1 燕山大学 信息科学与工程学院, 河北 秦皇岛 066004
2 燕山大学 河北省测试计量技术及仪器重点实验室, 河北 秦皇岛 066004
3 中国石油天然气管道通信电力工程总公司, 河北 廊坊 065000
本文提出一种新的基于 Curvelet变换的文本图像二值化处理方法, 以消除文本图像中局部高亮度区域对二值化图像质量的影响。首先对具有局部高亮度区域干扰的原始文本图像进行 Curvelet变换, 得到图像在曲波域的 Curvelet系数集; 然后根据各 Curvelet系数所表征的图像特征, 对 Curvelet系数进行非线性增强, 以优化文本图像的直方图分布; 对增强的 Curvelet系数集进行反变换, 得到直方图优化后的时域图像, 进而应用 Otsu方法实现文本图像二值化。应用本文方法对具有带状及点状局部高亮度区域的文本图像进行二值化处理, 并采用 ABBYY FineReader10对二值图像进行 OCR识别。实验结果表明, 通过本文提出的处理方法所得到的二值化图像, 其字符的 OCR识别准确率最高可达 94.81%, 优于其他四种典型的图像二值化处理方法。
文本图像二值化 局部高亮干扰 多尺度处理 Curvelet变换 document image binarization local highlight interference multi-scale processing Curvelet transform
1 清华大学 精密仪器与机械学系 精密测试技术与仪器国家重点实验室， 北京 100084
2 燕山大学 仪器科学与工程系，河北 秦皇岛 066004
为了解决安瓿内漂浮物与悬浮物的识别问题，提出了一种基于小波包能量谱的特征提取和基于支持向量机的识别方法。首先，通过图像序列差分及点检测分割提取杂质存在区图像作为目标区；然后，将目标区沿安瓿瓶轴线方向逐行叠加形成一维信号，对一维信号进行小波包分解，采用主成分分析法提取小波包分解特征向量中独立主成分；以小波包特征向量中独立主成分的能量谱作为异物类型特征，将提取的特征作为支持向量机的输入向量，采用序列最小优化方法实现训练样本快速分类。实验过程中选择不同类型的核函数和相应参数进行训练和测试，实验结果显示，相对于传统BP网络，SVM将识别用时减少近60%，识别精度提高了35%，能够满足在生产中对浮类杂质的提取和快速识别的要求。
小波包能量谱 主成分分析 特征提取 支持向量机 类型识别 wavelet packet energy spectrum primary component analysis feature extraction Support Vector Machine(SVM) type recognition 光学 精密工程
2009, 17(11): 2794
