脱机手写维吾尔文本行字符粘连区定位及分割

在大篇幅的手写维吾尔文文本图像中,往往会出现粘连字符这一现象。这一现象会对文本行分析和笔迹鉴别等研究工作造成影响,同时所处环境为大篇幅手写图像,在对粘连字符切分时会受到其余非粘连字符的较大干扰。针对上述问题,本文提出了对手写文本图像定位线的正确提取方案,以连通域特性为基础,通过定位线与文本图像融合,使行间粘连字符所在文本行为同一连通域想法,可自动提取出粘连文本行,再根据粘连字符所占宽度和高度大于非粘连字符,从而自动提取出粘连字符。对提取出的粘连字符通过定位线可确定出粘连区域,对粘连点所处位置进行统计分析后在该位置处添加一条与背景同色细线从而达到分割效果,最后对分割后的粘连文本行通过着色方法逐行提取。实验表明,上述问题通过我们的方法得到了很好的解决。在实验结果分析中,本文给出了每个算法的性能指标数据,并与其它文献进行了对比分析,论证了本文研究方法的可行性及存在的一些主要问题。     

基于方向比重特征的维吾尔文笔迹鉴别方法

笔迹鉴别是一种有效的身份鉴别方法。作者针对维吾尔文文字书写特点提出了一种文本无关的笔迹鉴别方法,该方法采用递推方式,首先,以边缘图像为基础,利用8邻域像素点,计算边缘像素点四维方上的方向比重;然后,获取微切分窗口内所有的边缘像素点的方向比重;最后,求得窗口中书写笔迹的方向比重,并以此作为特征结构进行笔迹鉴别。实验不但改进了笔迹图像预处理,而且根据特征结构的特点,在加权卡方距离度量度量方法上进行笔迹密度再加权计算。结果表明,该方法提高了鉴别效果,有很强的实用性。     

基于核心区域检测的手写维吾尔文本行倾斜校正方法

为了提高手写维吾尔文本图像的可读性与识别精度,对其倾斜校正显得非常重要.本文以克服传统Hough方法需要手动设置不同参数、计算量繁重等缺点为出发点,在原始启发式学习方法的基础上,确定文本行核心区域、下基线,最终完成倾斜校正,采用大津算法计算阈值,确定文本行核心区域,而后使用最小二乘拟合技术得到文本行下基线;每个倾斜角在合理间隔范围内,对图片采用旋转算法完成倾斜校正.这种技术首次运用在手写维吾尔文本行的倾斜校正中,初步得到了非常明显的实验结果.     

基于区域加权信息熵和改进遗传算法的图像检索

采用信息熵性能评价指标从概率的角度描述因权值变化而引起的图像信息熵分布的变化,可以根据用户关注的范围确定重点加权区域,通过改进的猴王遗传算法来确定权值选择,能够自动的确定感兴趣的区域。区域加权信息熵能够提取图像的颜色以及空间特性,并且保留了香农熵的数学特性。实验表明,区域加权信息熵实验结果的准确率高于单纯的颜色特征提取算法。