基于标号的字符分割算法

简述了一种基于标号思想进行字符分割的算法，包括它的基本原理和以Ｃ语言为例进行算法实施的要点，由于本算法具有坚实的数学基础，因此算法具有很好的鲁棒性，此算法使用在作者开发的一套手写数字识别软件中效果很好，文章最后说明此算法的适用范围。     

图像处理中关于汉字粘连字符的分割的背景算法

本文提出了一种基于汉字结构特征的手写体汉字字符切分算法。根据两个组件之间的上下、左右和包围关系,对组件进行合并形成完整的汉字图像。分析整个汉字字符串中组件的宽度和相邻组件的间距,形成字符串的特征估计,指导左右关系组件的合并。     

一种车牌字符快速分割的改进算法

车辆牌照自动识别系统在桥梁、路口自动收费、停车场无人管理、违章车辆自动记录等领域有着广泛的应用.研究重点是系统中的牌照字符分割技术,在介绍了LLT快速分割算法之后对其进行了改进,并将其应用于牌照图像的字符快速分割,准确率得到了明显的提高.     

复杂背景下车牌的定位和字符分割技术研究

提出了一种基于数学形态学的多特征车牌定位方法和基于模糊模板匹配及垂直投影的字符分割算法,先通过形态学运算得到一系列候选区域,根据车牌的纹理特征从中找出车牌区域,再利用模糊模板匹配的方法找到字符区域,进而根据字符垂直投影进行单个字符分割.对大量的图片进行实验,结果表明该算法能够有效地解决复杂背景下车牌定位和字符分割困难的问题,具有较好的鲁棒性.     

模糊逻辑和谱聚类的字符图像分割

为了从复杂背景中有效分离出字符图像,提出了一种基于模糊逻辑的谱聚类字符图像分割方法.利用最大信息熵准则获得模糊函数的参数,将原始图像模糊化;在模糊后的图像上建立像素间的相似矩阵,文本图像的纹理、灰度及像素间的距离是定义相似函数的依据,计算相似矩阵最小特征值对应的特征向量,并对其聚类划分;利用分类后的特征向量对相似矩阵进行划分,进而实现原图像的分割.实验结果表明:本文方法优于一般的阈值化分割方法,能够有效处理背景复杂的自然场景文本图像.     

基于垂直投影分割法的车牌图像的字符分割研究

车牌是车辆的唯一标识,其特殊性及重要性决定了车牌识别系统成为智能交通管理系统中不可或缺的重要组成部分。本文设计了一种基于垂直投影分割法的车牌图像的分割研究,该分割法经过大量实验证明了其在准确率方面的优越性。     

复杂背景下图像中弱小目标的分割和提取算法

针对有些图像中的目标与背景之间存在区域边界往往不明显，加上噪声的影响，目标边界具有一定的模糊性，有时还存在目标与背景面积对比差别很大等问题，提出了一种基于图像边缘增强的自适应最佳阈值图像分割方法，有利于将弱小目标从复杂背景中精确地分割和提取。该算法将闽值法和其它方法进行结合，有效地解决了目标边缘模糊图像阈值选取困难这一问题；采用图像切割技术，有效解决了弱小目标在大背景下分割难的问题；将类别方差法和迭代算法相结合建立数学模型，不但有利于自适应最佳闻值的选取，而且有效地减少噪声对最佳自适应阈值的影响，提高了图像的分割效果。     

基于stroke滤波器的字符分割算法

为了有效地解决复杂背景中字符分割的问题,提出一种基于stroke滤波器进行文本分割的新方法．进行stroke滤波器的合理设计,应用所设计的stroke滤波器来判别文本的彩色极性,得到初次分割的二值图,进行基于区域生长的文字分割．应用OCR模块提高文本分割的整体性能．仿真实验表明,所提算法有效、可行．     

谱聚类图像分割算法研究

针对谱聚类算法对图像分割效果差强人意的特点,研究了一种改进的Nystrm算法进行谱聚类图像分割,使谱聚类算法应用于图像分割的效果有所改善。该算法首先对图像进行预处理,变换图像的分布数据空间,再分别计算对选定样本空间的数据间以及样本与其他空间的数据间的距离矩阵,并转化为相似矩阵;然后对相似矩阵正交化并且特征分解,进行K-Means聚类;最后将聚类结果进行后期处理。通过实验验证了该算法的有效性。     

