-
公开(公告)号：CN111814801B
公开(公告)日：2022-03-15
申请号：CN202010862023.9
申请日：2020-08-25
申请人： 电子科技大学
IPC分类号： G06V30/148 , G06V30/19 , G06K9/62 , G06T5/30
摘要： 本发明公开了一种机械图中标注串的提取方法，其包括根据字符和几何线条的形态特征差异性分离出所有字符，并获得字符特征向量；接下来，采用DBSCAN算法对特征量进行聚类分析；最后，对聚类后每类字符进行定向生长的分割，直至完成字符串的提取工作。实验结果表明，本方案提出的自适应聚类标注字符串提取方法准确度高，运行速率快。
-
公开(公告)号：CN112070789B
公开(公告)日：2022-06-21
申请号：CN202010942063.4
申请日：2020-09-09
申请人： 电子科技大学
摘要： 本发明公开了一种密集纤维细胞的轮廓估算方法，其包括以下步骤：S1、获取密集纤维细胞图像；S2、对密集纤维细胞图像进行Frangi滤波，并通过阈值分割获取细胞部分边界线和细胞质部分区域，得到具有部分轮廓的图像；S3、通过最短距离搜索方法获取具有部分轮廓的图像中的轮廓控制点；S4、对于同一细胞的边界线上的轮廓控制点，保留端点并预设轮廓控制点步长m，每隔m个轮廓控制点选取一个轮廓控制点，得到拟合点集；S5、基于拟合点集采用B样条逼近曲线算法进行曲线拟合，将拟合的封闭曲线作为细胞轮廓，完成密集纤维细胞的轮廓估算。本发明解决了现有算法难以获取密集纤维细胞轮廓的问题。
-
公开(公告)号：CN111814801A
公开(公告)日：2020-10-23
申请号：CN202010862023.9
申请日：2020-08-25
申请人： 电子科技大学
摘要： 本发明公开了一种机械图中标注串的提取方法，其包括根据字符和几何线条的形态特征差异性分离出所有字符，并获得字符特征向量；接下来，采用DBSCAN算法对特征量进行聚类分析；最后，对聚类后每类字符进行定向生长的分割，直至完成字符串的提取工作。实验结果表明，本方案提出的自适应聚类标注字符串提取方法准确度高，运行速率快。
-
公开(公告)号：CN114863095B
公开(公告)日：2023-11-28
申请号：CN202210300296.3
申请日：2022-03-25
申请人： 电子科技大学
IPC分类号： G06V10/26 , G06F17/16 , G06N3/0464 , G06N3/08 , G06V10/56 , G06V10/762 , G06V10/82
摘要： 本发明涉及图像处理技术领域，具体涉及一种基于颜色转换的答题卡图像分割方法，包括提取答题卡图像中每个像素点处的RGB颜色作为样本；首先，采用K‑means聚类算法对样本进行聚类，得到样本的白色、黑色与主颜色特征；基于主颜色特征计算主颜色特征与预设的目标颜色之间的颜色转换矩阵；最后，通过颜色转换矩阵计算得到统一彩色图像，采用U‑Net语义分割网络模型进行训练得到实验结果图。本发明通过颜色转换算法，减少了样本图像的颜色种类，优化了学习模型的参数，提高了小模型的预测结果质(56)对比文件曹方明.基于Android平台手机阅卷系统设计与实现《.中国优秀硕士学位论文全文数据库信息科技辑》.2017,(第05期),I138-551.Ming-Ni Wu 等.Brain Tumor DetectionUsing Color-Based K-Means ClusteringSegmentation《.Third InternationalConference on Intelligent InformationHiding and Multimedia Signal Processing(IIH-MSP 2007)》.2008,1-4.Yingjie Xia 等.A method of automaticrecognition for answer sheet《.ThirdInternational Workshop on PatternRecognition》.2018,1-6.
-
公开(公告)号：CN114863095A
公开(公告)日：2022-08-05
申请号：CN202210300296.3
申请日：2022-03-25
申请人： 电子科技大学
摘要： 本发明涉及图像处理技术领域，具体涉及一种基于颜色转换的答题卡图像分割方法，包括提取答题卡图像中每个像素点处的RGB颜色作为样本；首先，采用K‑means聚类算法对样本进行聚类，得到样本的白色、黑色与主颜色特征；基于主颜色特征计算主颜色特征与预设的目标颜色之间的颜色转换矩阵；最后，通过颜色转换矩阵计算得到统一彩色图像，采用U‑Net语义分割网络模型进行训练得到实验结果图。本发明通过颜色转换算法，减少了样本图像的颜色种类，优化了学习模型的参数，提高了小模型的预测结果质量。
-
公开(公告)号：CN110472543B
公开(公告)日：2022-10-25
申请号：CN201910719030.0
申请日：2019-08-05
申请人： 电子科技大学
IPC分类号： G06V30/422 , G06V30/418 , G06V30/18 , G06V30/19
摘要： 本发明公开了一种基于局部连接特征匹配的机械图纸对比方法。其主要思想是先获得两幅进行对比的机械图的差异区域，找出差异区域对应两原图中的各自的连通图，再将连通图内的图形和字符分离，获得去除字符的连通图；其次将连通图像细化成单像素图像，并提取图形中的特征点；接下来检测特征点之间的连接关系；接着建立特征点描述子矩阵和特征点距离函数；然后按照连通域对特征点分类；最后利用特征点距离函数对同一类特征点进行匹配，未能匹配的特征点和对应的连线图形，即为不同版本的机械图的改动区域。本发明提出的方法针对机械图这种无明显灰度和纹理特征的图像具有较好的匹配和对比效果，具有稳定性强、准确率高的特点。
-
公开(公告)号：CN112070789A
公开(公告)日：2020-12-11
申请号：CN202010942063.4
申请日：2020-09-09
申请人： 电子科技大学
摘要： 本发明公开了一种密集纤维细胞的轮廓估算方法，其包括以下步骤：S1、获取密集纤维细胞图像；S2、对密集纤维细胞图像进行Frangi滤波，并通过阈值分割获取细胞部分边界线和细胞质部分区域，得到具有部分轮廓的图像；S3、通过最短距离搜索方法获取具有部分轮廓的图像中的轮廓控制点；S4、对于同一细胞的边界线上的轮廓控制点，保留端点并预设轮廓控制点步长m，每隔m个轮廓控制点选取一个轮廓控制点，得到拟合点集；S5、基于拟合点集采用B样条逼近曲线算法进行曲线拟合，将拟合的封闭曲线作为细胞轮廓，完成密集纤维细胞的轮廓估算。本发明解决了现有算法难以获取密集纤维细胞轮廓的问题。
-
公开(公告)号：CN110472543A
公开(公告)日：2019-11-19
申请号：CN201910719030.0
申请日：2019-08-05
申请人： 电子科技大学
摘要： 本发明公开了一种基于局部连接特征匹配的机械图纸对比方法。其主要思想是先获得两幅进行对比的机械图的差异区域，找出差异区域对应两原图中的各自的连通图，再将连通图内的图形和字符分离，获得去除字符的连通图；其次将连通图像细化成单像素图像，并提取图形中的特征点；接下来检测特征点之间的连接关系；接着建立特征点描述子矩阵和特征点距离函数；然后按照连通域对特征点分类；最后利用特征点距离函数对同一类特征点进行匹配，未能匹配的特征点和对应的连线图形，即为不同版本的机械图的改动区域。本发明提出的方法针对机械图这种无明显灰度和纹理特征的图像具有较好的匹配和对比效果，具有稳定性强、准确率高的特点。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.024 秒)
