CN104408721B - 基于背景密度估计的印章图像提取方法 - Google Patents

基于背景密度估计的印章图像提取方法 Download PDF

Info

Publication number
CN104408721B
CN104408721B CN201410690319.1A CN201410690319A CN104408721B CN 104408721 B CN104408721 B CN 104408721B CN 201410690319 A CN201410690319 A CN 201410690319A CN 104408721 B CN104408721 B CN 104408721B
Authority
CN
China
Prior art keywords
image
pixel
density
background
seal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410690319.1A
Other languages
English (en)
Other versions
CN104408721A (zh
Inventor
宋永红
龚晨
张元林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jieshitong Technology Development Co., Ltd.
Original Assignee
Xian Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN201410690319.1A priority Critical patent/CN104408721B/zh
Publication of CN104408721A publication Critical patent/CN104408721A/zh
Application granted granted Critical
Publication of CN104408721B publication Critical patent/CN104408721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Abstract

一种基于背景密度估计的印章图像提取方法，首先对印章灰度图像用OTSU算法进行二值化，并对二值化后的图像进行去噪；其次，计算四种二值图积分图像，自适应地计算分形维数窗口尺寸，计算背景密度能量图，估计印章位置，依据真实印章大小提取印章图像，即完成算法目标；本发明方法利用密度估计的思想，创新性地对图像背景像素点密度进行估计，而不是对图像前景点密度进行估计，使印章作为低密度区域，非印章部分作为高密度区域，将待鉴定印章从简单背景中提取，作为印章配准的前处理步骤，大大提高了印章图像配准的准确率，使图像配准结果可以作为印章鉴定的依据。

