直升机桨叶共锥度测量中圆形标记点高精度定位方法

针对直升机桨叶共锥度测量中背景复杂、圆形标记点较小,易出现定位不准的问题,提出一种新的圆形标记点定位方法.首先,利用OTSU图像分割方法计算阈值;然后,以OTSU阈值为边界阈值,对图像进行多重分割;利用圆度特征和质心变化规律,对每一次分割后的连通域轮廓进行干扰排除,实现圆形标记点的粗定位;最后,采用最小二乘拟合法完成标记点的精确定位.通过圆形标记点定位实验,表明该方法在复杂场景下对较小的圆形标记点具有较高的定位精度,可用于提高大场景复杂环境下直升机桨叶共锥度测量精度.     

一种新的复杂自然背景中多目标的检测算法

综合利用了RGB图像的彩色特征与灰度图像的分形特征,提出了一种新的复杂自然背景中多目标的检测算法.首先通过无监督优化模糊聚类的方法分割出彩色图像中目标的潜在区域,记录其质心位置和形状大小;然后在质心对应位置提取灰度图像中各区域的分形特征,利用几何度量空间变化率特征排除背景奇异区域的干扰;最后对记录的目标区域进行判决,得到真实目标的质心位置和形状特征,从而检测出全部目标.仿真结果表明,该算法可以有效的进行多目标检测,并较好的保留目标形状特征.     

复杂背景下多源多目标图像的分形分割算法

综合利用红外图像灰度特征与可见光图像灰度以及分维数方差特征，提出了一种复杂背景下多目标分割算法。首先通过最大熵阈值分割出红外图像的潜在目标区域，记录其质心位置及形状大小并对应到可见光图像中。再提取可见光图像的分形维数，利用其方差特征增强目标奇异性，排除背景奇异区域干扰，并对记录的目标区域进行初判决，得到真实目标质心处的分维数方差。然后将分维数图划分为与已知目标大小接近的区域块，搜索并标记具有相近分维数方差的所有区域块。最后在所标记及其相邻的区域块中精确分割出全部目标。对大量实际图片进行的仿真实验证明，该分割算法可以有效地进行多目标分割，并较好地保留目标形状特征。     

面向药瓶标签的字符定位方法研究

针对药瓶标签的特点,提出了一种数学形态学和投影特征相结合的药瓶标签字符定位方法。该方法首先对药瓶标签图像进行预处理,减小圆柱面造成的字符畸变程度,对处理得到的图像进行二值化和边缘检测等。其次对图像进行多次数学形态学处理,使图像分割成几个连通区域,根据先验知识以及轮廓跟踪方法得到字符所在的大致区域。最后利用水平投影和图像分割方法将粗定位得到的图像分割成三个单行字符,完成对字符区域的精确定位,便于后续的单个字符分割和识别。实验结果表明,该方法能对药瓶标签进行有效的定位。     

脱机手写维吾尔文本行字符粘连区定位及分割

在大篇幅的手写维吾尔文文本图像中,往往会出现粘连字符这一现象。这一现象会对文本行分析和笔迹鉴别等研究工作造成影响,同时所处环境为大篇幅手写图像,在对粘连字符切分时会受到其余非粘连字符的较大干扰。针对上述问题,本文提出了对手写文本图像定位线的正确提取方案,以连通域特性为基础,通过定位线与文本图像融合,使行间粘连字符所在文本行为同一连通域想法,可自动提取出粘连文本行,再根据粘连字符所占宽度和高度大于非粘连字符,从而自动提取出粘连字符。对提取出的粘连字符通过定位线可确定出粘连区域,对粘连点所处位置进行统计分析后在该位置处添加一条与背景同色细线从而达到分割效果,最后对分割后的粘连文本行通过着色方法逐行提取。实验表明,上述问题通过我们的方法得到了很好的解决。在实验结果分析中,本文给出了每个算法的性能指标数据,并与其它文献进行了对比分析,论证了本文研究方法的可行性及存在的一些主要问题。     

基于字符包围盒特征参数的车牌定位分割研究

现有的车牌识别流程中,车牌定位和字符分割关联性较小,有效融合这两个过程可以提高检测的效率。为此,提出了一种基于字符包围盒特征参数的车牌字符定位分割算法。该方法首先使用高斯-拉普拉斯算子对车牌图像进行滤波和边缘检测,在此基础上,使用连通区域分析和轴对齐包围盒检测和表征边缘图像中的连通域,根据车牌字符的分布规律来筛选目标包围盒,最后基于目标包围盒中心点对车牌字符进行倾斜矫正和定位分割。实验结果表明,该方法可以有效地定位车牌和分割字符,准确率可达到93.5%。     

基于深度学习的集装箱编号识别

针对集装箱编号图像存在光照不均、背景复杂、模糊、污损、断裂等问题,本文提出,先采用基于深度学习的目标检测算法(YOLOv4)来实现集装箱编号区域定位,接着对定位后的集装箱编号图像进行预处理,采用连通域分割法分割字符,然后把一个个的字符送入模板匹配算法中进行字符识别.通过理论分析以及实验证明了本文方法的有效性,识别准确率相比其他方法明显提高.     

