基于数学形态学的脱机手写体汉字识别方法

笔画特征是一种有效的脱机手写体汉字的识别特征,但是笔画细化往往会造成字体的变形,提出一种无需细化预处理的笔画特征提取方法,通过数学形态学中的腐蚀、膨胀等运算,采用不同的、具有自适应性的结构元素对汉字图像进行笔画分解,并利用弹性网格提取其方向特征,最后使用广义K L变换对特征向量的维数进行压缩,去除冗余信息。实验结果验证了本方法的有效性。     

几种手写体汉字网格方向特征提取法的比较研究

近年来,网格方向特征已广泛应用于许多手写体汉字识别系统中,并认为是目前较成熟的手写体汉字特征之一。网格技术和方向分解是网格方向特征的两个关键技术。方向特征提取方法有许多种并各有优劣。对几种方向特征提取方法进行了比较研究,对其中一些方法进行了改进,并将我们提出的局部网格的划分方法应用到这几种方向分解特征的提取上,取得了较好的识别效果。     

基于数学形态学的手写体汉字细化方法研究

提出了一种基于数学形态学的细化方法,该方法使用结构模板的方式对字符图像进行细化,并针对原有细化方法产生的细化不彻底现象,对原结构模板进行了改进。在常用细化结构模板的基础上,新增了几个结构模板,较好地解决了细化不彻底的现象。实验证明,细化后的图像保持了原图像的连通性并达到了很好的细化效果。     

几种手写体汉字网格方向特征提取法的比较研究*

近年来,网格方向特征已广泛应用于许多手写体汉字识别系统中,并认为是目前较成熟的手写体汉字特征之一。网格技术和方向分解是网格方向特征的两个关键技术。方向特征提取方法有许多种并各有优劣。对几种方向特征提取方法进行了比较研究,对其中一些方法进行了改进,并将我们提出的局部网格的划分方法应用到这几种方向分解特征的提取上,取得了较好的识别效果。     

手写体汉字扇形弹性网格特征提取的新方法

近年来，网格方向特征已广泛应用于许多手写体汉字识别系统中，并认为是目前较成熟的手写体汉字特征之一，网格技术和方向分解是网格方向特征的两个关键技术，该文提出了一种新的网格技术一扇形网格法，结合边缘方向分解技术^[1]，构造了一种新的手写体汉字特征提取方法一扇形网格边缘方向分解特征，实验结果验证了本方法的有效效。     

基于归一化背景方向特征的脱机手写汉字识别

对4方向背景方向特征进行了改进,提出了8方向背景特征描述方法。与4方向背景方向特征描述方法相比,改进后的特征描述方法可以从0°、45°、90°、135°、180°、225°、270°、315°共8个方向来对汉字图像进行考察,从而进一步提高描述的精度。此外,为了消除笔划粗细的影响,还对背景方向特征进行了归一化处理。实验结果表明改进后的归一化8方向背景方向特征具有更高的识别精度。     

基于HHT的脱机手写体汉字特征提取

提出了一种基于数学形态学方向笔画提取的希尔伯特一黄变换(HHT)方法,对脱机手写体汉字进行特征提取.通过对HHT得到的Hilbert谱和边际谱的分析,构成4维结构特征和32维统计特征,并对其进行特征融合后得到36维特征向量作为最终的识别特征.试验结果表明其识别率比单独使用Gabor变换、小波变换等方法的识别率高.在识别速度上虽然比矩变换、数学形态学等方法慢,但是比Gabor变换的速度有明显提高,比多方法特征融合的方法在速度上有一定提高.该研究表明HHT作为一种新的信号分析方法,可以被有效地运用于提取汉字图像的特征.     

联机手写汉字识别系统中特征提取方法研究

本文对笔划识别过程中提取关键点的重要性进行分析研究,介绍了提取拐点的两种常用的算法,并进一步结合这两种算法的优缺点,提出了二次检测的方法,使得系统提取拐点的准确度得到了进一步提高.实验结果表明,本文提出的改进方法具有很好的鲁棒性.     

一种手写体汉字特征提取新方法—小波变换及弹性网络技术的应用

利用小波分析方法将汉字图象分解为横、撇、竖、捺４个方向的分量，然后结合弹性网络技术，提出了进行了手写体汉字特征提取的一种新方法，实验结果显示此方法是行之有效的。     

用数学形态学修正叶片图像方向的算法

对于植物叶片识别,叶片的特征提取非常重要。在提取叶片特征并进行识别前,需要先进行预处理。很多叶片识别算法需要事先修改叶片图像的方向。本文结合了形态学特征,提出了一种关于叶片图像方向的预处理算法。此算法能提取叶柄,获得主叶脉方向,并使叶片图像旋转到主叶脉垂直的方向,能够满足大多数叶片识别算法的需求。     