Description

基于背景密度估计的印章图像提取方法
技术领域
本发明涉及印章图像提取技术领域，具体涉及一种基于背景密度估计的印章图像提取方法。
背景技术
如图1所示，印章是我国特有的历史文化产物，古代主要用作身份凭证和行驶职权的工具。如今成为一种用作印于文件上表示鉴定或签署的文具。被制作出的每枚印章都是独一无二的，所以在现代社会中，印章成为判定文书，证件，金融票据等真伪性的实用方法，与签名具有同等的作用。
图像配准技术是图像处理和计算机视觉领域中的一个典型问题和技术难点，是将同一对象的不同图像变换到相同坐标系的过程。它被广泛地应用在遥感图像、医学影像、三维重构、机器人视觉等诸多领域中。其目的在于比较或融合针对同一对象在不同条件下获取的图像，使两图中对应点一一对应起来，从而达到相似性度量或者差异检出等目的。
分形维数是描述分形最主要的参量，简称分维。它描述了一个分形对空间填充程度的统计量，分形维数没有统一的定义，其定义方法包括有计盒维数，豪斯多夫维数和分配维数等。分形维数模型可以用来衡量物体表面粗糙度，也可以用来对纹理进行描述，在本发明中将其作为一种图像密度估计方法。
对于仿制印章真假的鉴别，可以先采用图像配准技术对待鉴定印章与真实印章图像进行配准，然后再交由专业鉴别师进行鉴定。在实际情况中从文件，文档上截取的待鉴定印章图像一般会带有一些规则背景如图2所示，这些背景对图像配准算法会造成很大的干扰，使配准结果具有较大的偏差，使鉴别师不能利用配准结果进行鉴定。
发明内容
为了解决上述现有技术存在的问题，本发明目的在于提供一种基于背景密度估计的印章图像提取方法，本方法利用密度估计的思想，创新性地对图像背景像素点密度进行估计，而不是对图像前景点密度进行估计，使印章作为低密度区域，非印章部分作为高密度区域，将待鉴定印章从简单背景中提取，作为印章配准的前处理步骤，大大提高了印章图像配准的准确率，使图像配准结果可以作为印章鉴定的依据。
为达到以上目的，本发明采用以下技术方案：
一种基于背景密度估计的印章图像提取方法，作为印章图像配准的前处理方法，通过对背景像素点的密度进行估算，将印章位置作为背景像素点的低密度区域进行定位；对印章待配准图像密度的估算采用到了有关分形维数的计算方法，利用图像计盒维数的近似值来衡量背景像素点的密度；对于密度能量图分形维数窗口半径大小的选择，采用标准模板图像半长轴按一定比例放缩的大小；在计算计盒维数近似值时采用了四种不同的积分图像，通过其递推关系，使密度能量图的计算能在O(N)的时间复杂度内实现；该方法主要步骤为：首先对印章灰度图像用OTSU算法进行二值化，并对二值化后的图像进行去噪；其次，计算四种二值图积分图像，自适应地计算分形维数窗口尺寸，计算背景密度能量图，估计印章位置，依据真实印章大小提取印章图像，即完成印章图像提取方法；
所述计算四种二值图积分图像的具体方法为：分别计算图像的四种积分图像；第一种图像每个像素点的值DP_SINGLE[I][J]定义为此像素点到原图左上角围成的矩形中背景点的个数；第二种图像每个像素点的值DP_DOUBLE[I][J]定义为此像素点到原图左上角围成的矩阵中相邻排列的至少包含一个背景点的2*2大小的方块的个数；第三种图像每个像素点的值DP_ROW2[I][J]定义为此像素点到相同行第一个像素点间包括第一个像素点相邻排列的至少包含一个背景点的1*2大小的方块的个数；第四种图像每个像素点的值DP_COL2[I][J]定义为此像素点到相同列第一个像素点间包括第一个像素点相邻排列的至少包含一个背景点的2*1大小的方块个数；利用动态规划递推的算法，四种积分图像都能够在O(N)的时间复杂度内求解；
所述自适应地计算分形维数窗口尺寸的具体方法为：分形维数窗口尺寸是下文计算分形维数估计图像密度的重要参数。其大小的选择主要与印章大小，印章纹路宽度，背景纹理宽度有关；需要保证分形维数窗口大小大于印章纹路宽度和背景纹理宽度，但又远小于印章大小。在一般情况下，印章尺寸都是远大于印章纹路宽度与背景纹理宽度的，本发明采用简单的与印章尺寸相关的比例系数计算分形维数窗口尺寸，这里采用印章半长轴放缩一定比例作为分形维数窗口大小；
所述计算背景密度能量图的具体方法为：背景密度能量图每个像素点的取值为在以此像素点为中心，具有分形维数窗口尺寸的方块上的背景点的计盒维数大小；所述计盒维数大小采用方块内背景点的个数Nsingle与相邻排列的至少包含一个背景点的2*2大小的方块的个数Ndouble的比例的以2为底的对数来近似代替；对于方块内Nsingle与Ndouble的计算，利用所述的四种积分图像能够直接在O(1)的时间复杂度内求解；最后，对图像作归一化处理，作为密度能量图的结果；
