低质量文档图像二值化算法研究

针对低质量文档图像中存在的墨迹浸润、页面污渍或背景纹理等退化因素,提出一种低质量文档图像二值化算法。算法首先基于文档图像的局部对比度实现字符笔画像素检测,然后采用Otsu算法对其进行全局最优阈值化处理,最后通过估计字符笔画宽度确定邻域窗尺寸,从而实现字符前景与页面背景的精细分割。实验结果表明,该算法在F-measure、PSNR、SSIM、NRM、DRD等性能指标方面较其它经典的文档二值化算法具有明显优势。该算法不仅能够较好地保留笔画细节外,还能够较好地抑制文档背景。     

基于支持向量机的低质量文档图像二值化

针对低质量文档图像受墨迹浸润、页面污渍、背景纹理或光照不均等因素的影响,提出一种基于支持向量机(SVM)的低质量文档图像二值化方法。该方法对文档图像进行分块,并增强每个图像块的局部对比度;利用SVM将这些图像块分成三类,对不同图像类采用不同的阈值处理,实现粗略分割;通过笔画宽度估计确定邻域窗尺寸,从而实现局部精细二值化。实验结果表明,该算法无论从二值化图像质量,还是各种评估参数,较其他经典文档二值化方法都具有明显优势。     

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。     

基于图像的颗粒物检测研究

针对复杂背景下的显微图像中的颗粒物检测,提出了一种快速、准确的颗粒图像分割新方法;该方法利用Canny算子得到图像中的颗粒边缘,采用格雷厄姆法计算颗粒边缘的凸壳,得到局部闭合区间;通过对单个闭合计区间内像素值信息的统计,得到局部阈值,利用局部阈值进行阈值分割得到颗粒二值图像;实验结果表明该方法有效克服了背景中纹理的影响,准确地分割出了颗粒图像,基于该算法开发的接触式表面洁净度检测仪具有较高的检测精度,得到了较好的应用。     

脉冲噪声污染图像的迭代二值化分割

为使混有脉冲噪声的图像在去噪后取得更好的效果，对混有脉冲噪声的图像，先采用开关中值滤波消除噪声干扰，然后利用迭代算法实现图像的二值化分割，对提出的算法进行计算机仿真。结果表明：开关中值滤波能在有效去噪的同时很好地保护图像中的细节，对去噪后的图像再采用迭代算法进行二值分割可取得良好的效果。     

基于改进模糊C均值的海面目标图像分割算法

提出一种图像分割算法,解决水面无人艇在执行目标跟踪与识别任务过程中的图像快速准备分割问题。首先使用均值滤波算法对彩色的海洋背景图像进行滤波,同时利用其非参数性得到图像的聚类中心和类别数,并以此作为初始化参数进行图像的模糊C均值聚类,在此基础上进行大津法Otsu二值化处理实现目标提取。使用BSDS500标准数据集和海洋背景图像对算法的分割效果及效率进行验证,与传统的模糊C均值算法、脉冲耦合神经网络算法、自适应遗传算法以及马尔科夫随机场算法进行对比的结果显示了该算法的有效性。     

基于自适应阈值的网格图像行分割算法

针对网格图像文字自动识别受网格横线影响的问题,提出将网格图像按照网格横线进行行分割的自适应阈值算法。在对网格图像行分割过程中,首先对灰度图像使用类别方差自动门限法(OSTU算法)取得图像二值化的阈值,将此阈值作为全局阈值对图像进行二值化操作。然后针对图像的二值化数据进行了水平投影,利用统计法取得行分隔的阈值,并结合行分隔阈值实现了网格图像行分割的算法。最后将算法在Matlab中进行了验证和分析。     

亮度不均匀低质量图像中压印字符分割方法

字符分割效果,直接影响识别精度。在处理亮度不均匀低质量图像中的压印字符时,由于亮度分布不均匀、目标字符与背景区域对比度较低,传统基于二值化图像的字符分割方法在处理上述情况下的压印字符时,难以确定最优二值化阈值,分割准确率较低。提出基于分割效果评价函数的迭代闭环反馈分割方法,通过建立评价函数对分割效果进行评估,以提高分割效率及准确率。借助加权平滑滤波,去除灰度波形图中的畸变波形;并利用广义学习矢量量化算法,确定最优滤波权重因子;通过分析波形变化趋势,确定字符分割位置。实验结果表明,该算法在批量处理亮度不均匀低质量图像中的压印字符时,分割准确率可达98.5%。     

基于背景估计和边缘检测的文档图像二值化

为提高文档图像在对比度低、光照不均、大块噪声等复杂图像背景下二值化效果,提出一种背景估计与边缘检测相结合的图像二值化方法。该方法先利用Sauvola算法有效地估计图像的背景,并在此基础上,结合改进的Canny算法获取边缘变化信息,利用基于局部阈值的策略进行二值化。实验结果表明,该算法取得了较好的二值化效果,在开放的DIBCO 2011数据集上测试,其性能与Otsu、Niblack、Sauvola经典方法相比有大幅提高,其F值比ICDAR2011二值化竞赛中第一名的算法略有提高。     

基于局部对比度和相位保持降噪的古籍图像二值化算法

图像二值化算法通过消除文档背景噪声将文本与背景分割开。针对古籍图像提出一种基于局部对比度和相位保持降噪的古籍图像二值化算法。根据归一化局部最大值最小值来构造古籍图像局部对比度,同时对古籍图像进行相位保持降噪。将局部对比度图像和降噪图像相结合来识别文本笔划像素。通过局部窗口内所检测的文本笔划像素估计局部阈值从而计算古籍背景修复模板。用图像修复算法和形态学闭操作来估计古籍背景。用所估计背景来增强古籍图像,采用Howe算法对增强后的古籍图像进行二值化求得最终结果。该算法在DIBCO2016、DIBCO2017和DIBCO2018数据集中的实验结果均优于其他二值化算法。