一种改进的图像模板细化算法

针对现有图像模板细化算法中存在的诸如迭代次数较多、细化速度较慢、图像某些部位细化不完全等问题，提出了一组改进的细化模板。针对指纹图像应用新算法进行的细化实验结果表明，采用改进的细化模板，新算法在保证对图像完全细化的同时，能显著减少细化所需的迭代次数，从而加快了细化处理速度。     

一种改进的指纹图像细化算法

在自动指纹识别系统中,细化占有重要的地位,现有的指纹细化算法存在很多问题,如细化不彻底、纹线吞噬、骨架偏离纹线中心等。对快速细化算法和改进的OPTA细化算法进行了分析和研究,指出这两种算法在指纹纹线和分叉点处图像细化不彻底等缺陷。同时将两种细化算法有机结合,设计了一组改进的细化模板,提出了一种新的细化算法。实验结果证明：该算法与传统的细化算法相比没有破坏纹线的连接性,不会引起纹线的逐步吞食,又保护了指纹的细节特征。而且该算法运算速度也大大加快,处理后的指纹图像细化完全,骨架接近纹线中心线,光滑无毛刺,方便特征提取和减少匹配的复杂度。     

一种适于串行机实现的图像并行细化算法

为解决现有的图像并行细化算法在串行机上的高效实现问题 ,首先提出了一种 4× 4邻域二值图像的双字节图像编码方案 ,由于在该方案中将每个 4× 4邻域的像素用一个双字节的整数来表示 ,从而将基于整个邻域 16个像素的细化处理转化为一个双字节整数的读、写和比较运算的问题 ;然后在此基础上提出了一种可在串行机上实现的并行细化算法。实验证明 ,该算法适用于当前通用的各种基于模板匹配的并行细化算法 ,其不仅可以取得完全相同的细化结果 ,而且可以大幅度提高图像细化过程在串行机上的执行速度 ;最后简要讨论了该算法利用 PC机中的 MMX技术来进一步提高并行粒度和运算效率方面所具有的潜力     

一种新的指纹图像快速细化算法

针对快速并行细化算法存在的不足,即细化不全、不光滑、毛刺等缺点进行分析和研究,提出了一种新的细化算法,该算法速度快、细化全,细化后的指纹骨架在纹线中心线,且光滑无毛刺,不会产生断线,实验结果非常好。     

一种改进模板的OPTA细化算法

本文首先介绍了指纹识别系统中目前常用的两种OPTA细化算法,并针对这两种算法的不足,重新构建了细化模块,提出了一种新的细化算法.经过实验证明,该算法能够很好地满足细化要求,在保证指纹骨架处于纹线中心线的同时,不仅减少了毛刺的出现,使细化后的纹线更均匀,更清晰流畅,而且较大幅度地提高了细化速度,缩短了处理时间,从而节约了所需的内存空间.     

一种新的改进OPTA细化算法

深入研究改进的OPTA细化算法,针对已有算法中存在细化后毛刺较多的问题,提出了一个新的改进OPTA细化算法。该算法在原有细化算法的基础上,根据纹线角度和弯曲方向的不同采用不同的细化顺序,并修改了消除模板,改进了保留模板的去除情况。大量实验表明,该算法在继承原有算法优点的基础上显著地减少了细化后的毛刺,是一种较为理想的细化算法。     

改进的字符图像细化算法

针对现有并行细化算法中存在的细化不完全、二像素宽斜线细化畸变等问题,提出一种改进的细化算法.首先对二值图像构造了一组保留模板和消除模板,采用算术逻辑运算对图像进行初步细化,并结合保留模板匹配将二像素宽斜线予以保留;再利用消除模板匹配进一步删除斜线上的冗余像素,得到8连接的单像素图像.针对字符图像的实验结果表明,文中算法能够有效地避免二像素宽斜线的细化畸变,保持了原图像的拓扑结构,实现图像的完全细化.     

一种改进的指纹图像细化及特征提取算法

指纹图像预处理是自动指纹识别系统(AFIS)的关键步骤,它的好坏直接影响到整个系统的速度和准确率.通过介绍预处理过程中细化,以及细节特征提取等关键技术,提出一些改进算法和新的思想,以及基于细化图像的细节特征提取算法.     

