基于模板匹配的人民币纸币序列号识别系统研究

人民币纸币序列号是由纸币的冠号和数字编号组成,犹如居民身份证号,具有唯一性。纸币序列号的自动识别对实现纸币的有效管理以及缩小纸币真伪鉴别范围具有重要的理论意义和实际应用价值。系统提出了一种基于模板匹配的人民币纸币序列号识别方法。在对图像进行预处理的基础上,先根据物理尺寸将纸币分成不同的类别,然后根据各种面值纸币序列号字符的位置和大小,定位序列号字符;采用投影法分割序列号字符;提取字符网格特征,用特征矩阵表示字符;最后采用模板匹配法识别字符。实验结果表明,系统具有较高的识别率和速率,且具有一定的稳定性。     

车牌识别中先验知识的嵌入及字符分割方法

针对车牌字符分割过程中先验知识嵌入困难,分割过程对于前期车牌定位依赖较强的问题,提出了一种新的先验知识嵌入方法及其对应的字符分割算法。给定一种类型的车牌,利用字符的可能排列方式定义马尔可夫链中的状态,可以将车牌字符分割转化为一组马尔可夫链的前向识别过程。结合连通分量提取及垂直投影分割算法,可以有效地获取车牌的最优分割结果及其置信度。在实际应用中,该算法不依赖于前期的精确定位,对粗定位后的图像即可进行快速有效地分割。该方法统一了不同类型车牌的先验知识嵌入方法,降低了编码复杂度。在中国车牌及马来西亚车牌上的实验结果均证明,该方法有效地提高了车牌字符分割的性能。     

一种去噪去污的人民币序列号分割方法

序列号的准确分割是人民币序列号识别的必要前提,然而人民币图像中引入的各类噪声和污染会严重影响其分割效果,为此提出一种能去除污染和噪声的序列号分割方法。在图像预处理时引入高提升滤波,在增强序列号边缘的同时,滤除各类噪声干扰;在字符分割时利用改进型连通区域算法,找到序列号完整的外围轮廓。在各面值人民币图像组成的数据集上验证该方法的可行性,通过与常用分割法准确率的对比显示该方法的优越性。该方法能对污痕、拆痕、字符粘连等污染的图像进行准确分割,比常用的分割方法具有更好的分割性能。     

纸币序列号定位与分割方法研究

人民币序列号的唯一性,是区别纸币的一种标示,采用一种基于投影法的号码区域定位方法,并提出一种沿双向最短路径搜索字符串上下轮廓的凹凸位置进行粘接字符分割方法。在号码区域定位时,对二值化后的序列号实行行和列投影,进行粗定位和精定位两个步骤实现目标区域的定位;为了提高分割粘接字符的正确率,利用字符串之间存在的凹凸轮廓特征,沿双向最短路径搜索字符串上下轮廓的凹凸位置,分割出单个字符。实验结果表明,投影法能够快速、准确的实现纸币序列号的定位;当有字符粘接时,采用沿双向路径方法比沿单向路径方法能够找到更好的切割点,并去除掉多余的粘接噪声,能够实现纸币序列号正确、有效地字符分割。     

一种车牌字符快速分割算法

在深入研究了大部分常用的车牌字符分割算法的前提下,根据车牌区域图像的特征,文章提出了一种综合了连通区域法和先验知识相结合的车牌字符分割算法,该算法经过大量实验证明了其在准确率方面的优越性.     

车牌字符分割的算法研究与实现

为获得准确的单个车牌字符,提出了一种将连通域法和垂直投影法相结合的车牌字符分割算法。该方法首先根据车牌中每个字母或数字的连通性特点,按照一定的像素准则与相邻像素之间的连通关系扫描目标像素的相邻像素点,找出各自的连通区域;然后对车牌进行垂直投影找出汉字区域,精确地分割出单个字符。实验结果表明,该算法对车牌字符分割的准确性和处理速度都有较大提高,能满足系统实时性和准确性的要求。     

基于新模板的算法在车牌字符分割中的应用

针对以往车牌字符分割算法在复杂情况下分割准确率低的问题,提出了一种基于新邻域模板的连通域算法的车牌字符分割算法。采用基于新模板的连通域算法粗分割字符;通过自适应阈值投影法进行字符细分割;同时使用区域合并算法保证字符的完整性。实验结果表明,该算法将连通域法与投影法有效结合,能够同时解决汉字不连通、字符粘连和边框粘连等复杂情况,该算法对车牌字符进行分割正确率达99.5%。     

车牌识别系统中的字符分割技术研究

车牌字符分割是车牌识别系统的三大关键技术之一。准确的字符分割,既能提高字符识别的准确率,又能提高识别的速度。针对车牌图像背景复杂、光照多变、干扰较多的情况,文章在车牌区域预处理的基础上提出了一种基于先验知识的垂直投影字符分割方法。实验结果表明该算法简洁、实时性好、处理正确率高,达到了实用的标准。     

基于投影法和Caffe框架的身份证分割算法

身份证的识别关键在于对身份证字符良好的分割提取,对身份证图像进行预处理,其中包括：图像矫正、增强、分块处理。结合行列投影、身份证先验知识和Caffe框架实现对身份证图像的分割。该分割方法有效地解决了数字和汉字混合的分割难题,取得了较好的分割效果,提高了字符分割准确率。     

车牌识别系统中的字符分割技术研究

车牌字符分割是车牌识别系统的三大关键技术之一。准确的字符分割,既能提高字符识别的准确率,又能提高识别的速度。针对车牌图像背景复杂、光照多变、干扰较多的情况,文章在车牌区域预处理的基础上提出了一种基于先验知识的垂直投影字符分割方法。实验结果表明该算法简洁、实时性好、处理正确率高,达到了实用的标准。     

基于混合高斯模型MRF场的CT图像分割

提出了一种基于混合高斯模型的马尔可夫随机场CT图像分割方法.此方法根据工业CT图像的特点,建立混合高斯逼近的图像灰度统计模型;用混合高斯模型作为Markov随机场的先验模型,提出混合高斯Markov随机场分割模型.实验表明,该方法较单高斯模型有很大的改善,对工业CT图像分割效果好.     

