CN112115905A - 一种电气实验报告识别方法及装置 - Google Patents

一种电气实验报告识别方法及装置 Download PDF

Info

Publication number
CN112115905A
CN112115905A CN202011025730.9A CN202011025730A CN112115905A CN 112115905 A CN112115905 A CN 112115905A CN 202011025730 A CN202011025730 A CN 202011025730A CN 112115905 A CN112115905 A CN 112115905A
Authority
CN
China
Prior art keywords
image
edge
component
map
sharpened edge
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.)
Pending
Application number
CN202011025730.9A
Other languages
English (en)
Inventor
魏建荣
何海生
邹小辉
刘韵艺
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.)
Guangdong Power Grid Co Ltd
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
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 Guangdong Power Grid Co Ltd, Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202011025730.9A priority Critical patent/CN112115905A/zh
Publication of CN112115905A publication Critical patent/CN112115905A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/42—Document-oriented image-based pattern recognition based on the type of document
    • G06V30/422—Technical drawings; Geographical maps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/752—Contour matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种电气实验报告识别方法及装置，电气实验报告识别方法包括：从电气实验报告中提取具有元器件的区域图；采用包络分析法对区域图中的元器件进行凸包分离，提取出需要识别的元器件轮廓图；使用LOG算子从所述元器件轮廓图中提取锐化边缘图；选择锐化边缘图质心的正交轴，将主轴旋转至水平方向，形成主成分边缘轮廓图；将主成分边缘轮廓图与标准轮廓图进行比对，确定识别结果。本发明实施例提供的电气实验报告识别方法可以从扫描图像中分割出电气元器件，继而识别电气元器件的信息，可以有效地对实验报告中实验结果信息进行识别，该方法简单有效，识别准确率高，计算量小，且可操作性强。