一种新的指纹图像模板细化方法*

OPTA方法是一个经典的指纹图像细化方法,针对OPTA的不足提出的改进OPTA方法能够得到完全细化的指纹图像,细化后图像纹线扭曲小。但是这两种模板细化方法均存在细化后图像容易产生毛刺的不足,究其原因是由于模板细化方向粗糙造成的。为此提出了16方向的细化模板,该模板以22.5°为角度单位对图像进行更细致的细化处理,得到的细化图像光滑几乎无毛刺,取得了更为理想的细化效果。     

一种基于改进模板匹配的车牌字符识别方法

提出了一种改进的模板匹配方法．该方法是在传统的模板匹配方法的基础上，通过对字符特征区域的扩大和加强注意设计了一种改进的模板，以达到更有效的匹配结果．将该方法应用于沪宁高速公路收费口处实拍的车牌图像库中，其平均识别率达到97．1％．实验结果表明本文所提出的改进的模板匹配方法具有较高的识别率和鲁棒性．     

一种改进型的汉字字符图像细化算法

针对一般的基于图像像素的八邻域进行分析的细化算法，容易导致汉字笔划产生畸变的问题。文中提出了一种改进的汉字字符图像细化的算法，该算法在图像像素的八邻域细化算法的基础上，分析细化结果中笔划畸变的主要情况，再分别加以修正。实验结果表明，该算法能够较好地纠正传统细化算法的畸变，处理速度较快。     

一种改进型的汉字字符图像细化算法

针对一般的基于图像像素的八邻域进行分析的细化算法,容易导致汉字笔划产生畸变的问题。文中提出了一种改进的汉字字符图像细化的算法,该算法在图像像素的八邻域细化算法的基础上,分析细化结果中笔划畸变的主要情况,再分别加以修正。实验结果表明,该算法能够较好地纠正传统细化算法的畸变,处理速度较快。     

一种改进的细化算法在车牌识别系统中的应用

首先介绍了几种典型的细化算法,以Zhang细化算法为基础,并加以适当改进,然后应用到车牌识别系统中。实验结果表明,该改进算法实现效率高、细化效果好、大大提高了车牌识别系统的整体性能。     

基于像素字符串比较的图像快速匹配算法

在分析传统的模板匹配算法的基础上提出了一种新的基于字符串匹配的快速匹配算法。算法的思路是在模板图像上任意确定一列像素，并将这一列像素的灰度值看成是一个字符串，以此对原图像的每一列进行字符串匹配。如果在原图像上的某一列上找到了完全匹配的串，或者找到最大匹配的串，就找到了所要匹配的模板在图像中的可能位置。然后在所有找到的位置上再做进一步的字符串匹配。如此继续就可以确定模板图像在待匹配图像上的位置。算法在统计意义上保证了匹配效果，且提高了匹配速度。实验结果表明该算法是一种有效的图像匹配算法。     

基于改进PCNN的指纹图像细化算法

针对基于模板脉冲耦合神经网络(PCNN)指纹图像细化算法细化时间长、纹线断裂、细化不彻底等问题,通过增加4个细化模板,重新构造方形模板及改变细化过程,提出一种基于改进PCNN的指纹图像细化算法。实验结果表明,该算法能够较好地满足细化要求,细化彻底、速度快且纹线光滑无毛刺,能够应用于其他二值图像。     

基于改进的OPTA的并串混合细化算法

现有的指纹细化算法存在着很多问题,如细化不彻底、纹线吞噬、骨架偏离纹线中心等。对OPTA（One-Pass Thin-ning Algorithm）算法和改进的OPTA算法进行了深入的分析和研究,指出了各自的优点和缺点。在此基础上提出了一种基于改进的OPTA的并串混合细化算法。该算法扩展了改进的OPTA算法的消除模板,舍弃保留模板,同时用缩小的消除模板来彻底细化。对以上算法进行了编程实验。实验结果表明,算法不仅保持了改进的OPTA算法的优点,也继承了OPTA算法的并行性,是一种较为理想的细化算法。     

一种新的图像匹配算法的研究

在图像匹配研究中,基于H ausdorff距离的检测(HD)和序贯相似度检测(SSDA)是比较常用的两种方法。介绍了HD和SSDA两种算法并分析了两者各自的优点与不足,在此基础上提出了一种新的图像匹配算法。该算法结合了SSDA和HD的优点,实验证明该算法在实时图像匹配过程中能使模板和图像达到更加快速有效的匹配。     

大幅图像的分块细化加速算法

文章在分析大规模二值图像特点和细化算法基本原理的基础上,提出一种分块细化大幅图像的算法。该算法首先将大幅图像分割成若干子块,然后分别对各子块进行细化,最后将子块细化的结果拼接成原图的骨架。算法有效地解决了大幅图像细化处理的时空矛盾,提高了大幅图像的细化速度。