一种串并行混合处理细化算法

数字图象处理中有一种基本方法,即提取二值图象线状特征。通常,算法不同处理的结果就有差异。本文结合已有的算法,提出一种串并行混合处理细化算法。为说明细化效果,文中给出了一些处理结果。     

一种实用并行细化算法及其实现

介绍一种实用并行细化算尘,对细化模板和细化条件作了分析,实验结果表明,该细化算法获得取的图象骨架不仅避免了过度腐蚀,还具有良好的连通性。     

一种基于神经网络的图象细化算法

本文将细化处理作为一种识别过程看待,对每一个图象象素要么指定为骨架点,要么指定为非骨架点,利用神经网络理论中的多层感知器模型,实现了基于神经网络的图象细化算法,该方法具有很强的抗噪声能力并能提高运算速度。     

一种快速细化骨架的方法

把一个厚的二值模式或二值图像的骨架细化有多种途径。一类方法是逐步地去掉目标轮廓上的点,并保留形成图形骨架的最终组成点。这是一种串行处理方法。在这类方法中,每次迭代只能削去一个目标层,因此,目标的细化很费时间。为此,一般都用并行处理来加速细化过程。在并行处理中,图中各个像元的新值是其诸相邻像元的局部函数;而所有像元都     

一种新的指纹图象细化算法

针对ＯＰＴＡ细化算法存在的不足,即细化不全,速度较慢的缺点进行分析和研究,提出了一种新的细化算法,该算法速度快,细化全,细化后的指纹骨架在纹线中心线,且光滑无毛刺。     

一种二值图象边缘跟踪的通用算法

一般边缘跟踪算法都没有考虑图形区域的边缘比较复杂时的情况.本文提出一种改进的边缘跟踪算法、该算法可对二值图象中可能出现的各种情况的区域进行跟踪,具有简单明了而且效率高的特点.     

一种适用于工程图的快速细化算法

依轮廓象素点是否可被剥离图像，设计了一种简明的图形细化算法。用该算法对工程图进行细化，能得到交叉点畸变较小的拓朴骨架。文中给出了该算法和另一细化算法的比较实验结果。     

一种保形的快速图象形态细化算法

骨架是一种重要的图象目标几何特征,对不同形状的图象目标,如何快速地获得其非畸变骨架,是进行图象目标的形状分析、特征提取、模式识别等应用的前提。基于数字形态学的形态细化是获取图象目标骨架的有效细化方法之一。它采用具有一定形状的预定义结构元素,对图象进行形态薄化运算,仅需进行移位和逻辑运算就能完成。但是形态细化一般使用序贯细化算法,在每次细化迭代过程中,只能采用单一的结构元素对目标进行薄化,因此存在关     

一种新的动态二值化算法

本文提出了一种新的动态二值化算法，以实现从灰度点阵图象中提取其对象。通过分析象素和其所在的局部区和灰度值等数字特征，可以判断局部区的内是否存在对象，阈值和判断条件对应。     

一种基于内点保留和边缘点删除的二值图象细化算法

提出了一种同时基于边级点删除和内点保留了实现并行细化算法的新方法,与目前已有的算法比较,它能够完整地保持原图象的连通性,所获得的骨架对称性好且能够保证骨架宽度为１个象素点等,用Ｃ／Ｃ＋＋编程实现后,在ＩＢＭ４８６微机上进行实验,结果表明,提出的细化算法为解决二值图象（特别是复杂二值图象）的细化问题提供了一种新方法。     

一种适于多网格结构的快速细化算法

一种适于多网格结构的快速细化算法张树生（西北工业大学ＣＡＤ／ＣＡＭ研究中心西安７１００７２）ＢｒｕｎｏＴＡＣＯＮＥＴ（勒拉弗尔大学系统分析与控制实验室勒拉弗尔法国７６６１０）ＡＦＡＳＴＴＨＩＮＮＩＮＧＡＬＧＯＲＩＴＨＭＡＤＡＰＴＥＤＴＯＴＨＥＭＵＬＴ...     

基于神经网络的种图象细化方法

提出了一种新的细化算法，宽利用神经网络的分类辨识特性，对边缘点进行分类识别。实验结果表明这种方法具有速度快，省空间的优点。     

一种用于二值图象分割的快速聚类算法

文中提出了一种适合于二值图象分割的快速聚类算法。它具有五个特点：①图象扫描过程与聚类过程一体化；②执行速度快；③总的类数动态生成；④节省存储空间；⑤便于后续处理。该方法可应用到目标检测、多目标跟踪和噪声去除等领域。     

一种有效的指纹图象的纹线细化处理法

指纹自动识别在现实生活中有着广阔的应用前景。指纹细化在指纹自动识别中占着重要的地位，它直接影响后续识别匹配的效率。本文针对已有的经典细化算法中对指纹这种特定图象处理中不尽人意的地方，提出了一种新的细化处理模板，效果显著。     

改进的EPTA并行细化算法

为了解决现有细化算法中像素冗余、分叉、畸变等问题,在ZS（ZHANG和SUEN）并行细化算法的基础上增加了两个映像子过程,获得了更加接近中心线的骨架图像;通过增加判决条件并设计消除模板,提出了一种改进的EPTA并行细化算法,解决了EPTA细化算法的像素冗余、二像素宽度斜线细化局限性畸变等问题。实验结果表明改进的EPTA细化算法能得到更准确的完全细化结果。     

二值字符图案细化的一种算法：———神经网络算法

为了识别二值图案,常常对它先进行细化处理,本文提出了基于神经网络的细化处理算法。首先,讨论了图案细化所用的ＢＰ网络结构,确定其结构为８－１０－４;然后,利用ＢＰ神经网络的分类识别特性来识别图案的边缘点,从而达到最否删除它的目的;最后,描述了字符的ＢＰ网络细化算法,并给出了图案细化的结果,得到的结果扭曲程度很小,并且比较光滑。     

一种实用的二值图像细化算法

本文提出了一种有效的求物体骨架的图像代数求解方法。该方法通过仔细分析数字图像的连通性,提出了一套完整的“中与丢”变换的结构基元,并给出了基于该基元的旋转序列细化法的实现流程。