基于非抽样小波和边缘保持的自适应图像降噪

提出了一种基于非抽样小波和边缘保持的自适应图像降噪方法.利用小波系数的层间相关性理论及小波域系数模型理论,对小波变换得到的系数进行了分类和处理.与当前许多方法的做法不同,本文算法将图像的小波系数分成了与边缘相关的系数、与同性区域相关的系数和与噪声相关的系数,针对这3类系数的特点,使用不同的策略进行分别处理,保证了降噪的性能.实验结果表明,与传统方法相比,该方法不仅可以获得较清楚的图像边缘,而且降噪后图像质量优良.     

基于小波包变换与自适应阈值的图像去噪

提出了一种基于图像小波包变换及与分解层次相关的自适应阈值的去噪方法。利用小波包对图像进行分解,可以同时对图像的低频和高频部分进行分解,可以更好地保留图像信息,减少噪声对图像的影响。同时对小波包树系数用自适应阈值进行软阈值处理,可以很好地保留边缘等图像信息,这一方法比采用常用的阈值明显提高了去噪图像的信噪比。通过对加噪图像的实验可以看出,本文方法不仅可以有效地去除加性高斯白噪声,而且很好地保留原图信息,对进一步图像处理有所帮助。     

多类问题中的特征提取

对多类问题中的“基于平均马氏距离特征提取”、“基于马氏距离特征提取”和“基于最小错误概率上界特征提取”方法进行了分析和比较。证实了“基于最小错误概率上界特征提取”是目前可以用迭代算法完成的最好的特征提取，而“基于马氏距离特征提取”在错误概率上界上升很小的代价下，简化了计算量，也是一种可行的方法，文中使实际科研项目“小字集手写体特征提取”中的数据进行实验，当特征数从4下降到2时，基于平均马氏距离特征提取的错误概率上界要比其它两种方法高10%左右。     

基于手写体汉字的成绩单自动识别系统

本文针对基于手写体汉字的成绩单自动识别系统的实际需要,基于目前脱机手写体汉字识别技术的一些研究成果,提出一种新的基于聚类方法和多个分类器的线性集成的综合方法,并且采用分级判决策略,进上步降低误识率,实验结果表明,本系统具有较高的识别率和较低的误识率,并且具有较好的扩展性,具有实用的可行性。     

一种对表单型OCR系统的性能评价方法

针对表单处理的OCR系统是在实际中应用非常广泛的一类．尽管在识别方面已经提出了很多种算法，但是对OCR系统性能的评价方法。无论经验的，还是理论的，却很少．单字的识剐率虽然能够衡量一个OCR系统的识别性能，但是无法找出识别结果的错误原因．本文中提出的方法通过对表单型OCR系统的识别结果进行统计，从统计结果中提取出性能评价参数．这不仅能对整个系统的性能进行评价，而且从这些性能参数中得到的分析结果对提高系统的正确识别率也有非常重要的意义．     

基于多尺度边缘检测的自适应阈值小波图像降噪

在图像处理中，去除图像中所含噪声而不使其边缘模糊是一个难题。考虑到小波变换在时域和频域均具有良好的局部特性，加之其多分辨率、去相关性等特点，本文提出了一种基于多尺度边缘检测的自适应阈值小波图像降噪方法。该方法将与噪声和边缘相关的小波系数和与同性区域相关的小波系数区别对待。在每个分辨层次，图像的边缘由梯度的幅度来进行估计（梯度的幅度由小波参数导出），且与噪声和边缘有关的梯度的幅度分布由Rayleigh概率模型化。基于此模型，得到该层的收缩函数。为充分利用尺度间相关性，各层的收缩函数被合并起来，进一步保持图像边缘。对与同性区域相关的小波系数，则采用一个基于Bayesian估计的自适应阈值进行处理。实验结果表明，与已有方法相比，该方法不仅可获得较清晰的图像边缘，而且降噪性能优良。