基于数学形态学的甲骨拓片字形特征提取方法

甲骨拓片字形特征提取是对计算机辅助进行甲骨拓片复原、识别和断代等工作都非常关键的第一步。为了尽可能准确地把甲骨拓片从背景噪声中分离出来,首先对原始甲骨拓片图形进行预处理,然后再应用数学形态学方法对甲骨拓片进行图像处理和分析,提取出12项指标用于表现甲骨拓片字形特征,并构造了一个基于数学形态学方法的甲骨拓片字形特征提取系统。通过对《甲骨文合集》实验数据进行基于字形特征的甲骨拓片图像匹配验证,实验结果表明 数学形态学处理方法能有效地提取出较好地反映甲骨文字的笔画形态和结构的字形特征。     

基于数学形态学的道路遥感影像特征提取及网络分析

如何从遥感图象上提取道路特征已有多种方法，如边缘探测与追踪、线性滤波、利用各种空间关系进行道路特征识别，基于知识的道路网络提取以及数学形态学等，但尚有许多问题有待解决。为了方便GIS应用以及地图更新，提出了一种基于数学形态学的道路网络分析方法，用于对遥感图象上已分类的道路信息进行各种处理，以便得到所需的道路网络。该方法与步骤为首先将道路影像二值化，同时进行噪音去除、断线连接、细化，并通过将栅格数据转换成矢量形式来得到基本的道路网络；然后对基本道路网络进行分析、连接、选取；最后用Douglas-Peuker算法对道路进行平滑处理与表示来得到最终提取的道路网络，并以南京市江宁经济开发区SPOT、高分辨率IKONOS图象为例进行了实验。道路特征提取的结果与目视解译结果进行比较的结果表明，该道路提取方法对道路发展相对较快的区域更为有效，且提取精度较高。该方法对土地管理规划部门非常有价值，是进行GIS与地图道路更新的有效方法。     

基于数学形态学的联机手写字符识别去噪方法

手写输入时由于笔尖抖动等原因产生了大量噪声,有效地去除噪声是手写识别的前提和关键。根据联机手写识别中手写体字符形态的特性,分析了手写时由于各种原因而产生的噪声,运用数学形态学中膨胀、腐蚀、细化等基本运算,提出了一种将数学形态学应用于联机手写识别预处理的方法,该方法可以有效地消除大量的冗余信息。测试结果表明,提出的方法可行,具有很好的鲁棒性,可以配合其他方案应用于各种联机手写字符识别中。     

基于数学形态学和Hough变换的复杂形态线状地物提取方法

为改善以Hough变换提取遥感影像中弯弧线状地物的准确性,提出了一种新算法M&H (Morphology and Hough),它将Hough变换、数学形态学、非线性拟合等方法串行递进使用,以实现复杂形态线状地物自动提取和直接生成道路矢量图的目标。经适量实例的Matlab仿真测试,证明了M&H的递进噪声去除法优于单次数学形态学降噪法,对含弯弧道路的提取性能也优于标准Hough变换。精度检验结果表明:M&H方法比常规Hough变换提取道路的欠提取率下降了约18.9%。     

一种基于数学形态学的实时车牌图象分割方法

根据车牌纹理及其几何形状的特点，设计了一种基于数学形态学的车牌图象分割方法，该方法在二维形态滤波过程中，能自适应地调整阈值大小，以适应光照强度及干扰强度的变化，同时把基于全像素点数学形态学处理的点运算转化成仅有几十条直线的线运算，以使运算速度和抗干扰能力较其他传统分析方法有显著提高．用该方法对不同照明条件下的一系列汽车图象进行的大量实验结果表明，该方法不仅定位效果好、速度高，而且适于对有噪声及复杂背景的车牌图象进行分割．     

数学形态学的纹理图像分割方法

一幅图像往往包含许多区域,但在对图像的理解和分析时,往往只需要其中的某个部分。因此,为方便使用常需要对目标区域进行提取。从目标区域的整体纹理特征出发,根据纹理特征的不同多次使用数学形态学的基本运算,从而达到图像区域分割的方法。该方法通过一幅具有多种纹理图案的图像为例验证了方法的可行性和有效性。运用canny算子对该图像进行边缘检测,从检测的结果可看出,该方法优于基于边缘检测的图像分割方法。     

基于数学形态学的肝脏B超图像的纹理识别

基于数学形态学的理论,分析了肝脏Ｂ超图象的纹理特征,提出了一种纹理特征抽取算法,它具有旋转不变性,通过分类实验与已有的基于数学形态学的特征进行了比较,实验结果表明提出的方法分类精度高,计算理小。     

一种基于数学形态学的汽车牌照提取算法

定位汽车牌照在车牌识别应用中是很关键的一步。作者提出一种基于数学形态学的新方法,以车牌宽度和高度,车牌字符高度及字间宽距等信息为依据来设计一种新的结构元,通过对汽车边缘图像进行形态学运算,能从图片中得到包含汽车牌照的侯选区域,最后基于汽车牌照纵宽比等固有特征,采用连通域体态分析,对包含车牌的多个侯选区域进行去伪,得到真正车牌区域。通过对大量汽车图片实验,验证了该方法的有效性。