检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

红外偏振图像的舰船目标检测

光谱学与光谱分析 2020年第2期40卷 586-594页

作者：宫剑吕俊伟刘亮仇荣超海军航空大学

红外成像系统作为探测舰船目标的一种重要方式,在军事侦察中起着至关重要的作用,面对复杂背景、恶劣天气环境等情况时,目标与背景局部对比度较低导致红外系统的探测准确率、查全率等性能指标受到严重影响,针对上述问题,开展了基于红外... 详细信息

红外成像系统作为探测舰船目标的一种重要方式,在军事侦察中起着至关重要的作用,面对复杂背景、恶劣天气环境等情况时,目标与背景局部对比度较低导致红外系统的探测准确率、查全率等性能指标受到严重影响,针对上述问题,开展了基于红外偏振图像的舰船目标检测方法研究。通过8~12μm长波波段红外偏振图像采集系统实际采集86组4个偏振方向(0°,45°,90°,135°)的红外偏振图像,样本中舰船目标309个。对同场景下不同偏振方向的红外偏振图像及红外强度/偏振度图像的目标与背景局部对比度计算,发现海面与舰船目标偏振特征差异能够有效提高目标与背景局部对比度。在前视红外图像中,舰船目标通常位于海天线附近或下方,但复杂背景及天气等因素干扰对红外图像中检测海天线影响较大,为此提出红外偏振图像海天线检测方法,对红外偏振图像直方图进行高斯滤波消除局部极值,依据海面与背景的偏振特征差异,利用双峰法阈值分割检测海天线,最后利用霍夫变换检测海天线,分割出海面作为目标候选区域。针对红外偏振图像受到海杂波严重干扰的问题,提出海杂波背景抑制算法,采取背景抑制,距离加权方法抑制偏振图像中杂乱的海杂波背景。最后,利用mser算法检测舰船目标,根据舰船目标特性约束条件剔除非目标区域。对86组红外偏振图像进行舰船目标检测实验,所提出的方法能够有效克服复杂背景和海杂波等因素的干扰准确检测海天线,通过海杂波背景抑制及舰船特征约束的方法消除海杂波及海岸对舰船检测所带来的干扰,检测准确率、查全率分别为93.2%和95.7%,优于红外舰船目标检测方法,特别在红外图像对比度低的场景下检测效果提升明显,检测准确率、查全率分别提高了46.5%和16.4%。表明充分考虑红外偏振图像中舰船目标与背景的偏振特征差异能够有效提高目标与背景的局部对比度,有利于准确检测海天线,提高舰船检测准确率和查全率,对复杂背景及恶劣天气有较强的适应性,在军事应用中具有极大应用价值,对红外波段舰船目标检测技术的发展有着极为重要的意义。

关键词：红外偏振舰船目标海天线检测海杂波抑制 mser算法

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

自然场景下中文文本定位关键技术的研究

计算机应用与软件 2018年第7期35卷 243-249页

作者：万燕王晓华卢达东华大学计算机科学与技术学院上海201620

针对自然场景图像的中文文本定位问题,提出一种基于汉字特征的文本定位方法。采用mser(Maximally Stable Extremal Regions)算法提取候选文本区域;通过数学形态学运算连接汉字分离的笔画。依据汉字的特点,设计启发式规则并结合汉字的结... 详细信息

针对自然场景图像的中文文本定位问题,提出一种基于汉字特征的文本定位方法。采用mser(Maximally Stable Extremal Regions)算法提取候选文本区域;通过数学形态学运算连接汉字分离的笔画。依据汉字的特点,设计启发式规则并结合汉字的结构特征过滤非文本区域,实现初步定位;在初步定位的文本区域内作笔画宽度变换,再根据文本的笔画特征进一步过滤非文本区域。最后,通过任意方向文本行合并算法,合并定位好的文本区域,从而实现最终中文文本定位。实验证明,该方法对自然场景图像的中文文本定位取得了良好的效果。

关键词：自然场景 mser算法结构特征笔画宽度变换中文文本定位

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

复杂图像中的涉密文字检测技术研究

复杂图像中的涉密文字检测技术研究

作者：毕建伟哈尔滨工程大学

学位级别：硕士

随着计算机科学与技术和互联网的快速发展,计算机泄密事件的情况时有发生,各种形式的泄密问题严重威胁着企业和个人的权益。图像中都含有大量的信息,承载的内容也非常丰富,其中带有文字的图像所能表达的信息就会更加的有针对性和目的性... 详细信息

