灰度文本图像自适应二值化滤波算法设计及应用

将自适应滤波与局部阈值二值化有机结合起来,提出自适应二值化滤波算法,旨在将淹没在噪声和失真中的灰度文本图像的二值图像信息通过滤波的方式恢复出来。采用改进的大津法计算局部阈值,对滤波结果进行二值化。依据二值化的结果估计滤波的误差,并调整滤波器参数。实验结果表明该算法克服了光照不均和噪声对灰度文本图像二值化的影响,得到了较理想的二值图像。     

汽车牌照自动识别中二值化方法的研究

在车牌图像处理过程中，首先遇到的问题就是图像二值化．针对汽车牌照的特点，介绍了一种新的二值化阈值方法，此方法借鉴了P片法的二值化思想，不仅充分考虑了车牌自身的特点，同时融入对直方图形态的考虑，能准确找到双峰直方图的波谷位置．并与Otsu算法和另一种全局动态阈值算法作了比较，从结果上看执行效果较好．     

信息填涂卡文档图像预处理算法的研究

阐述了信息填涂卡文档图像标记识别系统中的预处理算法．对信息填涂卡文档图像预处理中的图像二值化、图像偏斜纠正以及图像平滑等关键步骤进行了描述．在图像二值化过程中采用全局阈值法,在图像偏斜纠正过程中给出了一种基于Wingner-Ville分布和水平投影直方图的偏斜纠正算法,在图像平滑过程中采用特定的同步孔平滑算法．结果表明这些算法能有效地解决信息填涂卡文档图像预处理问题．     

汽车轮胎号识别中的预处理问题

为便于对汽车轮胎号字符图像进行识别,对其进行一系列预处理．着重研究胎号图像预处理中的增强、降噪及二值化问题．提出一种将邻域均值滤波法和中值滤波法相结合的图像降噪算法,采用该算法能保护图像边缘和细节．提出一种基于经验知识的改进Otsu算法,可缩小Otsu算法搜索阈值范围,减少计算类间方差的次数．结果表明,胎号增强图像比原始图像清晰,降噪后字符图像边缘不模糊,胎号字符二值化速度得到提高,二值化效果也很好．     

基于图像信噪比自适应阈值模型的秦简文字图像二值化算法

文本图像二值化算法的优劣直接影响图像文本字符识别的准确率。秦简文字图像受制于背景光照欠均衡和噪声复杂等因素影响,传统文本图像二值化算法无法准确分割其前景和背景,秦简文字轮廓等特征无法准确提取,二值化效果达不到文本高准确识别要求。针对图像质量不平衡的秦简文字图像提出了一种基于图像信噪比自适应阈值模型的二值化算法。首先,将图像进行灰度转换、调整亮度和降噪等一系列二值化前的预先处理;其次,根据图像信噪比(SNR)大小自适应设置阈值,分别采用OTSU算法和Bernsen算法进行二值化处理;最后,由峰值信噪比(PSNR)与结构相似性(SSIM)评价指标择优选取二值化图像,从而准确地提取秦简图像二值化后的文字轮廓。在自建的秦简文字数据集QBS text dataset上的测试结果表明,该算法的二值化结果保留了更多的秦简文字细节特征和文字轮廓,其峰值信噪比和精确率也分别达到25.61 dB和76.67%,相较其他经典文本图像二值化算法,其性能指标均有较大提升。     

一种改进的指纹识别算法与研究

提出了一种改进了的指纹图像增强算法和指纹图像二值化算法—分块阈值法.分块阈值法利用了固定阈值算法的思想对图像中的每一小块确定一个大致范围的阈值,然后利用区域自适应的思路对设定阈值进行适当的调整,即当阈值的取值范围合适时,指纹图像的纹线是平滑的不会有黑洞的出现.通过实验证明这种算法能够很好的去除块效应,使得处理后的指纹图像边缘更平滑.     

