文档图象的版面分析一基于数学形态学的方法

提出了基于Hough变换的结构元素构造方法(HTSEC)以及基于数学形态学的分割方法(MMS)，即首先将灰度文档图象利用半色调技术转换为二值图象，利用Hough变换动态构造结构元素，然后利用数学形态学方法对版面进行划分并将其分为文字区、图形区和图象区．     

利用动态结构元素提取直线

研究了灰度文档图像中提取直线的方法．首先将灰度文档图像利用半色调技术转换为二值图像，进行倾斜矫正后利用Hough变换动态构造结构元素(HTSEC)；然后根据这些结构元素，利用数学形态学中的击中／击不中变换提取文档图像中的直线(MMLE)。     

直线提取中的不确定性研究

直线提取是基于特征的模式识别的一个重要步骤.由于图像特征点的离散误差和特征点提取过程中的位移现象,使得由二图像点所确定的直线的参数随之产生某种不确定性.该文比较系统地研究了这种不确定性的分布,并讨论了这些理论结果在计算机视觉中的应用.据作者所知,该文结果在其它地方还没有过类似的报导.     

一种新的直线提取算法研究

研究了一种快速的图像直线提取算法。将边缘按方向划分成若干子边缘,利用判据从子边缘提取出局部直线,然后依据准则合并相应子边缘得到全局直线及参数。准确提取出图像中的直线特征及端点和方向等参数。实验结果表明,算法比Hough变换更准确、快速、可靠地提取图像的直线特征。     

文档图象的版面分析-基于数学形态学的方法

提出了基于 Hough变换的结构元素构造方法 (HTSEC)以及基于数学形态学的分割方法 (MMS) ,即首先将灰度文档图象利用半色调技术转换为二值图象 ,利用 Hough变换动态构造结构元素 ,然后利用数学形态学方法对版面进行划分并将其分为文字区、图形区和图象区     

一种改进的Hough变换算法及图象特征点提取

针对传统Hough变换检测直线时会产生重复线段,无法判断直线的连贯性,不能检测出端点等不足,本文提出了一种改进的Hough变换方法.将水平和竖直直线与斜线分层进行处理,以提高检测精度;提取参数空间中局部最大点作为某一直线的对应点,避免重复直线的产生;根据图象空间中两相邻点间的距离值来排除孤立点,并识别不连续直线,可对识别出的直线检测出两端点坐标.本文开发出一个参数输入调整交互界面,以便根据图象情况灵活调整各种阈值参数,达到最佳的检测效果.     

一种提取直线的随机方法

基于Hough变换提取直线的方法，由于要预先量化参数空间，因此需要很大的存储量和计算量．基于RHT(Randomized Hough Transform)提取直线的方法是通过随机选取两个点得到直线的参数，而后在参数空间对相应的参数进行累加、判断，该方法虽然无需预先量化参数空间，但是其在直线检测时，收敛速度慢．为此提出一种新的随机检测直线(Random Line Detection)的方法，在图象边缘点构成的数据空间中随机选取3个点，根据距离准则获得一条可能的直线，然后在数据空间中进一步判断直线的真实性，实验证实了该方法能有效的减少存储空间并降低计算量。     

一种新型快速直线检测算法

针对传统的Hough变换直线检测的方法需要对整幅图片的每一个像素点进行判断和计算,最后才能得出直线参数,这样就造成计算量大,计算时间长,且需要存储大量数据将占用大量内存资源等缺陷。提出了一种新型的直线检测算法来解决以上存在的问题。与已有算法不同,该算法不需要进行坐标变换,该算法的思想就是依次检测直线上的像素点,当检测到图片中某一像素点特征值为1（图片中的直线像素点特征值为1,背景点特征值为0）,则需要判断以该像素点为圆心,以常数R为半径的圆周上是否存在一对特征值为1的像素点,且该对像素点之间的相位相差180°,故可以快速地得到该直线的参数方程。若以该点为圆心的圆周上不存在这样一对灰度不为零的像素点,则继续检测图像的下一个像素点,直到扫描完整幅图像或是得到一条直线参数。与传统的Hough变换相比,该算法计算量和计算时间最多是原算法1／R（与选取的半径参数R相关）,Hough变换占用内存与图片大小相关,本算法占用固定的内存,几乎可以忽略。     

基于Hough变换提取直线的改进方法研究

传统的Hough变换用于检测直线时,存在不能确定直线端点、会检测出虚假直线以及对称地额外画出直线的问题,文章针对这些特点对Hough变换加以改进,经过实践检验,提取的特征较完整,改进效果较理想。     

基于数学形态学和Hough变换的复杂形态线状地物提取方法

为改善以Hough变换提取遥感影像中弯弧线状地物的准确性,提出了一种新算法M&H (Morphology and Hough),它将Hough变换、数学形态学、非线性拟合等方法串行递进使用,以实现复杂形态线状地物自动提取和直接生成道路矢量图的目标。经适量实例的Matlab仿真测试,证明了M&H的递进噪声去除法优于单次数学形态学降噪法,对含弯弧道路的提取性能也优于标准Hough变换。精度检验结果表明:M&H方法比常规Hough变换提取道路的欠提取率下降了约18.9%。     

一种提取物体线形骨架的新方法

提出了一种提取物体线形骨架的新方法. 该方法首先计算物体距离变换的梯度, 从而得到一个矢量场. 距离变换的梯度对提取物体线形骨架具有重要意义, 可据此获得物体内部的关键点, 其中每一个关键点代表了物体的一个凸部分. 之后, 用搜索梯度最短路径的方法连接关键点, 得到物体的线形骨架. 本文方法得到的线形骨架能很好地反映物体拓扑和形状特征, 并不易受边界噪声干扰. 此外, 本文方法克服了基于距离变换的骨架提取算法的固有缺点, 获得了具有良好连通性的骨架. 因此, 基于本文方法得到的骨架能用于物体识别和匹配等领域. 对大量二维、三维物体的实验取得了令人满意的效果.     