随着计算机科学与技术和互联网的快速发展,计算机泄密事件的情况时有发生,各种形式的泄密问题严重威胁着企业和个人的权益。图像中都含有大量的信息,承载的内容也非常丰富,其中带有文字的图像所能表达的信息就会更加的有针对性和目的性。因此,在涉密检查的工作中,能够识别出图像中包含的涉密文字是是涉密检查非常重要的一步。在复杂背景图像中,涉密的文字常常是隐含在复杂的图像环境中,这就使文字检测变得更加困难。针对这种情况,怎样才能在复杂背景的干扰中,检测出图像中包含的文字就是本文的主要工作。本文针对以上情况,提出一种解决复杂背景中涉密文字识别的算法,算法首先自适应的对所要处理的图像进行分类,如果是简单背景的图像,可以在预处理之后直接进行OCR识别在加上字符串匹配即可识别出涉密文字;如果具有复杂背景的图像,本文中提出了一种结合文字检测和图像匹配的算法。先从图像从文字定位、文字分割、OCR识别和字符串匹配进行展开,然后在使用基于SURF算法的图像匹配方法。本文算法对于多种类型图像都具有很高的识别率,能够准确的识别出复杂背景图像中的涉密文字,另外本算法还能针对不包含文字的涉密图像进行匹配识别。实验表明在针对不同情况下的复杂背景图像本算法都有很高的识别率,另外本算法具有良好的实际应用价值。

关键词：复杂背景涉密文字 mser算法 SURF算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征融合的自然场景文本检测方法研究

基于特征融合的自然场景文本检测方法研究

作者：盖立兵山东大学

学位级别：硕士

自然场景图像背景复杂、清晰度差异大。本文基于经典的mser算法和EAST模型探讨自然场景图像中文本检测的改进方法,在一定程度上改进了自然场景文本检测的性能。(1)针对传统mser算法对边界模糊、光照影响较大图像的召回率和精确率偏低的... 详细信息

自然场景图像背景复杂、清晰度差异大。本文基于经典的mser算法和EAST模型探讨自然场景图像中文本检测的改进方法,在一定程度上改进了自然场景文本检测的性能。(1)针对传统mser算法对边界模糊、光照影响较大图像的召回率和精确率偏低的问题,给出了基于视觉显著性和mser的改进文本检测方法。通过对边缘增强、几何特征滤除后的mser连通区域与视觉显著性检测得到的显著目标区域进行特征融合来获得尽可能多的文本候选区域,再由训练图像所得CNN文本分类器对所得文本候选区域进行甄别以有效滤除背景区域。(2)针对EAST模型由于感受野不足对较大或较长文本检测能力有待提高的问题,给出了一种改进的EAST-PAN文本检测方法。从EAST模型底层架构上进行分析,通过将金字塔注意力网络PAN结构融合到EAST基础网络主干ResNet-50底层,PAN网络的FPA模块提供的像素级注意力信息借助于EAST模型特征提取过程的金字塔结构扩大了网络的感受野,使得网络对长文本感受能力增强,同时全局平均池化操作兼顾了整体信息表征,使得改进算法的检测性能得到一定程度的提升。(3)针对EAST模型回归文本框合并策略,将加权处理回归文本框合并的操作改进为使用属于同一文本行的回归文本框部分坐标排序后的中位数,再根据确定的坐标重新计算出最终文本框的坐标。改进后的策略更多地考虑边界文本框的信息,提高了靠近两端边缘的文本被最终文本框检测出来的概率。在改进模型结构基础上对文本框合并策略的改进提升了自然场景图像中长文本的检测性能。

关键词：自然场景文本检测特征融合 mser算法 EAST模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉的树上绿色柑橘检测

基于视觉的树上绿色柑橘检测

作者：胡秀文华中农业大学

学位级别：硕士

随着图像处理、机器视觉技术的发展,关于树上水果的检测已吸引了众多在图像处理和农业工程领域研究者的目光。在水果生产过程中,充分利用信息化、智能化技术对作物生长进行动态监测,对于果园的自动管理(自动施肥、灌溉、喷药)、提高农... 详细信息