指纹图像二值化算法的研究

本文对现有的指纹图像二值化算法进行研究,重点对以动态阈值法为基础的改进二值化算法以及邻域分析法进行分析,并在matlab 7.0环境下对几种常用算法做仿真,比较了对同一指纹图像的处理结果及算法的运算复杂度。     

面向车辆牌照的L快速二值比算法

就车辆牌照灰度图像的二值化问题，比较Otsu算法和全局动态阈值算法，讨论将字符从车牌背景中分割出来的最佳阈值选取问题。从汉字字符识别角度出发，通过引入光照强度因子L，对全局动态阈值算法进行改进，提出L快速二值化算法。实验结果表明，L快速二值化算法的处理效果，优于Otsu算法和全局动态阈值算法。二值化处理后的车辆牌照字符笔划清晰、饱满、无断裂，克服了光照因素的影响，更有利于汉字字符的识别。     

一种新改进的otsu算法

图像的二值化是车牌识别过程中的重要环节,图像的二值化直接影响定位的准确性。由于字符的分割和识别是在车牌区域二值化结果的基础上进行的,因此车牌图像的二值化是非常关键的一步。本文对传统的otsu算法和新改进的otsu算法进行了试验比较,通过对otsu算法基本原理的研究,提出了一种新改进的灰度图像二值化的方法,该算法能够更好的确定最佳阈值点,实验表明上述方法能够得到较理想的二值化图像。     

一种改进的阈值递增的人眼定位算法

提出一种复杂背景下灰度图像的人眼定位算法.首先对基于均衡处理后的图像估计出初始阈值;其次采用阈值递增法逐次二值化图像,并对二值图像中的黑块逐一标记;然后用人眼位置判定准则确定可能的人眼区域,用相似度准则从中标记出两眼黑块;最后,针对该算法进行了仿真研究.     

一种改进的快速迭代阈值选择算法

针对迭代阈值选择算法每次迭代计算灰度阈值的过程存在大量重复计算的问题,提出了基于均值累计和频次累计的快速迭代阈值选择算法。对快速迭代阈值选择算法和迭代阈值选择算法阈值计算的时间开销及图像二值化分割进行了实验分析,结果表明:文中提出的快速迭代阈值选择算法可有效的对实验图像进行二值化,该算法可显著降低迭代过程的时间开销。当图像尺寸达到10 000*10 000时,快速迭代阈值选择算法的时间消耗可降低至迭代阈值选择算法的10%,验证了快速迭代阈值算法的有效性。     

基于Ⅱ型模糊集的车辆图像二值化算法

车辆图像二值化是车牌识别系统中一个关键的部分,其性能的好坏直接影响到后续的工作的效果.本文提出了一种新的针对于车辆图像的二值化算法:基于Ⅱ型模糊集的二值化算法,此算法是在Ⅰ型模糊隶属度的基础上,建立了Ⅱ型模糊集,同时基于Ⅰ型隶属度函数的选择,采用灰度遍历搜寻在最小模糊度意义下的最佳灰度值作为分块后的车辆图像的二值化阈值.此算法保持了原有模糊集所具有的鲁棒性,减少了后续工作中图像背景对图像目标的影响,实验结果证明此算法的性能要优于Otsu等二值化算法.     

用于步态识别的行人轮廓提取

采用针对静态背景下的基于Surendra背景更新算法的背景减除法对运动人体进行检测.为视频场景建立自适应的背景模型,通过原始图像和背景模型差分获得前景图像,再对检测出来的图像进行了二值化、数学形态学分析、连通分析、尺度归一等一系列图像预处理工作,为跟踪与识别奠定了基础.重点讨论了二值化自适应阈值选择的多种方法,总结出Kapur熵阈值选取法的优越性.     

