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。     

一种基于相关准则的磨粒图像二值化算法

针对磨粒识别中的图像分割问题，应用一种新的二值化算法将磨粒目标从复杂背景中分离。该算法以原始图像与分割后图像的相关系数最大为准则，选取最优阈值对磨粒图像进行二值化。应用实例表明了该方法的简洁有效性。     

组合光栅中条纹图像二值化算法的研究

针对三维测量中条纹图像序列的特点,对固定阈值、准自适应阈值和自适应阈值的二值化方法进行深入分析和对比研究,提出了利用图像差影实现时域二值化的算法.实验数据表明,时域二值化方法具有较好的抗干扰能力.     

图像二值化技术的研究

图像二值化技术的应用中比较突出的问题是如何确定合理的门限来达到较理想的二值化效果。介绍了当前几种较为流行的二值化处理技术和确定门限、阈值的算法,并对这些技术和算法的效果进行了测试与比较。     

文档图像二值化算法VFCM

为了提高基于拍摄方式的文档图像的二值化效果,降低光学字符识别(optical character recognition,OCR)系统的文字识别错误率,提出了一种全局阈值与局部阈值相结合的二值化算法-VFCM.该算法使用最大方差比方法产生全局阈值,使用FCM(Fuzzy C-Means)聚类方法产生局部阈值.这两种方法的结合能够较好地保留字符的笔画细节,并能有效地消除伪影.实验结果表明,该算法可以取得比较好的二值化效果,并能带来OCR系统识别率的有效提高.     

一种改进的字符图像二值化算法

随着数字图像处理和模式识别技术的发展,字符识别技术得到了广泛的应用。二值化技术作为字符预处理的一个重要环节,对后续的字符分割和特征提取有着很大的影响。本文针对字符图像的特点,提出了一种改进的基于直方图特征和形态学处理的Otsu二值化算法。仿真表明,该算法在减少运算量的同时,可以有效处理字符笔划残缺造成的干扰,并增强字符的连通性。     

一种基于灰度图像二值化的车牌定位算法

车牌定位是牌照自动识别系统中最为关键的环节,是智能交通系统中的核心技术。该文提出了一种利用车牌梯度特征,通过图像增强和闽值调整的方法来获得;住确的车牌区域定位的新方法。实验证明所提出的方法能简单快速地实现车牌定位。     

基于局部最大方差分割的图像二值化算法

本文着重论述了基于局部的阈值分割二值化算法。在阐述了几种基于局部的阈值分割算法后，重点讨论了作者提出的局部最大方差分割法，并比较了该算法与其它局部分割算法的分割效果。结果表明，该算法对目标与背景灰度混叠严重的图像具有很好的分割效果。     

一种改进的文本图像二值化算法

分析了常用的局部阈值法-Bemsen算法中存在的问题，对此算法进行了有效的改进，提出了一种改进的文本图像二值化算法。由于改进后的算法考虑了图像的整体特征，并采用快速算法，因此具有更广泛的适应性和实用价值。实验结果表明了此算法的有效性。     

一种摄像机采集图像的二值化算法

在无损探伤自动检测线上,为了记录每根管材的有关参数,需在管端进行打号、读号处理。详细介绍了管号识别系统中关键的图像预处理二值化算法。该算法称之为Stamp算法,是在分析Phototshop图像处理软件Stamp滤镜功能的基础上,结合自动检测线上采集图像的特点而得出的。Stamp算法还可以用于车辆牌照自动识别的二值化处理等领域。     

多窗口图像二值化算法研究

常用的全局二值法和局部二值法算法存在细节丢失、噪声引入、运算时间过长等弊端。为此提出了一种多窗口图像二值化算法,采用多窗口模板分别对图像进行简单二值化处理,对不同窗口处理下获得的二值图进行综合判断,最终确定每个像素点的逻辑值。通过MATLAB仿真,与常用二值化算法进行比较,验证提出的多窗口图像二值化算法具有处理简单、运算速度快、鲁棒性较好等优点。     

融合背景估计与U-Net的文档图像二值化算法

针对低质量文档图像存在页面污渍、墨迹浸润、背景纹理等多种退化因素,提出一种融合背景估计与U型卷积神经网络（U-Net）的文档图像二值化算法。该算法首先进行图像对比度增强,然后通过形态学闭操作来估计文档图像背景,并利用全卷积网络,即U-Net对背景减除图像进行前景背景分割,最后采用全局最优阈值处理方法获得最终二值图像。实验结果表明,在2016和2017年国际文档图像二值化竞赛中该算法的◢F值（F◣-measure,FM）、伪◢F◣值（pseudo ◢F◣-measure,p-FM）、峰值信噪比（peak signal to noise ratio,PSNR）、距离倒数失真度量（distance reciprocal distortion,DRD）比性能次优的经典算法最高有5.58%、2.47%、0.86 dB、1.19%的性能提升。     