Description

一种电气实验报告识别方法及装置
技术领域
本发明涉及图像识别领域，尤其涉及一种电气实验报告识别方法及装置。
背景技术
电子器件的识别是图像识别领域中一个重要的研究方向，传统的OCR识别技术不能识别实验报告中不规则的电子器件。
其他识别方法识别准确率不高，在图像识别过程中容易丢失图像信息，因此识别的准确率低且计算量大。
发明内容
本发明实施例提供的电气实验报告识别方法可以从扫描图像中分割出电气元器件，继而识别电气元器件的信息，可以有效地对实验报告中实验结果信息进行识别，本发明实施例提供的方法简单有效，识别准确率高，计算量小，可操作性强。
第一方面，本发明实施例提供一种电气实验报告识别方法，包括：从电气实验报告中提取具有元器件的区域图；采用包络分析法对区域图中的元器件进行凸包分离，提取出需要识别的元器件轮廓图；使用LOG算子从所述元器件轮廓图中提取锐化边缘图；选择锐化边缘图质心的正交轴，将主轴旋转至水平方向，形成主成分边缘轮廓图；将主成分边缘轮廓图与标准轮廓图进行比对，确定识别结果。
可选的，所述使用LOG算子提取锐化边缘图，包括如下步骤：
对元器件轮廓图进行平滑滤波得到平滑图像；
对平滑图像进行拉普拉斯运算得到增强图像；
对增强图像进行边缘检测得到锐化边缘图。
可选的，对元器件轮廓图进行平滑滤波得到平滑图像，包括：采用高斯函数G(x,y)对元器件轮廓图f(x,y)进行平滑滤波得到平滑图像g(x,y)；
其中，g(x,y)＝f(x,y)*G(x,y)，
Figure BDA0002702051490000021
相应的，对平滑图像g(x,y)进行拉普拉斯运算得到的增强图像为
Figure BDA0002702051490000022
可选的，对增强图像进行边缘检测得到锐化边缘图，包括：对增强图像进行过零判断，得到锐化边缘图像。
可选的，对增强图像进行过零判断，得到锐化边缘图像，包括：将h(x,y)＝0且
Figure BDA0002702051490000023
大于设定阈值的点确定为图像的边缘点，得到锐化边缘图像。
第二方面，本发明实施例还提供了一种电气实验报告识别装置，包括第一提取模块、分离模块、第二提取模块、旋转模块和识别模块；
第一提取模块用于从电气实验报告中提取具有元器件的区域图；
分离模块用于采用包络分析法对区域图中的元器件进行凸包分离，提取出需要识别的元器件轮廓图；
第二提取模块用于使用LOG算子从所述元器件轮廓图中提取锐化边缘图；
旋转模块用于选择锐化边缘图质心的正交轴，将主轴旋转至水平方向，形成主成分边缘轮廓图；
识别模块用于将主成分边缘轮廓图与标准轮廓图进行比对，确定识别结果。可选的，所述提取模块包括：滤波单元、增强单元和检测单元；
所述滤波单元用于对元器件轮廓图进行平滑滤波得到平滑图像；
所述增强单元用于对平滑图像进行拉普拉斯运算得到增强图像；
所述检测单元用于对增强图像进行边缘检测得到锐化边缘图。
可选的，所述滤波单元具体用于采用高斯函数G(x,y)对元器件轮廓图f(x，y)进行平滑滤波得到平滑图像g(x,y)；其中，
g(x,y)＝f(x,y)*G(x,y)，
Figure BDA0002702051490000031
相应的，对平滑图像g(x,y)进行拉普拉斯运算得到的增强图像为
Figure BDA0002702051490000032
可选的，所述检测单元具体用于对增强图像进行过零判断，得到锐化边缘图像。
可选的，所述检测单元具体用于将h(x,y)＝0且
Figure BDA0002702051490000033
大于设定阈值的点确定为图像的边缘点，得到锐化边缘图像。
本发明实施例通过从电气实验报告中识别出带有元器件的区域图，接着采用包络分析法对区域图中的元器件进行凸包分离提取需要识别的元器件轮廓图，使用凸包分离可以对元器件的外围轮廓进行遍历，而不需对元器件的每个点进行遍历，从而使得简化计算程序，减小了计算量。使用LOG算子从元器件轮廓图中提取锐化边缘图，然后选择选择锐化边缘图质心的正交轴，将主轴旋转至水平方向，形成主成分边缘轮廓图，最后将主成分边缘轮廓图与标准轮廓图进行比对，确定识别结果。传统的OCR识别方法不能用于精确识别不规则电气符号，但是本实施例通过使用LOG算子从元器件轮廓图中提取锐化边缘图，可以精确识别不规则电气符号，提高识别的准确率，而且针对凸图形的轮廓提取计算简单，可以达到实时性，同时具有平移、尺度不变性和360°旋转不变性，本实施例提供的方法简单有效，可操作性强，并且针对凸图形的轮廓提取计算简单，可以达到实时性，具有平移、尺度不变性，度旋转不变性。