随着图像处理、机器视觉技术的发展,关于树上水果的检测已吸引了众多在图像处理和农业工程领域研究者的目光。在水果生产过程中,充分利用信息化、智能化技术对作物生长进行动态监测,对于果园的自动管理(自动施肥、灌溉、喷药)、提高农作物品质、产量估计及自动采摘都有着重要意义。树上绿色水果的检测是实现水果生产自动化和智能化的一个关键环节,对早期果树估产、优化果园管理及实现自动作业具有重要的价值和应用前景。而已有树上绿色水果检测的方法不够准确鲁棒,仍然有许多值得改进的地方。因此,本文以柑橘为例,将检测过程分为两个阶段:感兴趣区域(Region of Interest,ROI)提取及分层轮廓分析(Hierarchical Contour Analysis,HCA)。其中,感兴趣区域提取这一阶段分别采用两种方法提取彩色图像中的感兴趣区域,第一种方法提取区域的局部二值模式(Local Binary Patterns,LBP)作为纹理特征送入分类器分类,第二种方法采用最大稳定极值区域(Maximally Stable Extremal Region,mser)算法对图像中的ROI进行提取。结合本文首次提出的这种基于水果表面环形光照分布的HCA算法,先建立分层轮廓图,然后提取感兴趣区域的分层轮廓线,并利用霍夫变换拟合每一级轮廓线获得分层圆形目标,最后进行拟合圆嵌套分析得到绿色柑橘水果目标。下面就对本文的主要内容和试验结论做简要总结。研究内容:(1)基于纹理特征的感兴趣区域提取。算法首先取绿色分量图作为灰度图像进行图像预处理,然后提取图像中的局部极大值点作为目标点,在以该点为中心的区域提取LBP特征,所提取特征组成56维特征向量送入基于决策树的RUSBoost集成分类器,对分类器进行分类训练,取最终输出的表示感兴趣区域的局部极大值点为感兴趣点。(2)基于mser算法的感兴趣区域提取。这种算法在图像预处理后,采用mser算法提取感兴趣区域,并对提取到的区域进行椭圆拟合,得到一系列拟合椭圆目标,取椭圆中心点作为感兴趣点,然后根据椭圆离心率阈值进行初步形状分析,筛选出符合阈值条件的目标。(3)分层轮廓分析算法。包括朗伯光照模型介绍及环形光照特征原理推导,根据HCA算法建立分层轮廓图,提取每个感兴趣区域的分层轮廓线,并使用霍夫变换对感兴趣点附近区域的各级轮廓线进行圆拟合,同时对各级拟合圆进行嵌套分析合并拟合同一目标的多个拟合圆,最终得到与目标唯一对应的柑橘目标拟合圆。基于LBP特征及HCA算法的方法以45张复杂的柑橘果园场景图像作为训练集训练分类器,并在20张图像中进行了测试,最终的召回率达77.9%,查准率达76.4%,折合F值达77.1%,单幅图像平均处理时间为10.23s。基于mser算法与HCA算法的方法在相同的20张图像上进行了测试,召回率达81.2%,查准率达到83.5%,折合F值达82.3%,单幅图像平均处理时间为3.70s。研究表明,两种方法均能有效地检测出树上绿色柑橘目标。

关键词： LBP特征 RUSBoost集成分类器 mser算法朗伯光照模型 HCA算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的西夏文字识别研究

基于深度学习的西夏文字识别研究

作者：王葭宁夏大学

学位级别：硕士

西夏文字作为一种记录西夏王朝历史的文字,有着极具特色的文化内涵,西夏文字的识别对于整个西夏学研究工作有着重要的意义。到目前为止,西夏文字识别率较低的问题限制着西夏学研究的发展,与广泛使用的文字例如汉字的识别研究相比较,针... 详细信息