Interactive color image segmentation via iterative evidential labeling

We develop an interactive color image segmentation method in this paper. This method makes use of the conception of Markov random fields (MRFs) and D–S evidence theory to obtain segmentation results by considering both likelihood information and priori information under Bayesian framework. The method first uses expectation maximization (EM) algorithm to estimate the parameter of the user input regions, and the Bayesian information criterion (BIC) is used for model selection. Then the beliefs of each pixel are assigned by a predefined scheme. The result is obtained by iteratively fusion of the pixel likelihood information and the pixel contextual information until convergence. The method is initially designed for two-label segmentation, however it can be easily generalized to multi-label segmentation. Experimental results show that the proposed method is comparable to other prevalent interactive image segmentation algorithms in most cases of two-label segmentation task, both qualitatively and quantitatively.     

层次结构导向下的动画角色模型分割与标记

对三维角色模型进行语义化检索与重组的前提是进行准确的分割和标记。本文针对游戏与影视中应用广泛的三维角色模型,提出了一种基于结构先验知识的角色部件分割和标记方法。总结了动画角色模型的一般性结构规则,并形式化为可以指导分割的层次化知识表达;采用区域生长法逐层剥离模型部件,在此规则下进行末端检测与边界判断,同时对部件进行语义标记。在两足与四足角色模型上进行测试,与其它可标记的角色模型分割方法相比,本方法具有更好的部件化结果,以及对动画角色有良好的扩展性。     

印刷字符在线检测的预处理算法及试验研究*

根据票证印刷图像的特点, 提出了采用基于数学形态学的定向补全算法来解决运动模糊消除问题, 并采用最佳阈值分割算法来得到二值化图像以及采用轮廓投影切分算法进行字符区域分割, 进而完成了对在线采集印刷字符运动图像的预处理过程。同时, 利用VC ++6.0 实现了该算法, 并进行了相应的试验工作。     

基于测地线的超像素谱聚类彩色图像分割

在图像分割中谱聚类算法得到了广泛的应用,但传统谱聚类算法易受到彩色图像大小和相似性测度的影响,导致计算量大和分割精度低的问题。为了解决这两个问题,提出一种新的基于超像素集测地线特征的谱聚类分割算法。该方法通过对彩色图像进行预分割得到超像素集,并以超像素集为基础构造加权图,利用测地线距离特征和颜色特征构造权值矩阵,最后应用NJW（Ng-Jordan-Weiss）算法得到最终的分割结果。对比实验结果表明该算法在分割精度和计算复杂度上都有较大改善。     

基于先验知识水平集方法的草莓图像分割

在实际应用中,当目标本身含有一些固有的颜色纹理特征时,可将这些特征作为一种先验信息,这样可以大大提高分割的准确性.为此,本文提出了一种基于先验信息的改进水平集图像分割方法.首先,利用传统的C-V模型能量项的构造思想构建了基于颜色信息的局部能量项,该项是用于处理彩色图像;然后将颜色分量引入到传统的结构张量中构建出新的扩展型结构张量,该项是用于处理纹理信息;最后,将上述新构造的能量项以及Li模型约束项引入到传统C-V模型中得到新的水平集模型.鉴于草莓果实所具有的颜色信息和纹理信息,本文将上述改进水平集方法应用到农业自动化应用中草莓果实分割中.对实验室环境与草莓生长环境下的草莓图像进行分别实验,结果显示该方法能够不仅能够分割出草莓果实且能够很好地处理草莓表面的纹理信息.另还与OTSU算法、传统C-V模型、改进C-V模型对草莓图像作对比实验,结果表明本文算法均比上述三种算法具有更好的分割效果.     

基于深度学习的点云分割方法综述

点云分割是点云数据理解中的一个关键技术,但传统算法无法进行实时语义分割。近年来深度学习被应用在点云分割上并取得了重要进展。综述了近四年来基于深度学习的点云分割的最新工作,按基本思想分为基于视图和投影的方法、基于体素的方法、无序点云的方法、有序点云的方法以及无监督学习的方法,并简要评述;最后分析各类方法优劣并展望未来研究趋势。     

基于圆形约束快速水平集的原生质体细胞分割

原生质体细胞的显微图像具有边界模糊、内部分布不均匀的特点,利用传统分割方法较难取得理想分割效果.针对原生质体细胞的圆形特点,在快速水平集分割算法中加入圆形先验知识,提出一种新的基于圆形约束的快速水平集模型.为解决多个原生质体细胞分割问题,首先对图像进行预分割,然后利用多个水平集表示的圆形约束快速模型进行再分割.对传统快速水平集进行改进得到一种基于直方图统计的快速水平集模型,利用该模型进行预分割可以取得较好的效果.对多个不粘连细胞和多个粘连细胞,分别采用八链码跟踪法和随机霍夫圆检测法对预分割后的目标区域进行分裂.实验结果表明,本文快速水平集算法可以有效地解决单个及多个原生质体细胞分割问题.