附图说明
图1为本发明实施例一提供的一种电气实验报告识别方法流程图；
图2为本发明实施例一提供的使用LOG算子提取锐化边缘图的流程图；
图3为本发明实施例二提供的一种电气实验报告识别装置结构图；
图4为本发明实施例二提供的第二提取模块结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明实施例，而非对本发明实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种电气实验报告识别方法流程图，参考图1，该电气实验报告识别方法步骤如下：
110、从电气实验报告中提取具有元器件的区域图；
120、采用包络分析法对区域图中的元器件进行凸包分离，提取出需要识别的元器件轮廓图；
130、使用LOG算子从所述元器件轮廓图中提取锐化边缘图；
140、选择锐化边缘图质心的正交轴，将主轴旋转至水平方向，形成主成分边缘轮廓图；
150、将主成分边缘轮廓图与标准轮廓图进行比对，确定识别结果。
具体的，电气实验报告中具有文字部分和电子器件部分，本实施例中的具有元器件的区域图指的是电气实验报告中有电子器件的区域。本实施例使用包络分析法对元器件进行凸包分离，使用分离后不会丢失信息，可使识别出来的图像不失真。本实施例中选择锐化边缘图质心的正交轴，将主轴旋转至水平方向，形成主成分边缘轮廓图，可以使识别出来的图像具有平移、尺度不变性和360度旋转不变性的特点。示例性的，当主成分边缘轮廓图与标准轮廓图匹配时，则主成分轮廓图中的元器件与标准轮廓图中的元器件相同，当主成分边缘轮廓图与标准轮廓图不匹配时，则主成分轮廓图中的元器件与标准轮廓图中的元器件不同。对于识别结果的标记，与标准轮廓图匹配的记为1，不匹配记为0。
本实施例通过从电气实验报告中识别出带有元器件的区域图，接着采用包络分析法对区域图中的元器件进行凸包分离提取需要识别的元器件轮廓图，使用凸包分离可以对元器件的外围轮廓进行遍历，而不需对元器件的每个点进行遍历，从而使得简化计算程序。使用LOG算子从元器件轮廓图中提取锐化边缘图，然后选择选择锐化边缘图质心的正交轴，将主轴旋转至水平方向，形成主成分边缘轮廓图，最后将主成分边缘轮廓图与标准轮廓图进行比对，确定识别结果。传统的OCR识别方法不能用于精确识别不规则电气符号，但是本实施例通过使用LOG算子从元器件轮廓图中提取锐化边缘图，可以精确识别不规则电气符号，提高识别的准确率，而且针对元器件的轮廓提取计算简单，可以达到实时性，同时具有平移、尺度不变性和360度旋转不变性。
图2为本发明实施例一提供的使用LOG算子提取锐化边缘图的流程图，参考图2，使用LOG算子提取锐化边缘图，包括如下步骤：
210、对元器件轮廓图进行平滑滤波得到平滑图像；
220、对平滑图像进行拉普拉斯运算得到增强图像；
230、对增强图像进行边缘检测得到锐化边缘图。
具体的，首先对元器件轮廓图f(x,y)进行平滑滤波，其滤波函数根据人类视觉特性选为高斯函数。平滑滤波可以提升边缘检测效果，拉普拉斯算子对图像中的噪声相当敏感，可以去除噪声。
可选的，对元器件轮廓图进行平滑滤波得到平滑图像，包括：采用高斯函数G(x,y)对元器件轮廓图f(x,y)进行平滑滤波得到平滑图像g(x,y)；其中，g(x,y)＝f(x,y)*G(x,y)，
Figure BDA0002702051490000061
相应的，对平滑图像g(x,y)进行拉普拉斯运算得到的增强图像为
Figure BDA0002702051490000062
具体的，G(x,y)是一个圆对称函数，其平滑的作用是可通过σ来控制的。
可选的，对增强图像进行边缘检测得到锐化边缘图，包括：对增强图像进行过零判断，得到锐化边缘图像。
具体的，对平滑图像g(x,y)进行拉普拉斯运算可等效为G(x,y)的拉普拉斯运算与f(x,y)的卷积，故
Figure BDA0002702051490000063
变为：
Figure BDA0002702051490000064
式中
Figure BDA0002702051490000065
称为LOG滤波器，其为：
Figure BDA0002702051490000066
对增强图像进行过零判断可以减少平滑图像边缘的延伸。