路面破损图像二值化方法研究

路面图像采集和二值化是路面破损自动分析的基础。构建了高分辨路面图像自动采集系统,实时采集、存储路面图像,采用直方图分析法将道路标线从路面图像的背景中去除。在路面图像二值化中,采用分块处理策略。首先利用子块图像灰度方差与标准子块好路面图像灰度方差以及该子块图像灰度方差均值的比值描述路面子块图像特征,并采用在线学习的方法设计路面子块图像模式分类器;其次利用子块图像模式的连通性,有效描述路面破损在空间上的连续性,进而去除路面破损图像误判的子块模式;最后采用最佳阈值法将所有路面破损子块图像二值化,实现整幅路面图像的二值化。实验结果表明,该文算法可有效分割路面破损图像。     

二值指纹图像方向图算法

在指纹自动识别过程中,指纹的纹理特点决定了方向信息的重要性。图像的增强、二值化、分割、模式分类以及压缩等许多地方,都用到了方向信息。方向图是方向信息的表示方法,方向图的准确性决定了自动识别过程中各种算法的效果。本文在二值化处理的基础上,提出了一种不受背景干扰的指纹图像方向图算法,能够准确地反映了指纹模式区的纹理方向。实验证实我们的算法具有良好的鲁棒性,可用于二值化的后期处理。     

基于量子进化算法的路由选择

网络中存在许多设计和优化问题,其中相当一部分属于NP类型。传统的解法由于计算复杂度过大而失效。为了降低计算机网络的时延和运营费用以改进网络性能,采用量子进化算法优化计算机网络中路由选择问题,深入研究了量子进化算法及其在路由选择优化问题中的应用,并对量子进化算法进行了改进,使之更适合这类问题的求解。仿真实验结果表明,同传统优化算法相比该方法对求解网络的路由选择具有很大优越性。研究结果不仅对各类网络的优化问题有一定的应用价值,而且也扩展了量子进化算法的应用范围。     

基于演化算法的卷曲DCT图像压缩

卷曲离散余弦变换(WDCT)利用频率卷曲原理解决了离散余弦变换(DCT)模糊物体边缘的缺陷,但传统方法在选取WDCT频率卷曲参数时存在较大的难度.通过利用演化算法全局寻优的特点选取WDCT的频率卷曲参数,提出一种基于演化算法的WDCT图像压缩新算法(EAWDCT).该算法针对频率卷曲参数特征,采用启发式方法设计染色体编码方式及演化算子,以加快收敛速度,最终达到快速准确的找到最优频率卷曲参数.实验结果表明,利用新的EAWDCT算法生成的WDCT矩阵能有效提高峰值信噪比、信噪比并减少均方根误差.     

一种用于图像匹配的演化算法研究

图像匹配在目标检测、目标识别与跟踪等应用中是一项极其重要的技术。图像匹配的方法很多,现有的方法均采用遍历式搜索策略,因而计算量的降低有限,如果不采用新的搜索策略,则难以在计算量的降低上取得实质性的突破,这是现有图像相关匹配算法的共同缺陷。将演化算法引入匹配技术中,利用相关匹配计算简单、抗噪声性能好的特点,提出了一种基于演化算法的图像相关匹配方法。实验结果表明该方法具有运算速度快、正确匹配率高、抗噪声性能好等特点。     

基于遗传算法的多小波数字图像水印算法

提出了一种基于遗传算法的多小波数字图像水印算法,在离散多小波变换(DMT)域中嵌入水印信息,利用遗传算法进行参数优化,提高水印图像的质量和水印的鲁棒性.实验结果表明,在利用遗传算法在GHM多小波变换域中嵌入水印比离散小波变换(DWT)域中嵌入水印更具有鲁棒性.     

基于改进遗传算法的车牌图像分割

为了解决简单遗传算法存在的早熟、收敛到全局最优解难问题,提出了适应度标定公式,提高选择压力;定义相似度概念,保留相似性差的个体,剔除相似性个体.在不增加群体规模的前提下,增加了群体的多样性.改进遗传算法能够避免简单遗传算法所存在的问题.为了解决车牌图像识别率低问题,提出基于改进遗传算法的车牌图像分割方法,进行车牌图像识别.实验证明利用此方法进行车牌图像识别效果较好.     

基于二值指纹图像的Gabor滤波增强算法

在指纹预处理过程中,Gabor滤波器对于图像的平滑和分割具有十分显著的效果。但是Gabor滤波器对纹线方向和频率十分敏感,通过处理灰度图像得到的二值图像存在着严重的特征点丢失和变化问题。采用相位差分二值化方法,使二值化过程不依赖Gabor滤波。提出了在二值图像上利用Gabor滤波器增强的方法,保留了Gabor滤波器连接纹线断线和滤除图像中噪声的优点,避免了Gabor滤波器对频率的敏感性问题,有效地提高了指纹特征的保持度。