所述估计印章位置的具体方法为：对背景密度能量图用OTSU二值化算法作二值化，将高密度区域作为背景，低密度区域作为前景；计算所有前景点像素坐标的平均值，以此作为对印章位置的估计。
本发明和现有技术相比，具有如下优点:
1、本发明方法利用密度估计的思想，创新性地对图像背景像素点密度进行估计，而不是对图像前景点密度进行估计，使印章作为低密度区域，非印章部分作为高密度区域，将待鉴定印章从简单背景中提取，作为印章配准的前处理步骤，大大提高了印章图像配准的准确率，创新性地对背景像素点密度进行估计，对于确定印章位置更加鲁棒。
2、算法运算效率高。
3、对待配准图像背景的形状，规格等依赖性小。
4、可以对不同的印章进行提取，对印章样式的依赖性小。
附图说明
图1印章图像，以及印章配准时的标准模板图像。
图2实际场景下，带有局部背景的待配准印章图像。
图3直接对带局部背景的印章图像配准，与使用本方法做前处理后再对带局部背景的印章图像配准的结果对比。
图4印章配准时，模板图像上和待配准图像上实际需要配准的区域。
图5实际场景下，执行印章提取算法前的待配准印章图像。
图6执行本方法后，提取的印章图像。
图7对印章图像二值化前后的图像。
图8对二值化图像去噪前后的图像。
图9图像解释积分图DP_ROW2定义。
图10图像解释积分图DP_COL2定义。
图11图像解释积分图DP_DOUBLE定义。
图12模板图像长轴。
图13对待配准图像计算出的背景密度能量图，越亮的地方代表背景的密度越大，越暗的地方代表背景的密度越小。印章处于背景密度小的地方。
图14在待配准图像上估计的印章位置(红点)，以及以模板图像半长轴为半径的印章图像提取范围(红圈以内)。
具体实施方式
以下结合附图及具体实施例对本发明作进一步的详细描述。
本发明方法利用密度估计的思想，创新性地对图像背景像素点密度进行估计，而不是对图像前景点密度进行估计，使印章作为低密度区域，非印章部分作为高密度区域，将待鉴定印章从简单背景中提取，作为印章配准的前处理步骤，大大提高了印章图像配准的准确率，使图像配准结果可以作为印章鉴定的依据。采用印章提取和不采用印章提取进行配准的结果如图3所示。
本发明方法作为印章配准的前处理算法，将待配准印章图像中的有效图像与印章模板相匹配，可以有效提高印章图像配准的准确率，如图4所示。
本发明一种基于背景密度估计的印章图像提取方法，首先对印章灰度图像用OTSU算法进行二值化，并对二值化后的图像进行去噪；其次，计算四种二值图积分图像，自适应地计算分形维数窗口尺寸，计算背景密度能量图，估计印章位置，依据真实印章大小提取印章图像，即完成算法目标。如图5、图6所示。
下面分步详细描述：
1、对印章灰度图像用最大类间方差OTSU算法(OTSU)进行二值化，如图7所示,又叫大津法。其基本思想是使用某一个阈值将灰度图像根据灰度大小，分成目标部分和背景部分两类，在这两类的类内方差最小和类间方差最大的时候，得到的阈值是最优的二值化阈值。
枚举图像二值化阈值Threshold,使灰度值大于Threshold的点为前景点，灰度值小于Threshold的点为背景点。设前景点所占比例为Ratio_ForeGround,背景点所占比例为Ratio_BackGround,前景点平均灰度为U,背景点平均灰度为V，最大类间方差G＝Ratio_ForeGround*Ratio_BackGround*(U-V)2，用使最大类间方差G值最大的Threshold对图像进行二值化。
2.对二值化后的图像去噪。使用形态学操作对图像去噪，如图8所示，利用图像的开闭操作将图像上结构尺寸较小的噪音滤除。
3.计算二值图的四种积分图像，通过递推算法，四张积分图的计算都能在O(N)的时间复杂度内求解。假设二值图像上像素点取值为0或1。第一种积分图像每个像素点的值DP_SINGLE[I][J]定义为此像素点到原图左上角围成的矩形中背景点的个数，其递推表达式为
DP_SINGLE[I][J]＝DP_SINGLE[I-1][J]+DP_SINGLE[I][J-1]-DP_SINGLE[I-1][J-1]+Pixel_Value[I][J]；
DP_ROW2[I][J]定义为此像素点到相同行第一个像素点间(包括第一个像素点)相邻排列的至少包含一个背景点的1*2大小的方块的个数，如图9所示,其递推表达式为