可选的，对增强图像进行过零判断，得到锐化边缘图像，包括：将h(x,y)＝0且
Figure BDA0002702051490000067
大于设定阈值的点确定为图像的边缘点，得到锐化边缘图像。
具体的，元器件轮廓图首先与高斯滤波器进行卷积，这样既平滑了元器件轮廓图又降低了噪声，孤立的噪声点和较小的结构组织将被滤除。但是由于平滑会造成元器件轮廓图边缘的延伸，因此边缘检测只考虑那些具有局部梯度最大值的点为边缘点。这一点可以用二阶导数的零交叉点来实现，也就是h(x,y)＝0的点。在实际应用中为了避免检测出非显著边缘，选择一阶导数大于设定阈值的点作为边缘点，也就是
Figure BDA0002702051490000071
大于设定阈值的点确定为图像的边缘点。因此，选用将h(x,y)＝0且
Figure BDA0002702051490000072
大于设定阈值的点确定为图像的边缘点，可以得到噪声小和边缘像素强的图像。
本实施例通过从电气实验报告中识别出带有元器件的区域图，接着采用包络分析法对区域图中的元器件进行凸包分离提取需要识别的元器件轮廓图，使用凸包分离可以对元器件的外围轮廓进行遍历，而不需对元器件的每个点进行遍历，从而使得简化计算程序。使用LOG算子从元器件轮廓图中提取锐化边缘图，然后选择选择锐化边缘图质心的正交轴，将主轴旋转至水平方向，形成主成分边缘轮廓图，最后将主成分边缘轮廓图与标准轮廓图进行比对，确定识别结果。传统的OCR识别方法不能用于精确识别不规则电气符号，但是本实施例通过使用LOG算子从元器件轮廓图中提取锐化边缘图，可以精确识别不规则电气符号，提高识别的准确率，而且针对凸图形的轮廓提取计算简单，可以达到实时性，同时具有平移、尺度不变性和360°旋转不变性，本实施例提供的方法简单有效，可操作性强，并且针对凸图形的轮廓提取计算简单，可以达到实时性，具有平移、尺度不变性，360度旋转不变性。
实施例二
图3为本发明实施例二提供一种电气实验报告识别装置结构图，参考图3，该电气实验报告识别装置包括第一提取模块310、分离模块320、第二提取模块330、旋转模块340和识别模块350；
第一提取模块310用于从电气实验报告中提取具有元器件的区域图；
分离模块320用于采用包络分析法对区域图中的元器件进行凸包分离，提取出需要识别的元器件轮廓图；
第二提取模块330用于使用LOG算子从所述元器件轮廓图中提取锐化边缘图；
旋转模块340用于选择锐化边缘图质心的正交轴，将主轴旋转至水平方向，形成主成分边缘轮廓图；
识别模块350用于将主成分边缘轮廓图与标准轮廓图进行比对，确定识别结果。图4为本发明实施例二提供的一种提取模块结构示意图，参考图4，第二提取模块330包括：滤波单元331、增强单元332和检测单元333；
滤波单元331用于对元器件轮廓图进行平滑滤波得到平滑图像；
增强单元332用于对平滑图像进行拉普拉斯运算得到增强图像；
检测单元333用于对增强图像进行边缘检测得到锐化边缘图。
可选的，滤波单元具体用于采用高斯函数G(x,y)对元器件轮廓图f(x,y)进行平滑滤波得到平滑图像g(x,y)；其中，
g(x,y)＝f(x,y)*G(x,y)，
Figure BDA0002702051490000081
相应的，对平滑图像g(x,y)进行拉普拉斯运算得到的增强图像为
Figure BDA0002702051490000082
可选的，检测单元具体用于对增强图像进行过零判断，得到锐化边缘图像。
可选的，检测单元具体用于将h(x,y)＝0且
Figure BDA0002702051490000083
大于设定阈值的点确定为图像的边缘点，得到锐化边缘图像。
本实施例提供的电气实验报告识别装置与本发明任意实施例提供的电气实验报告识别方法属于相同的发明构思，具有相应的有益效果，未在本实施例详尽的技术细节，详尽本发明任意实施例提供的电气实验报告识别方法。
注意，上述仅为本发明实施例的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明实施例不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明实施例的保护范围。因此，虽然通过以上实施例对本发明实施例进行了较为详细的说明，但是本发明实施例不仅仅限于以上实施例，在不脱离本发明实施例构思的情况下，还可以包括更多其他等效实施例，而本发明实施例的范围由所附的权利要求范围决定。