西夏文字作为一种记录西夏王朝历史的文字,有着极具特色的文化内涵,西夏文字的识别对于整个西夏学研究工作有着重要的意义。到目前为止,西夏文字识别率较低的问题限制着西夏学研究的发展,与广泛使用的文字例如汉字的识别研究相比较,针对古籍文献手写西夏文字符的识别研究存在更多困难,主要包括:西夏文字结构比汉字更复杂,字符笔划更多;西夏文字符类别之间相似度更高;手写西夏文字符的训练样本集受限于样本来源,存在部分字符类别样本数量稀少的问题。基于此,本文结合能够提取更多复杂西夏文字的表层信息的深度卷积神经网络以及关注西夏文字各笔划之间的位置关系CapsNet网络,搭建出A-CapsNet深度识别网络用于对单类样本数量少的西夏文字的识别研究。本文主要的研究内容如下:1.针对西夏文字样本图像大小不一、文字区域占比不均匀、背景噪声信息多的特点,提出了改进的mser算法的预处理,对西夏文字样本图像进行文字区域提取,滤除多余的背景和噪声信息,并将其进行尺度归一化处理;2.基于经典深度卷积神经网络分类模型和动态路由算法的CapsNet网络对预处理后的西夏文字进行训练识别,经过实验证明该网络结构适用于对西夏文字的识别;3.在CapsNet网络的基础上,构建了 A-CapsNet网络结构完成对西夏文字的识别。在相同数据集的基础上,从动态路由迭代次数、训练轮次、重构效果方面对识别效果进行实验。最终实验结果表明,A-CapsNet网络对西夏文字的识别准确率更高,并且有更好的适用性。

关键词： mser算法 A-CapsNet网络西夏文字识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自然场景图像中的文本检测与识别技术研究

自然场景图像中的文本检测与识别技术研究

作者：周鹏飞西安理工大学

学位级别：硕士

自然场景图像中的文本含有丰富而准确的高层语义信息,这些语义信息对于盲人障碍导航系统、智能城市交通管理系统、汽车的无人驾驶系统、即时翻译系统都具有指导意义。因此,对自然场景图像中文本进行定位和识别具有极大的研究价值。本文... 详细信息

自然场景图像中的文本含有丰富而准确的高层语义信息,这些语义信息对于盲人障碍导航系统、智能城市交通管理系统、汽车的无人驾驶系统、即时翻译系统都具有指导意义。因此,对自然场景图像中文本进行定位和识别具有极大的研究价值。本文针对自然场景下的文本定位与识别进行了深入研究,具体的工作如下:1.传统mser算法对光照敏感且在单一的灰度通道上进行文本候选区域提取时会出现文本漏检情况。针对此问题,本文提出了一种基于多通道光照均衡化的mser算法。首先,分别在R、G、B通道下对图片做光照均衡化处理;然后,在对应通道下用mser检测算子提取文本字符的mser区域;最后,合并每个通道的mser区域作为字符候选区域。经过实验验证,改进后的算法针对光照不均匀或不同复杂背景上的图片,都能检测到相对完整的字符区域,提高了算法的召回率。2.传统mser算法对于复杂背景的场景文本检测时会出现误检情况。针对此问题,本文提出一种基于多特征融合的伪字符区域过滤算法。首先,对字符候选区域分别提取HOG特征、LBP特征、CNN特征;然后,将这三种特征进行串形融合;最后,利用SVM训练一个字符判别器来过滤伪字符区域。经实验验证,此算法能剔除掉更多的伪字符区域,提高了算法的准确率。3.滑动卷积字符模型是基于字符分类的识别,只关注字符的深度特征,而忽略了文本行中字符与字符之间的上下文关系,这使得算法的识别精度会大打折扣。针对此问题,本文深入研究了滑动卷积字符模型,在其基础上引入双向LSTM网络来进行场景文本识别。首先,去掉滑动卷积字符模型中的分类层;然后,使用CNN滑动窗口来提取输入图像的序列特征,将输出的序列特征输入到设计好双向LSTM网络中提取每个字符的上下文特征;最后,用CTC转录机制将LSTM的输出预测转录为实际的字符串。通过与其它算法对比,本文算法在识别精度上有显著的提升。

关键词： mser算法 SVM分类器滑动卷积字符模型双向LSTM

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

场景图像中的文字检测算法研究

场景图像中的文字检测算法研究

作者：谢立艳北方工业大学

学位级别：硕士

图像文字检测与识别在计算机视觉领域有着广泛的应用。文字图像大致可以分为两种:文档图像和场景图像。与文档图像相比,场景图像文字的多样性和背景的复杂性给文字检测带来诸多困难。文字检测是文字识别的前端,本文对场景图像中的典型... 详细信息

