一种基于连通域的蒙古文文档图像版面分析方法

版面分析是一个将文本页面图像分割成不同区域,并标定区域类型(如文字、图片、表格等)的过程,与字符识别具有同等重要的地位.提出了一种基于连通域的蒙古文版面分析方法,它提取文档图像中所有连通域,根据连通域的大小进行聚类,从而可以得到文字连通域和非文字连通域,达到分割版面的目的.实验证明,该算法能够对蒙古文书籍版面进行准确的分析.     

非文本区域优先的版面分析方法

版面分析目前已成为提高汉字识别系统效率的关键技术之一。针对中文版面较为复杂的特点,本文提出一种非文本区域优先的版面分析方法。该方法提取文档图像中所有连通域,根据连通域的大小进行聚类,从而可以得到文字连通域和非文字连通域,以达到分割版面的目的。实验结果表明,这种方法能够对比较规范的中文版面进行分析,具有较高的效率和较好的适应性。     

一种新的文本预处理方法研究

文本预处理是整个字符识别系统的重要组成部分．它的性能的优劣，对整个字符识别系统的识别率和识别速度至关重要．由于汉字印刷文稿版面的复杂性，其文本预处理远比西文困难．本文提出了一种新的文本预处理方法．实现了含有文字字符，图形，图片和表格的、版面结构复杂的数字图象的分割．整个算法分为两个阶段完成：首先，从图形的连通原则出发，定义了扩展连通域的概念，对整个文本图象逐行扫描，搜索出所有的扩展连通域，进而通过集合的交、并操作，将属于一个字符或图象、图片和表格的若干个扩展连通域合并．这时扩展连通域已标记文本图象中的字符尺寸大小和位置．然后，基于同一行字符的间距的知识，将扩展连通域合并为逻辑字符行（横，竖）；由字符行的高（宽）度的一致性及间距的知识，将逻辑字符行合并为逻辑块：按照印刷文稿的排版规律完成版面的结构识别、并将标记字符位置和大小的扩展连通域的顺序按版面结构信息重新组合，最后把字符规范为一定尺寸的点阵图象输出到字符识别器．本文提出的文本预处理方法已经实现．经实际运行测试表明，系统对于复杂版面的文件，书刊和报纸的文本图象的分割，具有较好的效果．     

基于稀疏度差异的快速版面分割方法

为简化版面分割方法、提高检测效率,提出了一种基于稀疏度差异的快速版面分割方法.将稀疏度作为版面区域的特征描述,根据内容及背景区域间稀疏度的差异进行均值分类,得出各区域的类别标签,实现版面分割.在复杂版面图集上得到74.1%的识别率和1.61s的平均计算时间,表明方法有效且快速,较改进的基于连通域的版面分割方法,过程简单,计算简便,具有更好的适用性.     

基于分层密度特征的文档图像检索

为克服基于版面重建的文档图像检索方法对图像质量要求高,且局限于部分文种,以及基于版面分割的文档图像检索方法受限于版面分割技术等问题,提出了一种基于二值文档图像分层密度特征的检索方法。该方法通过倾斜校正、去除黑边等预处理得到有效文本区域,提取有效文本区域的长宽比和分层密度特征,通过特征比对进行检索。实验表明:该方法对不同分辨率以及不同的输入设备具有自适应能力,对复杂版面和批注等噪声鲁棒性好,漏检率为2%,是一种简单有效的文档图像检索方法。     

运用模糊连接理论分割非连通图象

本文提出了一种利用模糊连接理论讨论非连通图象的分割方案．该方案较好地利用了图象本身的模糊特性，修正了模糊连接强度的定义，从而成功地实现了分割数字、字母和汉字这样一些连通的或非连通的图象．它克服了Ｊ．Ｋ．Ｕｄｕｐａ算法仅能分割连通图的缺点．同时论文中还讨论了分割灰度图象和彩色图象的模糊连接强度定义及有关参数的选择方法．实验例子证明了这种方法的有效性．     