DP_ROW2[i][j]＝DP_ROW2[i][j-2]+Pixel[i][j]*Pixel[i][j-1]；
DP_COL2[I][J]定义为此像素点到相同列第一个像素点间(包括第一个像素点)相邻排列的至少包含一个背景点的2*1大小的方块个数，如图10所示，其递推表达式为
DP_COL2[i][j]＝DP_COL2[i-2][j]+Pixel[i,j]*Pixel[i-1][j]；
DP_DOUBLE[I][J]定义为此像素点到原图左上角围城的矩阵中相邻排列的至少包含一个背景点的2*2大小的方块的个数，如图11所示,其递推表达式为
DP_DOUBLE[i][j]＝DP_DOUBLE[i-1][j]+DP_DOUBLE[i][j-1]-DP_DOUBLE[i-1][j-1]+Pixel[i][j]*Pixel[i][j-1]*Pixel[i-1][j]*Pixel[i-1][j-1]；
4.自适应地计算分形维数窗口尺寸。分形维数窗口尺寸根据模板印章尺寸而定，如图12所示。首先，计算模板图像二阶中心矩μ11μ20μ02，设xc,yc为图像质心的x,y坐标，其定义为
计算图像的本原惯量矩I1，I2，其定义为
图像外接椭圆半长轴为
通过将半长轴尺寸放缩一定比例a，作为分形维数窗口半径Len。
5.计算图像背景的密度能量图，如图13所示。背景密度能量图每个像素点的取值为在以此像素点为中心，具有分形维数窗口尺寸的方块上的背景点的计盒维数大小，如图13所示。这里的计盒维数大小采用方块内背景点的个数Nsingle与相邻排列的至少包含一个背景点的2*2大小的方块的个数Ndouble的比例的以2为底的对数来近似代替。利用前文中计算的积分图数据，可以在O(1)时间复杂度内对密度能量图的一个像素点的值求解。以每个像素点为中心的计算记盒维数方块的边界定义如下,设像素点坐标为I,J,图像大小为M*N：
Bottom＝Min(I+Len,M)；
Right＝Min(J+Len,N)；
Top＝Max(I-Len,1)；
Left＝Max(J-Len,1)；
对密度能量图其计算公式如下：
Nsingle＝DP_SINGLE[bottom][right]-DP_SINGLE[bottom][left-1]-DP_SINGLE[top-1][right]+DP_SINGLE[top-1][left-1]；
Ndouble＝DP_DOUBLE[bottom][right]-DP_DOUBLE[bottom][left-1]-DP_DOUBLE[top-1][right]+DP_DOUBLE[top-1][left-1]；(窗口宽，高都为偶数)
Ndouble＝DP_DOUBLE[bottom-1][right]-DP_DOUBLE[bottom-1][left-1]-DP_DOUBLE[top-1][right]+DP_DOUBLE[top-1][left-1]+DP_ROW2[bottom][right]-DP_ROW2[bottom][left-1]；(窗口宽为偶数，高为奇数)
Ndouble＝DP_DOUBLE[bottom][right-1]-DP_DOUBLE[bottom][left-1]-DP_DOUBLE[top-1][right-1]+DP_DOUBLE[top-1][left-1]+DP_COL2[bottom][right]-DP_COL2[top-1][right]；(窗口宽为奇数，高为偶数)
Ndouble＝DP_DOUBLE[bottom-1][right-1]-DP_DOUBLE[bottom-1][left-1]-DP_DOUBLE[top-1][ri ght-1]+DP_DOUBLE[top-1][left-1]+DP_COL2[bottom-1][right]-DP_COL2[top-1][right]+DP_RO W2[bottom][right-1]-DP_ROW2[bottom][left-1]+Pixel[bottom][right]；(窗口宽，高都为奇数)
背景密度能量图的点的值为
最后对背景密度能量图作归一化处理，使能量图值在0到255之间。
6.估计印章位置。对于计算出的背景密度能量图，用OTSU二值化算再作一次二值化处理，根据前景点与背景点，得到高密度区域与低密度区域。计算低密度区域质心位置，即为印章的估计位置，如图14所示。
7.提取印章图像。以印章估计位置为中心，印章匹配模板半长轴为半径提取印章图像。