改进的OTSU算法在图像分割中的应用

针对用传统OTSU算法处理灰度级不连续的图像时，所求出的阈值不能很好地收敛到全局最优的种种问题，对OTSU算法进行修改，并把改进后的删算法应用在心脏这类灰度级不连续图像上，实验表明该方法具有良好的分割效果．     

改进的OTSU算法在图像分割中的应用

针对用传统OTSU算法处理灰度级不连续的图像时,所求出的阈值不能很好地收敛到全局最优的种种问题,对OTSU算法进行修改,并把改进后的OTSU算法应用在心脏这类灰度级不连续图像上,实验表明该方法具有良好的分割效果.     

改进的分水岭分割算法在图像分割中的应用

针对基于区域的分水岭分割算法通常存在过分割现象,提出了一种新的分割算法,其分割流程大致为：先求形态梯度图像的浮点活动图像,然后进行分水岭变换,这样边缘定位会更准确;接着使用区域生长法对图像作进一步分割,可以很好地抑制过分割现象,感兴趣的区域也得以保留．实验表明该算法简单有效,能够得到理想的分割结果．     

基于遗传模糊C-均值聚类算法的图像分割

将遗传算法（GA）与模糊C－均值聚类算法（FCM算法）相结合，并运用于图像分割，以期解决标准FCM算法在图像分割中运算速度慢和对初始值依赖大的两大缺陷。首先对模糊聚类中心进行编码，然后依据FCM算法的目标函数建立适应度函数，在适当的交叉率和变异率下，最终实现了基于遗传模糊C－均值算法的图像分割。考虑在一维图像分割特征向量情况下，通过引入直方图统计特性，实现了遗传模糊C－均值算法的快速运算，最后，运用真实的磨粒图像对算法进行了详细验证，并与标准FCM算法进行了对比，分割实验表明了本方法比标准FCM算法具有更快的计算速度和更好的鲁棒性。     

基于Mean Shift和随机游走的图像分割算法

提出了一种改进的随机游走算法。首先,采用Mean Shift算法对图像进行预处理,将图像划分成一些同质区域,用同质区域作为节点进行随机游走,在降低节点数的同时也抑制了噪声对分割的影响;其次,利用马氏距离定义区域之间的权值;对种子点进行了改进,增加了辅助种子点,利用辅助种子点和用户标记的种子点进行随机游走,实现同质区域的合并,实现图像的最终分割。实验结果表明,该算法提高了图像分割的精度。     

基于蚁群寻路的图像分割算法

文章主要是对蚁群算法做了一定的改进,将它用于图像分割,然后将分割出来的图像的边界利用腐蚀算法进行细化以达到更好的分割效果。分割算法可以看作一个组合优化问题,人工蚁群算法就是一种优化方法。因此,将人工蚁群算法引入到图像分割处理中完全可行。经过实验证明,该方法是完全可行的。     

基于分水岭的粘连雾滴图像分割方法

针对雾滴图像中粘连雾滴的特点,运用基于距离变换的分水岭分割算法对粘连雾滴进行分割,对距离变换的算法进行优化,使该算法的效率得到提高,应用灰度重建方法避免雾滴图像过分割现象的产生。实例表明,该方法可实现对粘连雾滴的分割。     

基于遗传算法的三维重构图像阈值分割

图像阈值分割是三维重构中图像处理的一个重要内容最佳熵阈值的图像分割具有很多优点,但同时也需要大量的运算时间,从而限制了其实际应用．将遗传算法应用于最佳熵阈值的确定中,提出一种新的图像阈值分割方法,以灰度图像的直方图熵作为评价标准,把图像阈值分割问题定义为一个优化问题．利用遗传算法寻优的高效性,搜索到能使分割质量达到最优的分割参数——图像分割阈值．实验结果表明,采用遗传算法不仅可以实现正确的图像分割．而且使得分割速度大大提高．     

一种新的身份证号码定位方法

提出了一种新的定位方法,在分析身份证图片的RGB色彩分量的基础上,利用红色分量对图片进行色彩的转换,并采用差分法对目标进行定位,然后根据灰度值的均值和方差对定位区域进行局部的二值化处理.这种方法简单实用,能有效地解决身份证号码定位的问题.