简介:当今社会,出现大量的假印章,假章的泛滥导致了严重的问题,因此对印文图像进行精确而高效的识别就显得非常重要。对PCNN模型进行深入的研究,并着重学习实践应用PCNN对印文图像进行处理研究。脉冲耦合神经网络是和生物智能领域的结合,具有生物神经网络独特的高容错性和高适应性,能够保证印文图像在印文残缺,线条不均匀的情况下不会影响印章的识别,同时也能够满足对印文图像识别的实时性和准确性的要求[1]。应用PCNN进行印文提取质量较高,提取速度快。应用PCNN模型对印文图像进行提取,探究应用人工神经网络和传统上提取印文图像红色分量匹配的结果,更好地理解人工神经网络在图像处理上应用的相关技术。
简介:近年来,随着计算机技术和多媒体技术的快速发展,全景拼接技术的应用也越来越广泛。而针对于大视差图像中目标物体的拼接技术应用和研究有一定的局限性。大视差图像中目标物体的拼接,指一系列纵向或横向连续垂直拍摄的二维图像中,目标物体与背景视差较大,在拼接时只关注目标物体的拼接而非整幅图像,一般应用于航拍建筑物体的拼接或高度测量。为了获得目标物体较好的拼接效果,采用等距拍摄,以及利用视差图与特征点匹配集平行线选取技术,获取目标物体本身的特征点匹配集,进而完成目标物体的横向或纵向拼接。实验结果表明,该方法能够提高大视差图像中目标物体的拼接效果,并能有效满足大视差图像中目标物体的拼接。
简介:图像识别技术主要包括图像特征的提取和图像的分类,在这两种技术中,图像特征的提取是图像识别技术最关键的技术。图像特征提取的准确性是衡量一个图像识别算法好与坏的唯一指标。图像特征提取主要采用分布式点矩阵的方法,通过在图像中插入一定数量的特征点,通过对特征点的比较,将符合特征点的部分加以整合和归纳,最终得出图像的特征。但在现有的技术中,特征点的插入数量和特征点对照的准确度在各种算法中均有优劣,而深层学习作为一种组织架构更完善的处理方法,显然是很适合图像识别算法的使用。所以本文就深度学习的原理及基于深度学习原理的图像识别算法的基本原理进行探讨,并对基于深度学习的图像识别算法的研究做出详细的讨论。