基于Mask R-CNN的满文文档版面分析

提出一种基于Mask R-CNN深度学习框架的满文文档版面分析方法,将满文文档版面分析问题转化为基于深度学习的图像实例分割问题。使用ResNet101网络和FPN网络构成的卷积神经网络自动提取满文文档图像特征,特征图经过RPN网络和RoI Align层生成新的特征图。新特征图经过全连接层完成感兴趣区域的类别和边框预测,并经过全卷积神经网络对感兴趣区域的像素进行分类得到mask预测,最终实现满文文档图像的实例分割。通过《新满汉大辞典》的文档图像构建了满文文档图像数据集,算法在该满文文档图像数据集上进行了实验。实验结果表明,本算法在满文文档版面分析中取得了较好的检测和分割效果。     

融合模糊连通图和区域生长的MRI脑组织图像分割算法

针对磁共振脑组织图像中存在灰度不均匀,不利于分割的问题,提出了一种应用模糊连通图和区域生长的MRI(Magnetic Resonance Imaging)脑组织图像分割算法。首先用大津法对脑组织进行粗分割,得到脑白质部分的大致轮廓,。然后计算粗分割结构的中心点,根据中心点得到图像的模糊连通图。最后用区域生长算法对模糊连通图中的脑白质进行更精确的分割。试验结果表明,此方法能够精确的得到脑白质轮廓的边缘,并且大大降低了区域生长种子点位置和阈值选取对分割结果的影响。     

基于数学形态学的版面分割

证明了由连通类＄及膨胀运算δ可构造新的连通类＄＾δ,讨论了＄与＄＾δ的关系,在引人极大连通子集的概念后给出了集合基于连通类的唯一分割,利用集合＄＾δ的分割与Ｘ的膨胀δ（Ｘ）基于＄的分割之间的对应关系,提出了一种葳地数学形态学的的版面分割方法。     

基于多种连通域特征的结构表面裂缝提取方法

针对传统裂缝图像信息提取方法的局限性,提出了一种基于多种连通域特征的工程结构表面裂缝提取方法.在采用最大类间方差(Otsu)法对原始图像进行初始分割的基础上,对裂缝图像的连通域面积、最小外接矩形长宽比和连通域内最远距离等连通域特征参数分别进行K-means聚类分析,得到了裂缝目标和噪声背景区域的连通域特征参数分布范围;进而建立了一种新的裂缝信息提取方法,并给出了具体算法流程.该方法与其他方法对比验证表明:该算法计算得到有效性评价系数平均值为0.039 3,比其他方法具有更强的抗噪性和适用性.     

基于模糊颜色提取的彩色图像分割

为了对彩色图像进行有效分割,提出了一种基于模糊颜色提取的新型彩色图像分割算法,这种算法可以有效的进行区域分割.首先,提出了一种模糊颜色提取方法,然后介绍了该算法,算法经过迭代可以选择典型的种子颜色来提取颜色分量,最后应用区域生长法可以确保所需区域的完整连通性.区别于现有的图像分割方法,本方法是将相同的像素分成几个模糊集,分割成功率提高10%左右.实验结果表明该算法可以合理分割出所需区域,避免冗余,并且具有较好的噪声抑制力和鲁棒性.     

基于生物视觉感知的场景特征提取方法

针对复杂背景环境下图像场景理解及分类中遇到的诸多难题,提出了一种模拟生物视觉感知的新的图像场景特征提取方法.该方法采用方向、颜色和亮度三种感知特征来构造视觉显著图,并对基本单元进行最大化处理来得到更加精确的方向信息.为了提高特征提取的速度,设计了区域分割算法,然后构造分割区域描述子,最后通过SVM对特征向量集合进行无监督分类以实现显著区域匹配.与传统方法相比,该方法提取的特征对于一定程度的仿射和光照变化具有良好的不变性,同时具有较好的分类效果.实验结果表明上述方法能够较好地应用于场景分类及检索,并具有较强的时效性.     