基于区域色彩空间和LBP算法的图像分割

提出一种基于区域色彩空间和LBP算法的图像分割.该算法用颜色和LBP直方图作为区域描述符,量化HSV颜色空间,并根据LBP算法的Uniform模式,利用较少的LBP算子描述大部分纹理特征,有效降低了区域特征矢量的维数,提高了区域相似度计算的执行效率.此算法能有效地将对象从复杂图像场景中分割提取出来,且结果与人眼的主观视觉有良好的一致性,在轮廓细节和执行效率上比MRSM算法更优.     

基于灰度直方图和谱聚类的文本图像二值化方法

在自动文本提取中,经定位获得的字符区域需二值化后方能有效识别,由于背景的复杂,常用的阈值化方法不能有效分割自然环境下的字符图像。该文提出了一种基于谱聚类的图像二值化方法,该方法利用规范化切痕(Normalized cut, Ncut)作为谱聚类测度,结合灰度直方图计算相似性矩阵,并通过实验确定最佳的直方图等级数,与通常基于像素级相似矩阵相比,算法的空间复杂度和计算复杂性都大为降低。实验结果表明,针对自然场景下的字符图像,该文方法的二值化结果优于常用的阈值分割结果。     

基于结构特征的高温、高热钢坯端面字符识别

文中提出了一种基于结构特征的识别方法,该方法通过去模糊和图像清晰化及目标框定进行预处理,然后通过定位切分和多次分层以及对模糊字符"穿孔"进行特征提取.选取具有描述字符特性能力强、字符问区分度高的特征,通过特征比对,进行钢坯端面字符的实时自动识别,由此降低计算复杂性.实验证明,该方法可有效的降低字符的拒识率和误识率,提高了识别率.     

基于SVM的多特征手写体汉字识别技术

针对传统的模板匹配法对汉字的识别率较低,文中提出一种基于SVM的多特征手写体汉字识别技术。在提取网格特征的基础上增加对汉字质心特征、笔划特征、特征点的提取,并采用SVM算法构造分类器,实现对手写体汉字的识别。实验结果表明,该方法的平均识别率为95.9%,高于传统的模板匹配法。     

双X特征下自组织竞争网络的手写字符识别

对图像预处理、字符特征提取和神经网络类型的选择、优化、训练及调整等进行研究,提出运用双X特征作为输入的自组织竞争网络对手写字符进行识别的方法。首先进行图像预处理,包括图像的灰度化、二值化、剪裁及缩放等。然后,提出字符的双X特征提取方法,并运用该方法提取各个字符的特征信息。最后,将字符特征数据送入自组织网络中进行学习,反复试验确定理想网络参数,使其可以自组织地将各字符模式相区分。实验结果表明:这种方法减少送入网络的数据量,降低了冗余信息对网络的干扰,使网络处理的复杂程度大大降低,训练后的网络误差小,网络的错判率约为12%,比传统方法有明显提高。     

Automatic data capture for geographic information systems

We present a map interpretation system for automatic extraction of high level information from the scanned images of Chinese land register maps. Our map interpretation system consists of three main components: text/graphics separation, parcel extraction, and rotated character recognition. Our approach to text/graphics separation is based on a simple yet effective rule: the feature points of characters are more compact than those of graphics. In the parcel extraction process, the proposed algorithm traces the branches between feature points to extract polygon structure from line drawings. Our character recognition method is based on the matching of extracted strokes using a neural network. The techniques of text/graphics separation and character recognition are robust to the rotation and writing style of characters. Another advantage of our separation algorithm is that it can successfully extract a character connected to a graphical line. Experimental results have shown that the proposed system is effective for the data capture of geographic information systems     

多目标、多类型车牌融合定位算法

针对复杂环境下目标的有无、数量多少和种类均不确定的车牌目标定位,提出了一种融合灰度边缘和颜色特征检测并进行目标真实性验证的车牌定位算法。算法主要分为4个步骤:首先,提取所有与目标颜色有关的区域进行多类型多值化处理;接着,提取灰度纵向绝对累积差分边缘;然后,按类型分别融合灰度边缘和颜色特征,检测每类可能目标;最后,利用伴生与互补特性对可能目标逐一进行真实性验证,排除错误报警,提高目标定位准确度。通过大量交通卡口获取的实测彩色车辆图像试验,验证了算法的有效性和准确性。     

