基于离线参数调整的古籍图像二值化算法

古籍退化对古籍图像二值化带来较大挑战,为此,提出一种基于离线参数调整的古籍图像二值化算法.算法分为两步,估计古籍图像背景局部均值,结合基于拉普拉斯能量的二值化算法对古籍进行二值化;根据迭代弗里德曼竞赛算法设计一种离线参数调整方法优化算法中的参数配置.所提算法在H-DIBCO 2016和H-DIBCO 2018数据集上的...     

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。     

保持二值图像连通性的缩小算法

针对二值图像进行大因子缩小时容易产生连通性丢失的问题, 提出一种保持连通性的缩小算法.将二值图像划分成互不相交的矩形区域, 对光滑区域的像素根据人眼视觉系统进行处理, 对边缘区域的像素根据人眼视觉系统和局部邻域的连通性进行处理, 并通过保持连通性来保持图像的拓扑结构, 得到拓扑结构较好的缩小图像.实验结果表明, 与已有算法相比, 文中算法能够在保持形状的情况下兼顾图像的拓扑结构.     

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。     

基于全局迭代阈值和局部分析的护照图像的二值化算法

针对护照证件图像有复杂的底纹背景和防伪网格线的特点,对图像二值化的方法进行了深入分析和研究,提出一种全局迭代阈值与局部分析相结合的适用于护照证件图像的二值化方法。该方法模型简单、易于实现,能滤除噪声,能清晰地把字符笔划从背景中分割出来。     

基于图像分块的局部阈值二值化方法

针对目前局部阈值二值化结果存在目标虚假或断裂的缺陷,提出了一种基于图像分块的局部阈值二值化方法。首先,将图像分成若干子块并分析每个子块像素灰度变化情况;接着,取一定大小的局部窗口在图像中移动,比较该局部窗口内与包含窗口自身且比窗口更大区域内的像素灰度变化情况,更大区域由窗口模板当前覆盖的所有子块组成,以此判断窗口内是否为灰度变化平坦（或剧烈）区域;最后,根据不同的区域,给出具体的二值化方案。利用7种不同算法对4种不同类型的4组图像进行了二值化实验。实验结果表明该算法在屏蔽背景噪声和保留目标细节方面表现最优,特别地通过对车牌图像的二值化结果进行定量分析后发现该算法能够得到最高召回率和准确率。     

基于局部对比度保持的色阶重建算法

为了解决现有色阶重建算法存在的明暗对比欠佳以及细节弱化问题,提出一种基于局部对比度保持的色阶重建算法.首先利用二阶范数构建聚类准则,通过动态规划对聚类准则进行最优化,实现全局色阶重建;然后通过局部边缘保持滤波对局部对比度进行估计,根据局部对比度一致性构建线性方程组,方程组的解是保证局部细节特征的重建图像.在TMQI数据库上的实验结果表明,所提算法对应的主观打分均值达到0.898,色阶映射图像质量测度达到0.896,局部均值韦伯对比度达到1.645,均高于现有的色阶重建算法;该算法可以有效地保证重建图像整体明暗效果,重建图像的局部细节较为丰富.     

自适应模糊文件图像的二值化

本文提出了一种新的自适应二值化方法，使模糊文件得到增强。这种方法不需要调整任何参数，它通过使用者及其对阴影、非均匀图像、低反差、大量的信号噪声、污点和变形等涉及的模糊情况，采用以下几个不同的步骤：低通Wiener滤波器的预处理，前景区域、背景表面的大致估算，背景表面与原始组合图像样本的组合计算以及最后的预处理过程，以改善文件的质量并保持笔划的连接。实验证明，本文的方法针对许多模糊图像具有优良的特性。     

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.     

基于局部能量和小波系数相位特征的图像融合方法

分析基于局部能量的小波图像融合算法的优缺点,针对该算法存在的对窗口内像素包含独立信息考虑不足的问题,提出一种改进算法.改进算法利用了窗口中心点小波系数的相位特征,将基于局部能量的选择和加权平均融合规则相结合,有效地提高了融合效果.实验证明了改进算法的有效性.     

一种基于脊波变换的图像去噪方法

Ridgelet是继小波变换(Wavelet)后提出的一种新型的多尺度分析方法,它特别适合于具有直线或超平面奇异性的二维信号的描述,而且具有较高的逼近精度.利用脊波变换的方法,设计了一种基于脊波变换的改进的图像去噪算法,该算法采用指数型阈值函数,利用SureShrink自适应阈值.试验结果表明,该方法比起Wavelet全局硬、软阈值,Ridgelet全局硬、软阈值,具有明显的优越性.     