视频图像内文字的自动提取新方法

提出了一种基于彩色边缘检测、形态学和逻辑与运算的视频文字提取方法,首先,分别运用垂直、水平、对角三个方向的彩色边缘检测算子提取出原图的边缘图像,然后分别对上述三幅边缘图像进行数学形态学运算,得到三幅不同方向的连通域图。最后,将这三幅连通域图相与,消除无用的信息,得到最终的文字区域。实验证明,该方法具有高的文字提取率和好的鲁棒性。     

基于数据网格的肝脏CT图像感兴趣区域分割

通过图像分割获取医学图像感兴趣区域是医学图像处理与分析要解决的首要问题及技术难点。为了获取肝脏CT图像中的感兴趣区域,针对肝脏CT图像的自身特点,提出了一种基于数据网格和改进的区域生长法相结合的肝脏CT图像感兴趣区域分割方法。首先利用数据网格对肝脏CT图像做粗分割,最大程度地去除骨骼及背景对后期分割的影响。其次,利用先验知识,确定区域生长的种子点,做基于改进的区域生长法的二次分割。实验结果表明,能较完整的分割出CT图像的肝脏区域。实验结果为进一步的医学肝脏图像的处理与分析奠定了基础。     

基于Gabor滤波与区域生长的细胞分割

贴壁细胞图像中细胞大小形状各不相同,细胞内部分区域与细胞边缘具有相近的灰度,部分细胞边缘较细或者断裂,为后续正确的分割计数带来了困难。传统的基于区域的图像分割很容易造成过分割和欠分割,前者得不到完整的细胞边缘,后者使细胞内部出现大量杂质点。为解决以上问题,首先利用Gabor滤波器的方向性滤波特性对细胞边缘进行增强,然后选择细胞边缘对应的高灰度点作为种子点进行8连通约束的区域生长,最后对区域生长后的图像进行形态学闭运算消除小的空洞和毛刺,得到完整的细胞边缘图像。与阈值法和边缘检测法的比较结果表明,该算法分割效果较好且对噪声不敏感。     

基于胸部CT图像的肺部自动分割

肺区自动分割是肺部肿瘤计算机辅助诊断系统的关键之一。文章采用多阈值和区域生长方法,先去掉背景,再去掉气管／支气管,最后对提取出来的肺区使用滚球的方法进行修补。该方法速度快、人工干预少、准确。     

基于局部离群因子和波动阈值的古籍版面图像分析方法

古籍版面图像结构复杂,对其进行有效、准确的分析是实现古籍汉字识别与检索的前提和基础。对古籍汉字版面分析的关键问题展开研究,在对古籍版面特点进行分析与归纳的基础上,提出基于LOF和波动阈值的古籍版面分析方法。首先,采用基于LOF的分类算法对古籍版面图像投影分割后的区域进行分类,确定存在分割问题的候选混合区域;然后,利用波动阈值对候选混合区域中的文字与框线粘连部分进行分割;最后,确定古籍版面中的文字区域并输出。实验结果表明,该算法能够有效地分离古籍文字区域和框线区域,版面分类和分割准确率分别为87.02%和78.69%。     

焊缝缺陷的水淹没分割算法

针对焊缝射线检测图像缺陷分割速度慢、精度低的问题,提出了一种基于水淹没原理的缺陷分割算法,即依据水流借势取径、盈满则溢的思想,对缺陷及周边区域进行逐级淹没,并根据淹没面积变化来确定分割阈值.该算法首先利用灰度曲线波形分析检测缺陷,获取缺陷种子点,然后从种子点出发对图像进行逐级淹没,淹没过程采用逐线搜索策略.淹没结束后,通过分析各水位淹没面积相对增量的变化来确定阈值水位.实验结果表明,水淹没分割算法的分割耗时大约是Alaknanda方法的5.3%,Kaftandjian方法的25%,分割误差大约是Alaknanda方法的27.33%,Kaftandjian方法的53.14%,因此具有较好的分割速度和精度.     

基于多期MR影像的肾脏自动定位与分割方法

肾脏自动定位和分割是肾脏功能分析流程中的重要一步,针对此提出了一种基于多期MR影像的肾脏自动定位及分割方法,即利用肾脏在多期MR扫描影像中表现出的特性,通过三维配准减影及最大密度投影方法,得到数据体在x,y,z方向的投影图像,并利用最大密度分布曲线的特性,得到肾脏区域的三维定位;在定位区域内利用水平集方法对实质期影像进行肾脏提取,然后将分割结果映射到其余多期影像上.实验结果表明,该方法得到的肾脏定位结果准确,且在定位区域内完成的肾脏分割执行效率高,分割结果较好.