Claims (1)

1.一种基于背景密度估计的印章图像提取方法，作为印章图像配准的前处理方法，通过对背景像素点的密度进行估算，将印章位置作为背景像素点的低密度区域进行定位；对印章待配准图像密度的估算采用到了有关分形维数的计算方法，利用图像计盒维数的近似值来衡量背景像素点的密度；对于密度能量图分形维数窗口半径大小的选择，采用标准模板图像半长轴按一定比例放缩的大小；在计算计盒维数近似值时采用了四种不同的积分图像，通过其递推关系，使密度能量图的计算能在O(N)的时间复杂度内实现；其特征在于：其主要步骤为：首先对印章灰度图像用OTSU算法进行二值化，并对二值化后的图像进行去噪；其次，计算四种二值图积分图像，自适应地计算分形维数窗口尺寸，计算背景密度能量图，估计印章位置，依据真实印章大小提取印章图像，即完成印章图像提取方法；
所述计算四种二值图积分图像的具体方法为：分别计算图像的四种积分图像；第一种图像每个像素点的值DP_SINGLE[I][J]定义为此像素点到原图左上角围成的矩形中背景点的个数；第二种图像每个像素点的值DP_DOUBLE[I][J]定义为此像素点到原图左上角围成的矩阵中相邻排列的至少包含一个背景点的2*2大小的方块的个数；第三种图像每个像素点的值DP_ROW2[I][J]定义为此像素点到相同行第一个像素点间包括第一个像素点相邻排列的至少包含一个背景点的1*2大小的方块的个数；第四种图像每个像素点的值DP_COL2[I][J]定义为此像素点到相同列第一个像素点间包括第一个像素点相邻排列的至少包含一个背景点的2*1大小的方块个数；利用动态规划递推的算法，四种积分图像都能够在O(N)的时间复杂度内求解；
所述自适应地计算分形维数窗口尺寸的具体方法为：采用印章半长轴放缩预设比例作为分形维数窗口大小；
所述计算背景密度能量图的具体方法为：背景密度能量图每个像素点的取值为在以此像素点为中心，具有分形维数窗口尺寸的方块上的背景点的计盒维数大小；所述计盒维数大小采用方块内背景点的个数Nsingle与相邻排列的至少包含一个背景点的2*2大小的方块的个数Ndouble的比例的以2为底的对数来近似代替；对于方块内Nsingle与Ndouble的计算，利用所述的四种积分图像能够直接在O(1)的时间复杂度内求解；最后，对图像作归一化处理，作为密度能量图的结果；
所述估计印章位置的具体方法为：对背景密度能量图用OTSU二值化算法作二值化，将高密度区域作为背景，低密度区域作为前景；计算所有前景点像素坐标的平均值，以此作为对印章位置的估计。
CN201410690319.1A 2014-11-25 2014-11-25 基于背景密度估计的印章图像提取方法 Active CN104408721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410690319.1A CN104408721B (zh) 2014-11-25 2014-11-25 基于背景密度估计的印章图像提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410690319.1A CN104408721B (zh) 2014-11-25 2014-11-25 基于背景密度估计的印章图像提取方法

Publications (2)

Publication Number Publication Date
CN104408721A CN104408721A (zh) 2015-03-11
CN104408721B true CN104408721B (zh) 2017-02-22

Family

ID=52646350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410690319.1A Active CN104408721B (zh) 2014-11-25 2014-11-25 基于背景密度估计的印章图像提取方法

Country Status (1)

Country Link
CN (1) CN104408721B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108146093B (zh) * 2017-12-07 2020-03-13 南通艾思达智能科技有限公司 一种去除票据印章的方法
CN108010091B (zh) * 2017-12-18 2021-10-08 武汉大学 一种基于颜色特征的数字式钻孔图像土层检测定位方法
CN110533049B (zh) * 2018-05-23 2023-05-02 富士通株式会社 提取印章图像的方法和装置
CN113538498B (zh) * 2021-08-02 2022-06-28 重庆傲雄在线信息技术有限公司 一种基于局部二值化的印章图像分割方法、电子设备和可读存储介质
CN114882482B (zh) * 2021-10-12 2023-03-17 北京九章云极科技有限公司 印章防伪识别方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101431664A (zh) * 2007-11-06 2009-05-13 同济大学 基于视频图像的密集客流密度自动检测方法及系统
CN101576958A (zh) * 2009-06-15 2009-11-11 西安交通大学 一种基于形状特征的带边框矩形印章图形提取方法
CN103440671A (zh) * 2013-08-23 2013-12-11 方正国际软件有限公司 一种印章检测方法及系统
CN104123840A (zh) * 2014-07-28 2014-10-29 重庆大学 基于视频检测技术的车流密度定性判别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8744168B2 (en) * 2009-08-24 2014-06-03 Samsung Electronics Co., Ltd. Target analysis apparatus, method and computer-readable medium

