共查询到16条相似文献,搜索用时 140 毫秒
1.
基于DSP的有复杂背景的条码图像自动识别 总被引:2,自引:0,他引:2
介绍了运用TMS320VC5410芯片实现有复杂背景的条码识别系统,将图像分割技术应用于条码自动识别上,对原图像进行预处理后,再运用模板匹配的方法对图像进行区域查找,在原图像上分割出条码区域.采用模板匹配的方法,存在计算量大的问题,由于DSP系统具有电路简单可靠,运算功能和实时性强,应用灵活等特性,故采用DSP系统实时处理图像. 相似文献
2.
摘要:以矩不变为特征的模式识别理论为依据,结合其他数字图像处理技术,开发出不仅能对有轻度污染与残缺的条码进行识读,而且能对有任意角度畸变的条码图像进行快速识别的系统,从而扩大了条码的应用领域. 相似文献
3.
浮选中泡沫图像的分割算法 总被引:1,自引:0,他引:1
描述了浮选中泡沫图像的分割算法,根据测定泡沫的尺寸、形状和纹理分割泡沫图像。因这些泡沫图像的图案和性质千差万别,用现有的分割算法是很困难的,我们修改并结合不同的现有图像分割算法,形成了一种分割泡沫图像的新算法。在这种算法中,使用并修改了阈值算法,自动地检测泡沫的种子点或种子区域,然后使用形态学技术产生泡沫区域。最后,基于泡沫形状分析,合并过于分割的泡沫部分为一泡沫。文中列举了分割三个泡沫图像的结果,它表明这种分割泡沫图像的方法是合理的。 相似文献
4.
迷彩设计中背景图像聚类方法的比较分析 总被引:5,自引:0,他引:5
迷彩设计中,通过对目标背景的图像信息进行归类处理,利用图像分割技术获取背景斑点,然后设计出与背景亮度和纹理相协调的迷彩图案. 目前,最常用的图像分割方法是均值聚类法,由于它直接利用灰度信息以致分割的细节不明显,容易导致模拟背景纹理失真. 针对它的不足,提出了采用基于自组织特征映射(self organizing feature map,
SOFM)神经网络的分割方法对背景进行聚类分割. 该方法将整幅图像作为神经网络的输入,聚类分割后的颜色作为输
出,按照自组织特征映射网络的学习过程,使用其函数进行迭代运算直至学习停止. 比较实验结果表明,SOFM方法能更好地保留图像的细节纹理,得到较为理想的设计效果. 相似文献
5.
数字图像已成为信息隐藏的一类重要载体,然而不同内容的图像对隐写分析呈现出不同的检测性能. 该文基于图像信源区域平稳马尔可夫特性,用方差度量图像的区域复杂度,运用四叉树分割方法对图像进行递归分解,提取对数字隐写较为敏感的平坦区域,并从这些区域提取游程长度直方图统计矩特征,最后结合支持向量机实现隐藏信息检测. 实验结果表明,依据图像内容分割出敏感区域进行隐写分析可有效改善检测性能. 相似文献
6.
7.
为了增强图像分割技术的准确性并优化图像分割技术的细节分割效果,提出了一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法。将OTSU算法中依据图像灰度特征选取的图像中的前景和背景通过属性加权朴素贝叶斯算法进行分类处理,计算图像中前景和背景的概率,训练该模型以获得最佳阈值进行图像分割处理,优化图像分割的效果。利用无人机航拍采集的图像数据进行实验,结果显示基于属性加权朴素贝叶斯算法的OTSU图像分割方法优化了图像的分割效果,较完整地展示了分割后的图像细节,具有较好的应用价值。 相似文献
8.
9.
10.
针对复杂背景遥感图像分割准确率不高的问题,提出了一种基于遗传算子改进阈值的遥感图像分割算法。通过对遗传算法中选择、交叉、变异等算子的优化设计,增强变异的多样性,加快搜索的收敛速度,以获取遥感图像分割的最佳阈值。实验仿真结果表明:该算法降低了阈值搜索时间,同时取得了良好的图像分割结果。 相似文献
11.
针对传统基于图论的图象分割方法对噪声敏感以及计算复杂度大的问题,对传统算法进行了相应的改进,综合考虑像素的灰度信息和空间位置信息,计算权函数表达式时充分考虑到节点之间及节点与区域间的空间近邻关系.对比实验表明,该算法能够有效地从背景中把目标物体分割出来,并且当目标物和背景相近时,相比其他两种算法能够去除更多背景;该算法分割结果更接近于人眼视觉特征. 相似文献
12.
13.
在现有光学图像加密一种方法(分数傅里叶双随机相位编码技术)的基础上,提出一种改进的基于非对称离散分数傅里叶变换双相位编码光学加密方法,并用计算机模拟两种方法对二维条码图像进行加密、解密的过程,比较两种方法的仿真实验结果中两种方法的加密性能和解密图像的质量优劣. 相似文献
14.
一种改进的K means聚类彩色图像分割方法 总被引:1,自引:1,他引:0
图像分割是从图像处理到图像分析的关键步骤.图像分割的目的是将图像分割为多个互不重叠且又各具特性的区域,主要应用于图像压缩、目标提取、模式识别等.以往的图像分割技术主要应用于灰度图像,随着计算机技术的进步,彩色图像分割逐渐受到关注.该文在前人对彩色图像分割问题的大量研究成果基础上,提出了一种将K-means聚类、蚁群算法以及分水岭算法相结合的分割方法.本方法有效的克服了聚类数目必须依据先验知识提前设定、最初的聚类中心是随机选取的、聚类的效果好坏依赖于距离判定公式的缺陷. 相似文献
15.
16.
传统影像分割方法只能对影像进行单一粒度空间的分割,分割结果的准确性限于单一粒度空间,该文运用商空间理论提出一种遥感影像多粒度合成分割方法. 首先探讨多粒度影像分割的商空间模型,用影像数据场表达像元空间关系,用分形维数特征增强人工地物和自然场景的区分能力. 对灰度特征、影像数据场、分形维数分别进行分水岭分割和迭代自组织数据分析(ISODATA)聚类,获得多粒度分割结果. 最后基于粒度合成原理给出一个具体的多粒度影像分割的商空间合成算法. 实验表明该方法能充分利用各个粒度空间分割结果的优点,纠正了单一粒度空间的分割错误,分割结果更准确. 相似文献