Claims (10)

1.一种电气实验报告识别方法，其特征在于，包括：
从电气实验报告中提取具有元器件的区域图；
采用包络分析法对区域图中的元器件进行凸包分离，提取出需要识别的元器件轮廓图；
使用LOG算子从所述元器件轮廓图中提取锐化边缘图；
选择锐化边缘图质心的正交轴，将主轴旋转至水平方向，形成主成分边缘轮廓图；
将主成分边缘轮廓图与标准轮廓图进行比对，确定识别结果。
2.根据权利要求1所述的方法，其特征在于，所述使用LOG算子提取锐化边缘图，包括如下步骤：
对元器件轮廓图进行平滑滤波得到平滑图像；
对平滑图像进行拉普拉斯运算得到增强图像；
对增强图像进行边缘检测得到锐化边缘图。
3.根据权利要求2所述的方法，其特征在于，
对元器件轮廓图进行平滑滤波得到平滑图像，包括：
采用高斯函数G(x,y)对元器件轮廓图f(x,y)进行平滑滤波得到平滑图像g(x,y)；
其中，g(x,y)＝f(x,y)*G(x,y)，
Figure FDA0002702051480000011
相应的，对平滑图像g(x,y)进行拉普拉斯运算得到的增强图像为
Figure FDA0002702051480000012
4.根据权利要求2所述的方法，其特征在于，对增强图像进行边缘检测得到锐化边缘图，包括：
对增强图像进行过零判断，得到锐化边缘图像。
5.根据权利要求4所述的方法，其特征在于，对增强图像进行过零判断，得到锐化边缘图像，包括：
将h(x,y)＝0且
Figure FDA0002702051480000021
大于设定阈值的点确定为图像的边缘点，得到锐化边缘图像。
6.一种电气实验报告识别装置，其特征在于，包括第一提取模块、分离模块、第二提取模块、旋转模块和识别模块；
第一提取模块用于从电气实验报告中提取具有元器件的区域图；
分离模块用于采用包络分析法对区域图中的元器件进行凸包分离，提取出需要识别的元器件轮廓图；
第二提取模块用于使用LOG算子从所述元器件轮廓图中提取锐化边缘图；
旋转模块用于选择锐化边缘图质心的正交轴，将主轴旋转至水平方向，形成主成分边缘轮廓图；
识别模块用于将主成分边缘轮廓图与标准轮廓图进行比对，确定识别结果。
7.根据权利要求6所述的装置，其特征在于，所述第二提取模块包括：滤波单元、增强单元和检测单元；
所述滤波单元用于对元器件轮廓图进行平滑滤波得到平滑图像；
所述增强单元用于对平滑图像进行拉普拉斯运算得到增强图像；
所述检测单元用于对增强图像进行边缘检测得到锐化边缘图。
8.根据权利要求7所述的装置，其特征在于，所述滤波单元具体用于采用高斯函数G(x,y)对元器件轮廓图f(x,y)进行平滑滤波得到平滑图像g(x,y)；
其中，g(x,y)＝f(x,y)*G(x,y)，
Figure FDA0002702051480000022
相应的，对平滑图像g(x,y)进行拉普拉斯运算得到的增强图像为
Figure FDA0002702051480000031
9.根据权利要求7所述的装置，其特征在于，所述检测单元具体用于对增强图像进行过零判断，得到锐化边缘图像。
10.根据权利要求9所述的装置，其特征在于，所述检测单元具体用于将h(x,y)＝0且
Figure FDA0002702051480000032
大于设定阈值的点确定为图像的边缘点，得到锐化边缘图像。
CN202011025730.9A 2020-09-25 2020-09-25 一种电气实验报告识别方法及装置 Pending CN112115905A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011025730.9A CN112115905A (zh) 2020-09-25 2020-09-25 一种电气实验报告识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011025730.9A CN112115905A (zh) 2020-09-25 2020-09-25 一种电气实验报告识别方法及装置

