最大稳定极值区域与笔画宽度变换的自然场景文本提取方法

针对从背景复杂、视角多变、语言形式多样的场景图像中难以准确提取文本信息的问题,提出了一种基于最大稳定极值区域(MSER)和笔画宽度变换(SWT)场景文本提取方法。该方法结合MSER、SWT算法的优点,采用MSER算法的准确检测文字区域,建立文本候选区域,利用SWT算法计算文本候选区域笔画宽度得到候选文本区域的笔画宽度;根据笔画宽度图,利用连通域标记建立笔画宽度连通图,然后根据笔画宽度连通图,建立笔画连通图的启发性规则,删除非文本候选区域,并根据文本的几何特征分析及局部自适应窗口最大类间方差(Otsu)分割,有效提取出自然场景图像中的文本,文本提取的准确率、召回率及综合性能分别为0.74、0.64及0.68。仿真实验结果表明,在文本视角多变,字符大小、尺寸、字体各异的复杂条件下,所提方法具有较好的鲁棒性,适用于多语言和多字体混合的场景文本提取。     

基于谱残差与笔画宽度变换的显著性文本检测方法

为有效利用Android智能终端实现对文本信息的有效识别,提出一种基于谱残差和笔画宽度变换的显著性文本特征提取方法.首先应用基于谱残差的显著性检测获取显著图;然后利用最大熵判别方法分割并建立显著性文字候选区域;最后通过笔画宽度变换算法在候选区域内提取闭合边缘等宽特征.构建基于Android智能终端和服务器的C/S架构实验平台,在MSRA-TD500文字定位数据库与实验室场景数据库中的实验结果表明,该算法可较好地获取图像中的显著性文字特征,在保证运算效率的同时算法性能有所提升.     

基于分形维数的全变分图像平滑模型

针对标准全变分模型用梯度检测边缘易受噪音干扰产生"阶梯"效应和在处理纹理丰富的图像时易丢失细节纹理信息的缺点,提出了一种基于分形维数的全变分模型,该模型可利用图像局部分形维数来检测边缘,能够准确识别真实边缘、剔除假性边缘,从而抑制"阶梯"效应,可保护纹理丰富的图像的纹理细节信息。平滑后的图像显示出改进方法能有效去除噪声并减弱"阶梯"效应,获得较高峰值的信噪比。     

自然场景图像中基于视觉显著性的文本区域检测

从自然场景图像中抽取文本信息有利于场景图像的内容分析.文中根据图像中文本通常在局部区域具有显著性的特点,提出多尺度包围盒视觉显著性模型,并利用该模型设计一种可以融合边缘和纹理信息的候选文本检测方法.首先在Lab颜色空间构造基于边缘和纹理信息的图像同质性,并利用它将图像映射到同质性空间;然后根据多尺度包围盒视觉显著性模型求Lab颜色空间的同质性均值图像;最后求同质映射图像与同质性均值图像的加权欧氏距离,将其作为显著性度量,以提取文本区域.自然场景图像的实验表明:与单纯利用边缘检测或同质性映射进行文本检测的方法相比,文中提出的方法能够更好地抑制背景的干扰,这有利于进一步将文本区域与背景剥离,进行更精确的文本定位.     

基于Harr小波-Contourlet变换的图像增强算法

为了解决噪声图像增强中抑制噪声和增强边缘细节的矛盾,提出一种基于Harr小波-Contourlet变换的噪声图像增强方法.Harr小波-Contourlet变换具有多分辨率、局部定位性、多方向、各向异性等特点,能够较好捕获图像的方向特征和边缘信息.根据这一特点,先在变换域中设置阈值抑制噪声;再用非线性增强算子对变换的各子带系数做增强处理.实验结果表明,该方法有效增强了图像的边缘细节和纹理特征.     

一种小波域内图像的文本信息提取算法

研究了基于小波变换的图像文本信息提取模型,提出了一种在小波域内提取图像文本信息的算法,该算法首先对图像进行二维小波变换,设置滑动窗扫描高频子带,计算滑动窗内图像的小波纹理特征,采用k-均值聚类算法提取文本区域,再对原图像进行边缘检测,根据文本区域的相关特征精确地定位文本区域,最后将文字与背景分离.从实验结果可以看出该算法能够较准确地从背景图像中提取出不同语种、字体、大小的文本信息.     

一种基于小波变换和Canny算子相结合的边缘检测方法

提出了一种利用小波变换手段和Canny检测算子相结合的边缘检测处理方法。在提取图像边缘之前,利用小波变换能够检测局部突变的能力以及多尺度聚焦的功能,充分抑制图像噪声干扰的同时适当调整图像中目标与背景的对比度,最后利用最优阈值下的Canny算子提取图像边缘。此方法可以很好的消除因噪声干扰带来的虚假边缘,强化弱边缘,使之能够更理想的被检测出来。     

基于正交Gaussian-Hermite矩的边缘检测方法

边缘对应着图像中高频成分,为实现有效抑制噪声,同时又要尽可能地保持目标对象边缘信息,采用一种基于正交Gaussian-Hermite矩理论的边缘检测方法,提出了不同阶次矩的结合方案,针对具有复杂背景的红外图像进行目标检测.仿真实验结果表明该算法平滑效果好且能准确定位目标对象的边缘位置.     

基于改进Sobel算子的多仪表图像边缘检测算法

为了解决Sobel算子在多仪表图像检测中存在的边缘定位精度不高、提取边缘较粗以及对噪声敏感等缺点,提出了一种改进算法。首先在原有水平和垂直模板的基础上新增6个方向模板,提高了边缘定位精度,使其适用于纹理结构复杂的图像。然后根据图像的具体特征自适应确定阈值,有效去除图像的伪边缘。最后结合数学形态学的灰度腐蚀理论,对检测到的边缘进行细化处理。不仅能获得细化效果较好的边缘,同时可以有效的抑制噪声。实验结果表明:改进后的算法对图像噪声干扰有较强的抑制能力,提取的边缘定位准确、结构细腻。     

仿视皮层V1特性的SAR图像边缘检测

合成孔径雷达(SAR)图像的边缘检测是图像处理领域的热门研究课题,针对传统方法对噪声敏感、受内部纹理干扰等严重问题,借鉴人类视觉系统中初级视皮层(V1)神经细胞的感受野特性及该区域带有非经典感受野的细胞对同质区域纹理和噪声的环绕抑制机制,提出一种仿视皮层信息处理机制的SAR图像的边缘检测方法。采用Gabor滤波器经奇偶分解、汇聚、归一化等操作模拟V1区感受野特性,再引入模拟非经典感受野环绕抑制机制的环绕抑制项以对同质区域的纹理和噪声进行抑制,保留感兴趣的边缘信息。仿真结果表明,所提方法能抑制文中4类不同的SAR图像同质区域的大部分纹理,在一定程度上弱化斑点噪声,取得了比canny算子更好的边缘检测效果。提出的新方法可以应用于SAR图像的边缘检测。