一种新的基于弧段提取的椭圆检测方法

为了克服椭圆检测过程中对椭圆完整性和边缘梯度信息依赖性较强的缺点,提高椭圆目标的检测速度,提出了一种新的基于弧段提取的椭圆拟合方法;首先将梯度方向符号相同的相邻边缘点连接成弧段,然后根据弧段的凸性和象限分类定义新的弧选择策略,利用位置约束和弧对的椭圆中心估计提取候选椭圆,最后采用改进的拟合算法拟合椭圆;实验结果表明,基于弧段提取的椭圆拟合方法相对于LMEDS算法和RHT3具有更好的准确性、鲁棒性和稳定性,实时性也有一定的提高。     

一种新型的雨滴微观特征提取方法*

雨滴颗粒的数目、形状、尺寸以及谱分布是准确反演降雨强度的基础,为了获取自然环境下的雨滴微观特征量,本文采用迭代最大熵分割算法,获取雨滴图像的灰度区域阈值,通过阈值比较,把雨滴颗粒从图像中分割出来,在此基础上,把凹点匹配分割算法引入粘连雨滴的分割研究中,以链码差和曲率作为判断准则,选取凹点进行匹配,实现粘连雨滴的精确分割,以几何均值算法标记不同雨滴颗粒质心位置,记录雨滴特征量,提出了一种新型的雨滴微观特征提取方法。通过实验表明,该算法不仅能够有效地从图像中提取边界区域明朗且颗粒完整的雨滴,而且能够对粘连雨滴颗粒进行分割,从而可精准地从图像中获取雨滴微观特征量。     

一种新的指纹脊线提取方法

本文提出一种新的指纹脊线提取方法。首先利用灰度形态学，结合条件模板进行滤波，然后用Ｏｔｓｕ方法分割得到二值图像，再将原图反相，进行上述同样处理，最后融合两次分割的结果，提取指纹脊线。实验结果证明本法具有抗噪性、旋转不变性。     

一种基于Snakes方法的人脸五官几何特征提取新算法

本文对传统Snakes方法的能量函数进行了改进：增加了对Snakes曲线进行形状限定的能量项,用来约束Snakes曲线变化时的形状,使之更容易与相应人脸特征吻合;改进了其中的图像能量项,采用图像颜色色度梯度取代图像灰度梯度构造图像能量项,由于色度梯度体现了颜色的本质信息,这种改进有利于Snakes曲线正确收敛于颜色本质差异大的的地方即图像真实轮廓处。实验结果表明,改进后的Snakes用于人脸特征提取鲁棒性强。     

一种新的基于直线的定位方法

我们通常采用任意摆放位置的三条直线来完成三维物体定位. 对于交于两点的三条非共面直线这种配置, 它具有位置任意摆放三条直线不具有的一些特殊性质. 因此, 我们基于这种特殊配置直线提出一种确定物体位姿的新方法. 在理论上, 这种方法是对基于三条直线位姿估计方法的丰富, 同时这种方法也能为实际工程应用提供支持. 而且, 我们提出一种解决多解现象的方法和一种新的迭代方法. 最后, 仿真实验表明我们的算法具有较快的工作速度和较好的鲁棒性.     

一种基于神经网络规则提取的新方法

提出了一种基于神经网络对信息系统进行规则提取的新方法。首先用粗糙集对信息系统进行属性约简,然后把条件属性作为输入,决策属性作为最后输出对多层神经网络进行训练。由相关定理对神经网络的运行结果做了理论分析,并以分析结果作为规则提取的重要依据。实验结果验证了新算法的有效性。新算法与几种传统算法相比规则提取的准确率有很大的提高。     

一种新的规则纹理基本图元提取方法

通过分析面饰的十七种对称群的特点,提出一种新的提取规则纹理中的基本图元的方法.该方法首先计算图像的灰度共生矩和惯性矩,通过阈值法选择合适的惯性矩以获取格点的位置及晶格的基本向量,然后通过分析面饰的十七种对称群的特点,得到晶格形状与对称群之间的关系,并基于这种关系来判断图像所属的对称群类别,最后从多个晶格中选择与图像的对称群一致的晶格作为图像的基本图元.试验结果表明,跟其它基于灰度共生矩的方法相比,本文提出的方法提取出来的基本图元更准确,更符合人眼的生理视觉特性.     

一种稳健的直线提取和匹配算法

在空间机器人遥操作中,需要快速的求解图像的摄像机参数来对操作对象进行三维建模.通过利用匹配直线的对应关系,可以直接求出图像的摄像机参数,而且比用角点匹配求得的结果具有更高的可靠性.现有的直线提取和匹配算法虽然已经有很多,但是大部分都比较耗时,不能满足实时性的要求.针对空间机器人遥操作等实时性较强的应用,提出了一种基于直线支持区域的稳健、快速的直线提取和匹配算法.实验结果表明了该算法的有效性.