光照不均图像的自适应加权均值算法

 在结合矩形框加权均值算法的基础上,提出一种对光照不均图像进行二值化处理的自适应加权均值算法。对流量计图像中每个像素点分别计算阈值,利用和值表及自适应计算调整参数t,可有效地避免光照不均的影响,减少程序计算量,增强阈值自适应能力,提高流量检测速度及图像二值化处理效果。结果显示,在C++环境下,分别运用自适应加权均值算法和传统的基于小波包及Niblack 算法,对所采集的同一幅流量计光照不均图像进行二值化处理,自适应加权均值算法用时1.6 ms,基于小波包及Niblack 算法用时9.3 ms,且自适应加权均值算法处理效果明显优于传统算法。     

基于分块法的条纹处理技术及应用

为使条纹处理、原理简单、速度快、抗干扰 ,提出了一种基于分块法的条纹处理技术。在对不同的二值化方法比较的基础上 ,重点阐述了基于分块法的图像二值化和细线化的原理和过程 ,讨论了分块二值化中阈值确定的原则和算法 ,介绍了为提高图像处理质量而采用的去底色方法和对图像中间部分的特殊处理过程 ,以及基于该法的图像细线化算法。基于分块法的条纹处理技术能够最大限度地保留有用信息 ,遏制干扰和冗余信息 ,有很大的可靠性。将该法应用于莫尔测偏法进行物体表面形貌的测量 ,可实现仅用两幅图来重构被测物的表面形貌     

基于机器视觉技术的叶面积测量系统实现

研究并实现了用于测量叶片面积的软硬件系统,并可进行叶片面积的统计.根据植物与土壤背景的颜色特征关系研究了提取叶片颜色特征将彩色图像转成灰度图像的算法,应用迭代求图像最佳分割阈值法进行图像二值化,中值滤波去除二值化图像的噪声干扰,Kirsch边缘算子进行叶面边缘轮廓的提取.     

视频流中的自适应阈值模板匹配车辆检测算法

在传统帧差法的基础上, 通过对帧差法得到的感兴趣区域进行阈值处理, 得到用白色代表前景、 黑色代表背景的黑白二值图像, 并设计了自适应阈值模板匹配车辆检测算法从黑白二值图像中定位出运动车辆. 实验结果表明, 该算法简单, 容易实现, 能准确定位车辆.     

移动机器人门牌号识别算法研究

以门牌号为对象，利用现代图像处理技术，研究移动机器人门牌号识别算法．将彩色图像转换成R-G图像，利用正交投影获得了门牌号定位．基于大津阈值分割方法，提出了图像二值化阈值选择算法．针对细化后的二值图像，综合利用端点、叉点、欧拉数和端点斜率，提出了门牌号识别算法．仿真结果证明了所提算法的有效性。     

模拟退火算法在视频序列图像二值化阈值选取中的应用

阈值的选取问题是图像二值化的过程中的一个关键问题，现有的方法主要是利用Otsu算法对分割阈值从0—255的所有灰度值依次遍历，没有考虑视频两帧图像间的相关性。本文利用帧间相关性给出了一个阈值选取算法，该算法在保存上一帧阈值的基础上，运用模拟退火算法对本帧阈值进行一种智能搜索。优化了搜索策略，提高了运行效率。实验表明，该算法提高了阈值选取的效率。     

基于边界剥离分水岭算法的重叠颗粒分离研究

针对采集的洗煤厂煤尘图像颗粒重叠严重的问题,运用传统图像二值化方法处理速度慢、不适用于低对比度指纹图像。分水岭分割算法对噪声敏感和易于产生过分割问题,为了提高图像分割的效率和鲁棒性,提出一种新的基于边界剥离距离变换分水岭算法的图像分割方法。该方法通过将图像分割为不相交的N个子窗口,并求出各个窗口对应像素的灰度均值,经改进动态阈值法进行二值化处理,得到的二值化图像经边界剥离距离变换获得灰度图像,最后利用分水岭算法对图像进行分割处理。数值实验结果表明,与传统分割方法比较,此方法处理效率高、鲁棒性好。不但成功地解决了分水岭存在的过分割问题,还大大提高了算法的搜索效率;可以快速准确地分割出目标,是一种有效的图像分割方法。