-
公开(公告)号：CN106096610A
公开(公告)日：2016-11-09
申请号：CN201610421725.7
申请日：2016-06-13
Applicant: 湖北工业大学
CPC classification number: G06K9/38 , G06K9/6256
Abstract: 本发明公开了一种基于支持向量机的文档图像二值化方法，包括彩色图像灰度化、文档图像分块、提高图像块的局部对比度、特征参数提取、SVM阈值分类、图像块拼接、笔画宽度估计、局部二值化等八个步骤；本发明采用最小均值法对彩色图像进行灰度化，所得灰度图像具有彩色无关性；定义的局部对比度，不仅能够补偿图像亮度变化产生的影响，还综合考虑了图像邻域内所有像素对图像局部对比度的归一化贡献；采用SVM阈值分类法准确性高，可靠性高；采用逐行扫描法进行笔画宽度估计，对文档图像分辨率变化具有较好的鲁棒性；本发明能够较好地保留字符笔画细节，并在有效分割字符前景的同时，较好地抑制墨迹浸润、页面污渍、纹理背景及光照不均等现象。
-
公开(公告)号：CN105374015A
公开(公告)日：2016-03-02
申请号：CN201510708525.5
申请日：2015-10-27
Applicant: 湖北工业大学
IPC: G06T5/00
Abstract: 本发明涉及基于局部对比度和笔画宽度估计的低质量文档图像二值化方法，步骤为：获取扫描文档图像、采用最小均值法对彩色文档图像u(x,y)进行灰度化处理，基于局部对比度的字符笔画像素检测，采用大津法(Otsu)对所得局部对比度图像进行全局最优阈值化，采用Canny算子对所得二值图像进行边缘检测，分别统计所有字符前景像素个数nfg和字符边缘像素个数nedge，计算轮廓比例并由此估计字符笔画宽度；最后基于滑动邻域法进行图像局部二值化。本发明能较好保留字符笔画细节，在有效分割字符前景同时，还能抑制墨迹浸润、页面污渍、纹理背景及光照不均匀等现象。
-
Patent Agency Ranking
公开(公告)号：CN106096610B
公开(公告)日：2019-04-12
申请号：CN201610421725.7
申请日：2016-06-13
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于支持向量机的文档图像二值化方法，包括彩色图像灰度化、文档图像分块、提高图像块的局部对比度、特征参数提取、SVM阈值分类、图像块拼接、笔画宽度估计、局部二值化等八个步骤；本发明采用最小均值法对彩色图像进行灰度化，所得灰度图像具有彩色无关性；定义的局部对比度，不仅能够补偿图像亮度变化产生的影响，还综合考虑了图像邻域内所有像素对图像局部对比度的归一化贡献；采用SVM阈值分类法准确性高，可靠性高；采用逐行扫描法进行笔画宽度估计，对文档图像分辨率变化具有较好的鲁棒性；本发明能够较好地保留字符笔画细节，并在有效分割字符前景的同时，较好地抑制墨迹浸润、页面污渍、纹理背景及光照不均等现象。
-
公开(公告)号：CN106295648B
公开(公告)日：2019-03-19
申请号：CN201610613720.4
申请日：2016-07-29
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于多光谱成像技术的低质量文档图像二值化方法，包括读取多光谱图像、光谱分量图像阈值化、目标检测和阈值图像融合处理等四步骤；与其它经典的文档图像二值化方法相比，无论是从输出图像质量，还是算法性能指标，本发明提出的基于多光谱成像技术的低质量文档图像二值化方法，都要具有明显优势，在较好保留字符笔画细节的同时，能够有效抑制墨迹浸润、页面污渍、纹理背景和光照不均等现象。
-
公开(公告)号：CN105913025B
公开(公告)日：2019-02-26
申请号：CN201610225164.3
申请日：2016-04-12
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于多特征融合的深度学习人脸识别方法，首先对待测试的orl人脸库进行二维gabor变换（2D gabor）,提取出具有gabor特征的人脸库；由于图片的尺寸为：92×112，此处尺寸比较大，采用双线性插值的方法，将图像降为32×32的；然后将原始的orl人脸库与gabor特征的人脸库进行融合；最后用深度学习里面的栈式自编码的方式进行编码，并用softmax回归的方式求出权重参数，预测出识别准确率。本发明融合了多特征后，前提是该特征单独用此算法测试准确率不得低于80%，准确率会提高，而且算法会更加稳定，即随机初始化后，识别准确率基本保持不变。
-
公开(公告)号：CN106295648A
公开(公告)日：2017-01-04
申请号：CN201610613720.4
申请日：2016-07-29
Applicant: 湖北工业大学
CPC classification number: G06K9/38 , G06K9/4604 , G06K9/4671 , G06T2207/10036 , G06T2207/20221
Abstract: 本发明公开了一种基于多光谱成像技术的低质量文档图像二值化方法，包括读取多光谱图像、光谱分量图像阈值化、目标检测和阈值图像融合处理等四步骤；与其它经典的文档图像二值化方法相比，无论是从输出图像质量，还是算法性能指标，本发明提出的基于多光谱成像技术的低质量文档图像二值化方法，都要具有明显优势，在较好保留字符笔画细节的同时，能够有效抑制墨迹浸润、页面污渍、纹理背景和光照不均等现象。
-
公开(公告)号：CN105913025A
公开(公告)日：2016-08-31
申请号：CN201610225164.3
申请日：2016-04-12
Applicant: 湖北工业大学
CPC classification number: G06K9/00228 , G06K9/00268 , G06K9/00288 , G06K9/6256
Abstract: 本发明公开了一种基于多特征融合的深度学习人脸识别方法，首先对待测试的orl人脸库进行二维gabor变换（2D gabor）,提取出具有gabor特征的人脸库；由于图片的尺寸为：92×112，此处尺寸比较大，采用双线性插值的方法，将图像降为32×32的；然后将原始的orl人脸库与gabor特征的人脸库进行融合；最后用深度学习里面的栈式自编码的方式进行编码，并用softmax回归的方式求出权重参数，预测出识别准确率。本发明融合了多特征后，前提是该特征单独用此算法测试准确率不得低于80%，准确率会提高，而且算法会更加稳定，即随机初始化后，识别准确率基本保持不变。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