Publications (1)

Publication Number Publication Date
CN112115905A true CN112115905A (zh) 2020-12-22

Family

ID=73797015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011025730.9A Pending CN112115905A (zh) 2020-09-25 2020-09-25 一种电气实验报告识别方法及装置

Country Status (1)

Country Link
CN (1) CN112115905A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106897722A (zh) * 2015-12-18 2017-06-27 南京财经大学 一种基于区域形状特征的商标图像检索方法
CN109308447A (zh) * 2018-07-29 2019-02-05 国网上海市电力公司 在电力远程监控中自动提取设备运行参数和运行状态的方法
CN110930424A (zh) * 2019-12-06 2020-03-27 深圳大学 器官轮廓分析方法及装置
CN111179290A (zh) * 2019-12-26 2020-05-19 东软睿驰汽车技术（沈阳）有限公司 一种确定凸包的方法和相关装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106897722A (zh) * 2015-12-18 2017-06-27 南京财经大学 一种基于区域形状特征的商标图像检索方法
CN109308447A (zh) * 2018-07-29 2019-02-05 国网上海市电力公司 在电力远程监控中自动提取设备运行参数和运行状态的方法
CN110930424A (zh) * 2019-12-06 2020-03-27 深圳大学 器官轮廓分析方法及装置
CN111179290A (zh) * 2019-12-26 2020-05-19 东软睿驰汽车技术（沈阳）有限公司 一种确定凸包的方法和相关装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘同海，等: "基于机器视觉的猪体体尺测点提取算法与应用", 农业工程学报, vol. 29, no. 02, 31 January 2013 (2013-01-31), pages 161 - 168 *
王田田: "基于小波变换的图像边缘检测", 中国优秀硕士学位论文全文数据库信息科技辑月刊, no. 03, 15 March 2016 (2016-03-15), pages 138 - 7231 *

Similar Documents

Publication Publication Date Title
CN104751142B (zh) 一种基于笔划特征的自然场景文本检测方法
Zhang et al. Adaptive directional total-variation model for latent fingerprint segmentation
Kokkinos et al. Scale invariance without scale selection
CN102722731A (zh) 一种基于改进sift算法的高效图像匹配方法
WO2015066984A1 (zh) 一种面向复杂背景的光学字符识别方法及装置
Wang et al. Study of hand-dorsa vein recognition
CN113011426A (zh) 一种识别证件的方法和装置
CN108520252B (zh) 基于广义霍夫变换和小波变换的路标识别方法
CN104680142A (zh) 一种基于特征点集分割和rst不变特征的四联指比对方法
CN117197700B (zh) 智能化无人巡检接触网缺陷识别系统
CN111428563B (zh) 一种汽车全液晶仪表图像识别方法
Mahmood et al. Copy-move forgery detection technique based on DWT and Hu Moments
CN112115905A (zh) 一种电气实验报告识别方法及装置
Surmacz et al. An improved algorithm for feature extraction from a fingerprint fuzzy image
Fang et al. A new fingerprint thinning algorithm
CN110956200A (zh) 一种轮胎花纹相似度检测方法
Mustafa et al. Improving the Performance of Finger-Vein Recognition System Using A New Scheme of Modified Preprocessing Methods
CN115619813A (zh) Sem图像前景提取方法、装置、计算机设备及存储介质
Huang A novel video text extraction approach based on Log-Gabor filters
CN115439891A (zh) 一种基于小指纹头、低算力和低存储芯片的指纹识别方法
JP4674853B2 (ja) 画像処理用部品データ作成方法及び画像処理用部品データ作成装置
Qian et al. Research on object detection based on mathematical morphology
Mathew et al. Segmentation techniques for handwritten script recognition system
Das et al. Gabor filter based hand-drawn underline removal in printed documents
Ding et al. Weber local descriptor with double orientation line feature for finger vein recognition

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination