值化效果，且具有较好的实用性和普适性。