计算机科学 ›› 2019, Vol. 46 ›› Issue (11A): 324-328.
杨秀璋1, 夏换2, 于小民2
YANG Xiu-zhang1, XIA Huan2, YU Xiao-min2
摘要: 随着图形图像处理技术的迅速发展,图像增强及识别方法已广泛应用于各行各业。在此基础上,文字识别技术也取得了极大的进步。针对水族文字笔触随意、字形多变、噪声较多等问题,文中提出了一种改进的图像增强及识别方法。通过中值滤波算法降低图像噪声,利用直方图均衡化方法增强图像对比度,再经过二值化处理提取图像中的目标轮廓,通过腐蚀膨胀处理细化和扩张背景,最后采用改进的文字提取算法凸显水族文字,采用Sobel算子提取水族文字边缘,并对其进行仿真对比实验。实验结果表明,该方法有效地降低了图像噪声,准确地提取出了水族文字轮廓,可以应用于民族文字提取及识别、文物修复、图像增强等领域,对保护民族文物遗产、弘扬少数民族传统文化具有重要意义。
中图分类号:
[1]饶文谊,梁光华.关于水族水字水书起源时代的学术思考[J].原生态民族文化学刊,2009(4):90-93. [2]廖崇虹.水书文化开发性保护的产业化发展战略研究[D].天津:天津大学,2010. [3]王展,王慧琴,吴萌,等.数字图像修复技术在文物领域的应用展望[J].文博,2012(3):79-82. [4]王积分,张新荣.计算机图像识别[M].北京:中国铁道出版社,1988. [5]王月新,刘明君.sobel算子与prewitt算子分析与研究[J].计算机与数字工程,2016(10). [6]李晓飞,马大玮,粘永健,等.图像腐蚀和膨胀的算法研究[J].影像技术,2005(1):37-39. [7]李振宏,高光来,侯宏旭,等.印刷体蒙古文文字识别的研究[J].内蒙古大学学报(自然科学版),2003,34(4):454-457. [8]王琪,程彬,杜娟,等.一种改进的小波阈值图像去噪方法[J].计算机与现代化,2015(4):65-69. [9]刘军,白雪.基于梯度方向直方图与高斯金字塔的车牌模糊汉字识别方法[J].计算机应用,2016,36(2):586-590. [10]李雄,裴承鸣,郑华.几何特征形态学车牌识别系统研究[J].计算机仿真,2012,29(4):353-356. [11]刘磊.基于内容的秦汉瓦当小篆文字识别方法研究[D].西安:西北大学,2015. [12]黄攀.基于深度学习的自然场景文字识别[D].杭州:浙江大学,2016. [13]图像处理-python实现图像处理(消噪,直方图均衡化,二值化,形态学)[EB/OL].https://blog.csdn.net/wsh596823919/article/details/79982485. [14]Python图像处理及图像识别[EB/OL].https://blog.csdn.net/Eastmount/column/info/26274. |
[1] | 赵明华, 周童童, 都双丽, 石争浩. 基于虚拟曝光方法的单幅逆光图像增强 Single Backlit Image Enhancement Based on Virtual Exposure Method 计算机科学, 2022, 49(6A): 384-389. https://doi.org/10.11896/jsjkx.210400243 |
[2] | 王建明, 陈响育, 杨自忠, 史晨阳, 张宇航, 钱正坤. 不同数据增强方法对模型识别精度的影响 Influence of Different Data Augmentation Methods on Model Recognition Accuracy 计算机科学, 2022, 49(6A): 418-423. https://doi.org/10.11896/jsjkx.210700210 |
[3] | 赵征鹏, 李俊钢, 普园媛. 基于卷积神经网络的Retinex低照度图像增强 Low-light Image Enhancement Based on Retinex Theory by Convolutional Neural Network 计算机科学, 2022, 49(6): 199-209. https://doi.org/10.11896/jsjkx.210400092 |
[4] | 赵小虎, 叶圣, 李晓. 多算法融合的骨骼重建信息动作分类方法 Multi-algorithm Fusion Behavior Classification Method for Body Bone Information Reconstruction 计算机科学, 2022, 49(6): 269-275. https://doi.org/10.11896/jsjkx.210500070 |
[5] | 方仲礼, 王喆, 迟子秋. 面向多标签小样本学习的双流重构网络 Dual-stream Reconstruction Network for Multi-label and Few-shot Learning 计算机科学, 2022, 49(1): 212-218. https://doi.org/10.11896/jsjkx.201100143 |
[6] | 黄雪冰, 魏佳艺, 沈文宇, 凌力. 基于自适应加权重复值滤波和同态滤波的MR图像增强 MR Image Enhancement Based on Adaptive Weighted Duplicate Filtering and Homomorphic Filtering 计算机科学, 2021, 48(6A): 21-27. https://doi.org/10.11896/jsjkx.200800183 |
[7] | 熊朝阳, 王婷. 基于卷积神经网络的建筑构件图像识别 Image Recognition for Building Components Based on Convolutional Neural Network 计算机科学, 2021, 48(6A): 51-56. https://doi.org/10.11896/jsjkx.200500122 |
[8] | 杨秀璋, 武帅, 夏换, 于小民. 基于自适应图像增强技术的水族文字提取与识别研究 Research on Shui Characters Extraction and Recognition Based on Adaptive Image Enhancement Technology 计算机科学, 2021, 48(6A): 74-79. https://doi.org/10.11896/jsjkx.200900070 |
[9] | 王中元, 刘惊雷. 基于二阶近邻的核子空间聚类 Kernel Subspace Clustering Based on Second-order Neighbors 计算机科学, 2021, 48(6): 86-95. https://doi.org/10.11896/jsjkx.200800180 |
[10] | 齐延荣, 周夏冰, 李斌, 周清雷. 基于FPGA的CNN图像识别加速与优化 FPGA-based CNN Image Recognition Acceleration and Optimization 计算机科学, 2021, 48(4): 205-212. https://doi.org/10.11896/jsjkx.200600089 |
[11] | 顾兴健, 朱剑峰, 任守纲, 熊迎军, 徐焕良. 多尺度U网络实现番茄叶部病斑分割与识别 Multi-scale U Network Realizes Segmentation and Recognition of Tomato Leaf Disease 计算机科学, 2021, 48(11A): 360-366. https://doi.org/10.11896/jsjkx.201000166 |
[12] | 刘洋, 金忠. 一种结合非局部和多区域注意力机制的细粒度图像识别方法 Fine-grained Image Recognition Method Combining with Non-local and Multi-region Attention Mechanism 计算机科学, 2021, 48(1): 197-203. https://doi.org/10.11896/jsjkx.191000135 |
[13] | 徐永士, 贲可荣, 王天雨, 刘斯杰. DCGAN模型改进与SAR图像生成研究 Study on DCGAN Model Improvement and SAR Images Generation 计算机科学, 2020, 47(12): 93-99. https://doi.org/10.11896/jsjkx.200700109 |
[14] | 李昌兴, 雷柳, 张晓璐. 基于形态学图像增强和PCNN的脑部CT与MRI图像融合 Brain CT and MRI Image Fusion Based on Morphological Image Enhancement and PCNN 计算机科学, 2020, 47(10): 194-199. https://doi.org/10.11896/jsjkx.190700185 |
[15] | 周丽军, 刘晓. 基于分数阶傅里叶变换的隧道低对比度裂缝检测 Low-contrast Crack Detection Method Based on Fractional Fourier Transform 计算机科学, 2019, 46(6A): 208-210. |
|