1 合肥师范学院计算机学院, 安徽 合肥 230601
2 安徽大学计算机学院, 安徽 合肥 230039
为有效区分手写体与印刷体,提出了一种基于卷积神经网络隐层帧特征的分类方法。基于卷积神经网络,提取隐层帧特征,利用高斯混合模型结合隐马尔可夫模型的方法对该特征进行建模,再通过维特比解码算法判定每帧特征的类别。基于帧特征的识别结果,结合文本行图像信息对识别结果进行后处理,确定最终的手写体和印刷体的区域。在签名文书类文本行图像上,相比基线,所提方法对手写体与印刷体分类的识别率提升10.8%和27.57%。在自然场景、表格和带噪文档行验证了其有效性。
图像处理 手写体与印刷体分类 卷积神经网络 隐马尔科夫模型 维特比解码 激光与光电子学进展
2019, 56(6): 061003
1 黄山学院信息工程学院, 安徽 黄山 245041
2 安徽大学计算机科学与技术学院, 安徽 合肥 230601
针对吸收马尔可夫随机游走方法未能充分抑制显著图的中心背景区域和丢失位于图像边界的显著目标的问题,提出一种基于流形正则化随机游走的图像显著性检测方法。首先以超像素作为节点对输入图像构造全局图,通过吸收马尔可夫链随机游走算法计算得到初始显著图,再对初始显著图利用自适应阈值分割获得稳健前景查询节点。其次,为有效利用图像全局信息和局部信息的互补性,构建局部正则图以获得局部最优相似度矩阵。最后,将获得的局部最优相似度矩阵和前景查询节点信息应用于流形正则化框架中得到最终显著值结果。在公共数据集上进行实验验证,结果表明,运用本文算法的显著性检测在查准率和查全率等评价指标方面均有提升。
图像处理 显著性检测 随机游走 吸收马尔可夫链 流形正则化 激光与光电子学进展
2018, 55(12): 121005