一种基于轮廓波变换和各向异性扩散的图像去噪模型

提出一种采用轮廓波变换和各向异性扩散的图像去噪模型。利用轮廓波变换较好的稀疏性、多方向性等特点,通过对噪声图像经轮廓波变换后的不同尺度上的子带图像进行扩散,并采用P范数方法在轮廓波域计算子带图像的梯度阈值,实现建立在图像精细分析基础上的新的各向异性扩散模型。仿真结果表明,提出的扩散模型较好地抑制了传统各向异性扩散模型出现的边缘模糊效应,在对图像去噪的同时保留了更多的边缘、纹理等细节信息。     

基于Inception模块的卷积自编码器图像去噪

为了更有效地去除图像中存在的高斯噪声,提出一种结合Inception模块的卷积自编码器图像去噪模型。以完整图像作为输入和输出,利用Inception模块对噪声图像进行去噪,使用改进Inception反卷积模块将去噪图像进行还原,提升模型去噪能力。同时在模型中引入批量归一化(Batch Normalization,BN)和随机失活层(Dropout)有效解决过拟合问题,引入ReLU函数避免模型梯度消失,加速网络训练。实验结果表明,与深度卷积神经网络方法相比,该模型获得了更高的峰值信噪比和结构相似度,其去噪能力更好,视觉效果更佳,具有更好的鲁棒性。     

改进的FCM与局部信息相结合的图像分割

传统的EM算法和FCM算法分割精度低,时间消耗大。为解决以上不足,提出了一种基于EM、FCM和KCN三种算法相结合的全新的图像分割算法。该算法有较好的分割精度。考虑到图像会受到噪声的干扰,在改进算法的基础上又引入图像的局部信息。首先利用图像的局部信息重塑图像的灰度直方图,增强了像素的类间散布性和类内紧凑性,然后让改进的算法在重塑图像上执行。实验结果表明,该算法具有很好的分割效果和较强的抗噪性能。     

基于改进同态滤波的低对比度图像增强

针对传统同态滤波算法计算量大、参数设置困难、实验难度大等问题,提出一种改进同态滤波和对比度约束自适应直方图均衡相结合的低对比度图像增强算法。对原始图像进行均衡,保留图像的细节,增强图像的对比度;通过对同态滤波算法进行改进,进一步提高预处理图像的对比度。改进同态滤波算法利用滤波器特性对滤波函数进行简化,不但保证了原始算法的效果,而且在很大程度上减少了计算。结果表明,该算法是可控的,效果明显,细节更加完整。     

基于自适应局部阈值的交互式图像分割

目前比较主流的交互式图像分割技术,对用户的输入位置和输入量比较敏感,而且用户的输入具有试探性,所以为了得到满意的分割结果,用户不得不多次调整自己的输入,比较繁琐。针对这种不足,提出一种新的交互式图像分割方法。首先采用基于自适应局部阈值的图像分割算法,生成一系列同质区域,并描绘出其轮廓;然后用户用不同颜色,粗略标记出组成不同目标的区域集;最后通过合并同色标记的区域集,完成图像分割。实验结果表明,该算法不仅满足用户对交互式图像分割输入更直观、结果更准确的需要,同时方便地实现了多区域多目标的图像分割。     

基于多分辨率分析和相关反馈技术的图像检索

提出了一种基于图像全局-空间颜色特征的检索方法,首先采用多分辨率分析的图像划分方法,提取图像的全局和空间颜色特征作为检索信息,同时引入了反馈机制来加强检索效果.实验表明,该方法取得了较好的检索效果.     

基于区域清晰度的纺织纤维图像融合

针对多焦面纺织纤维图像,提出一种基于区域清晰度的图像融合方法。用像素点灰度的模值衡量像素点的清晰度。首先通过对多焦面图像搜索像素点最大模值的方法,确定每个最清晰像素点(即灰度的模值最大)所在的图层号,并保存在图层号矩阵中。再针对图像中的噪声干扰,根据局部区域模值的最大值,确定区域阈值进行去噪处理,并修正图层号矩阵。然后根据图层号矩阵,用对应图层像素点的灰度值合成得到多焦面融合图像。最后对融合方法提出改进措施,以进一步提高图像处理的速度。实验表明所提出的多焦面图像融合方法行之有效。     

基于偏微分方程的肉品图像去噪对比研究

肉品中含有水分,或者切割过程中产生的脂肪碎屑或结缔组织,其可见光图像容易产生噪声。基于偏微分方程模型的算法去噪同时能够保持图像的某些特征,常见的有Perona-Malik模型、全变差ROF模型、Y-K四阶模型。通过对Lena图像加入高斯噪声和椒盐噪声,对比了三种模型的信噪比、方法噪声及运算时间。在此基础上,以猪肉图像为去噪对象,比较三种算法的性能。结果表明:ROF模型在去除噪声的同时,保持细节的能力强于其他两种模型,YK四阶偏微分方程模型能够去除噪声,但是图像模糊。去噪效果最差的是P-M模型。