文本圖像二值化（即把灰度或彩色文本圖像轉化為二值圖像）是光學字符識別的基礎,在文本圖像分析和模式識別中起著至關重要的作用。近年來,文本圖像二值化的研究備受關注。特別是,2009年第一屆國際文本圖像二值化競賽（Document Image Binarization Competitions,DIBCO）的成功舉辦對文本圖像二值化的發(fā)展具有里程碑式的意義。DIBCO數(shù)據(jù)包（DIBCO 2009-2014,DIBCO 2016-2018）為文本圖像二值化的研究提供了豐富的測試圖像,DIBCO采用的定量化指標為評價文本圖像二值化結果的優(yōu)劣提供了可靠依據(jù)。圖像獲取過程或文檔自身等原因可能導致文本圖像退化,例如光照不均、噪聲、對比度不均、透背、模糊。因此,對退化文本圖像的二值化技術的要求越來越高。近幾年,文本圖像二值化的偏微分方程方法受到了國內(nèi)外學者的廣泛重視。該方法與其它二值化方法（如聚類法、閾值法等）相比,具有較強的局部自適應性和較高的靈活性等優(yōu)勢。本文提出一個文本圖像二值化的偏微分方程模型及其數(shù)值算法。該模型的基本思想是:原始文本圖像在偏微分方程的控制下進行演化,產(chǎn)生一系列逐漸趨于二值化的圖... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【部分圖文】：

x,t平面網(wǎng)格剖分Fig.2.1planargrids

內(nèi)點和邊界點Fig.2.2Innerpointandboundarypoint

二值化源項對理想的文本圖像的二值化結果


本文編號：3506180