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101431664A (zh) * 2007-11-06 2009-05-13 同济大学 基于视频图像的密集客流密度自动检测方法及系统
CN101576958A (zh) * 2009-06-15 2009-11-11 西安交通大学 一种基于形状特征的带边框矩形印章图形提取方法
CN103440671A (zh) * 2013-08-23 2013-12-11 方正国际软件有限公司 一种印章检测方法及系统
CN104123840A (zh) * 2014-07-28 2014-10-29 重庆大学 基于视频检测技术的车流密度定性判别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Application of a fractal method relating concentrations and distances for separation of geochemical anomalies from background;Changjiang Li;《Journal of Geochemical Exploration》;20031231;第77卷(第2-3期);167-175 *
Object density-based image segmentation and its applications in biomedical image analysis;Jinhua Yu 等;《Computer methods and programs in biomedicine》;20091231;第96卷(第3期);193-204 *
两种分形计盒维数的研究;张天凤 等;《吉林建筑大学学报》;20130831;第30卷(第4期);84-85、111 *
利用背景高斯核密度估计的运动目标检测方法;王劲松 等;《红外与激光工程》;20090430;第38卷(第2期);正文第1.1节第1段、第1.2节第1段 *
基于多尺度分析和分形的人群密度估计方法;王尔丹 等;《计算机工程与应用》;20051231(第29期);正文第2.3.2节第1段 *

Also Published As

Publication number Publication date
CN104408721A (zh) 2015-03-11

Similar Documents

Publication Publication Date Title
CN104408721B (zh) 基于背景密度估计的印章图像提取方法
CN106530347B (zh) 一种稳定的高性能圆特征检测方法
CN103218605B (zh) 一种基于积分投影与边缘检测的快速人眼定位方法
CN106845384B (zh) 一种基于递归模型的手势识别方法
CN104647893B (zh) 一种基于十字线的印刷套印误差检测方法
CN104700092A (zh) 一种基于模板和特征匹配相结合的小字符数字识别方法
Wang et al. A novel multi-scale segmentation algorithm for high resolution remote sensing images based on wavelet transform and improved JSEG algorithm
CN106600613B (zh) 基于嵌入式gpu的改进lbp红外目标检测方法
CN110309830A (zh) 基于数学形态学和区域连通性的甲骨文字自动分割方法
CN111091071B (zh) 基于探地雷达双曲波拟合的地下目标检测方法及系统
CN115293287A (zh) 一种基于车载雷达的对目标进行聚类的方法、存储器及电子装置
CN101567045B (zh) 一种人脸特征点精确定位方法
CN109766850B (zh) 基于特征融合的指纹图像匹配方法
CN105243661A (zh) 一种基于susan算子的角点检测方法
CN114581658A (zh) 一种基于计算机视觉的目标检测方法及装置
CN112633070A (zh) 高分辨率遥感影像建筑物提取方法及系统
CN109785318B (zh) 基于面线基元关联约束的遥感图像变化检测方法
CN106355576A (zh) 基于mrf图像分割算法的sar图像配准方法
Rajithkumar et al. Template matching method for recognition of stone inscripted Kannada characters of different time frames based on correlation analysis
CN105574880A (zh) 基于指数矩像素分类的彩色图像分割方法
Deshmukh et al. Analysis of distance measurement system of leading vehicle
Lv et al. Yellow apple recognition method under natural environment
CN109086766B (zh) 一种基于积分图的多阈值融合冠字号提取方法
Chen A corner matching algorithm based on Harris operator
CN112749713A (zh) 一种基于人工智能的大数据图像识别系统及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20190307

Address after: 405, 4th floor, No. 2 Building, 28 Shangdi Sixth Street, Haidian District, Beijing 100085

Patentee after: Beijing Jieshitong Technology Development Co., Ltd.

Address before: 710049 No. 28, Xianning Road, Xi'an, Shaanxi

Patentee before: Xi'an Jiaotong University

TR01 Transfer of patent right