基于目标检测网络的摄影测量编码点定位

为解决传统摄影测量编码点定位依赖多种关系准则、判定复杂且识别不稳定的问题,提出一种采用基于改进YOLOv3的目标检测网络分割编码点、利用距离排序识别中心标记点的定位方法。首先针对编码标记点特点改进特征提取网络,从复杂背景中快速识别编码点,然后在预测框内进行图像处理,计算轮廓质心到中心的距离,通过距离排序定位中心圆形标记点,最后构建标尺编码点数据集用于网络训练和测试。实验结果表明,目标检测网络识别编码点的精度达到94.91%,受环境和噪声等的影响小,距离准则准确率高,该定位方法具有适应性好、鲁棒性高的优点。     

一种新的红外目标提取算法

针对红外热图像普遍存在的目标与背景对比度差、边缘模糊等特点,提出了一种结合图像统计特征和模糊聚类的红外图像目标提取方法对红外图像进行迭代分块,通过计算统计特征度量函数的极值来确定种子区域,进而获得红外目标约束区域。利用模糊聚类对该约束区域进行有效的聚类划分,最终实现红外图像目标提取。实验结果表明,该方法能够准确的对红外目标进行提取,便于下一步的红外目标识别与跟踪。     

基于权系数标识符矩阵的车牌字符识别方法

为了提高对车牌字符的准确识别能力,提出了一种基于权系数标识符矩阵的模板匹配车牌字符识别方法。具体方法是在进行字符识别前为每一个车牌字符制定一个标准化的模板,再将每一个模板字符的像素依据像素区域、像素边缘区域和非像素及非像素边缘区域等标记成不同的区域,并依此为基准生成一个模板矩阵。根据车牌字符闭合区域个数及字符二值图像中间行、中间列黑白跳变次数,可将字符分为10类。进行字符识别时,首先判定待识别字符属于哪一类,然后与所在类的每一个字符的标准模板进行匹配,统计待识别字符落在每一个标准模板矩阵的不同区域的像素数,并根据不同区域的不同权值计算相似度值,相似度值最大的即为识别结果。该方法采用两级分类法对车牌字符图像进行分类,再采用基于权系数标识符矩阵的模板匹配法对车牌字符进行识别。实验结果表明,该方法提高了识别结果的准确度,对于存在字符断裂以及形状相似而容易混淆的字符有较好的识别效果。     

License Plate Recognition System Using Artificial Neural Networks

A high performance license plate recognition system (LPRS) is proposed in this work. The proposed LPRS is composed of the following three main stages: (i) plate region determination, (ii) character segmentation, and (iii) character recognition. During the plate region determination stage, the image is enhanced by image processing algorithms to increase system performance. The rectangular license plate region is obtained using edge‐based image processing methods on the binarized image. With the help of skew correction, the plate region is prepared for the character segmentation stage. Characters are separated from each other using vertical projections on the plate region. Segmented characters are prepared for the character recognition stage by a thinning process. At the character recognition stage, a three‐layer feedforward artificial neural network using a backpropagation learning algorithm is constructed and the characters are determined.     

视觉测量红外光点图像中心精确提取

提出了一种视觉测量中的红外光点图像中心提取方法。首先,使用一组阈值平面与红外光点灰度能量分布相交确定光点能量等高线,得到各等高轮廓点和阈值平面截得的能量包络。然后,利用最小二乘椭圆拟合等高线上轮廓点的椭圆中心,并计算阈值平面所截得的能量包络的质心,以椭圆中心和包络质心的黄金分割点作为等高层面上的光点中心。最后,利用各等高层面光点的中心获得红外光点图像中心的精确位置。试验验证结果表明,算法对红外光点图像中心提取可取得较高精度。目前,方法已在面阵静态红外地球敏感器标定中得到应用。     

一种多光谱红外舰船目标融合检测方法

针对复杂岸岛背景下的红外舰船目标检测问题,提出了一种多光谱融合红外舰船目标检测方法。首先根据不同谱段信息相互间的关系进行基于非下采样轮廓波变换(Nonsubsampled Contourlet Transform, NSCT)域的多级多光谱图像融合,然后利用LSD线段检测和聚类对融合后的图像进行岸岛线检测。采用选择性搜索算法生成初始目标候选区域,然后结合岸岛线空间位置以及舰船目标的几何特征和灰度特征约束剔除部分虚假目标区域,最后提取候选区域的方向梯度直方图(Histogram of Oriented Gradient, HOG)特征算子。利用线性支持向量机(Support Vector Machine, SVM)分类器进行分类识别,以检测出真实舰船目标。实验结果表明,与单谱段红外舰船目标检测方法相比,本文方法在检测精度上有较大提升。