图像文字检测与识别在计算机视觉领域有着广泛的应用。文字图像大致可以分为两种:文档图像和场景图像。与文档图像相比,场景图像文字的多样性和背景的复杂性给文字检测带来诸多困难。文字检测是文字识别的前端,本文对场景图像中的典型文字检测算法进行研究,分析了这些算法的优缺点,并在此基础上改进了 mser算法和FASText文本检测器。主要研究内容包括以下三个方面:1.经典文字检测算法的研究。本文总结了21种主流算法在公开数据集ICDAR上的文字检测效果,数据显示现有文字检测算法依然存在低召回率的问题,召回率最高仅达83%。对候选文本区域提取和文本/非文本分类两大核心步骤中典型算法的优缺点及存在的问题进行了分析。2.基于Harris角点的mser的文字检测方法。针对传统的mser算法检测到的区域数量过多的问题,提出遍历所有角点提取候选区域的方法。首先为了尽可能全面地检测到角点,对Harris角点检测算法进行改进,从R、G、B三个颜色通道分别检测角点,对所有角点取并集,并使用最近邻插值构建了金字塔结构的多尺度空间。然后根据mser算法原理,对每个检测到的Harris角点生成区域。实验结果表明,改进的算法在保证不漏检文字区域的前提下,有效减少了候选区域的数量。***文字检测器的改进。针对文字重复检测和非文字区域误检的问题,首先根据FASText关键点的分布特征和颜色属性滤除伪关键点,然后使用扫描线种子填充算法提取候选区域,并通过非最大值抑制减少文本重复检测,最后设计双阈值分类器进行文字/非文字分类。实验结果表明,改进的FASText文字检测器文字检测的准确率为91.3%、召回率为72.5%、F-指数为81.2%,与原算法相比,均有所提升。

关键词：文字检测场景图像 mser算法 FASText文字检测器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

路侧显示终端节目下发智能过滤系统设计

路侧显示终端节目下发智能过滤系统设计

作者：陈缙南京大学

学位级别：硕士

随着我国道路交通建设行业的迅猛发展,路侧显示设备也从指示牌发展到如今的智能显示终端,随之而来的信息安全问题也让信息过滤技术成为工程界和学术界热烈讨论的问题。在路侧智能显示终端上,对节目信息进行安全检测的效率和准确率,是衡... 详细信息

随着我国道路交通建设行业的迅猛发展,路侧显示设备也从指示牌发展到如今的智能显示终端,随之而来的信息安全问题也让信息过滤技术成为工程界和学术界热烈讨论的问题。在路侧智能显示终端上,对节目信息进行安全检测的效率和准确率,是衡量路侧终端安全性的重要标准。传统的安全性检测方式大多是通过人工来进行审核,这种检测方式需要耗费一定的人力物力来维持,并且在准确率方面会随着审核人员工作状态的变化而产生一定的误差。因此对于节目信息的智能过滤系统的研究则是路侧终端供应商绕不过去的门槛。终端显示节目信息主要由图片节目和文字节目构成,涉及到图像处理和文本分析两大领域。本文重点围绕对图片节目的文字信息提取方法和对文字节目的敏感信息过滤技术两个方面进行了讨论研究。首先讨论了对图片节目中文字的定位方法,采用传统的最大稳定极值区域（Maximally Stable Extremal Regions,mser）算法和非极大值抑制（Non Maximum Suppression,NMS）算法完成对图片文字的初步定位,针对定位后产生的噪声信息,引入基于卷积神经网络的二分类器,完成对初步定位出的区域中是否含有文字的判定,得到图片里所有包含单个文字的区域。介绍了用于训练该网络的数据集的制作过程,实验分析各个步骤定位出的区域效果。其次讨论了对单个文字区域进行文字提取的方法,提出了使用基于卷积神经网络训练出的汉字分类器进行文字的提取。介绍了训练该网络所需要的数据集和对数据集的预处理过程,实验分析经过一定次数训练之后的模型在文字辨别方面达到的效果。最后讨论了对文字节目中文本字符串进行敏感词检测的方法,提出了基于字典树构建的敏感词库,利用中文分词技术将字符串分割成短词进入字典树进行匹配,通过对字典树处理敏感词的效率的实验,验证使用字典树构建的敏感词检测模块的实时性。

关键词：信息过滤 mser算法 NMS算法卷积神经网络敏感词检测