图像中矩形背景区域的定位算法研究
发布时间:2020-04-13 08:49
【摘要】:随着微信这一应用的迅猛发展,在微信公众号上给用户发送图片信息成为微信开发的一个重点。很多时候,我们发送的不仅仅是一幅简单的图片,而是在原有图片的基础上,嵌入带有用户信息的二维码图片,然后再将二者合成的图片发送给用户,这时候我们就不得不考虑一个问题,即新嵌入的二维码图片怎样才能不掩盖原图片本身包含的信息。在目前的开发中,开发人员只能人工地去计算并指定新嵌入图像信息的位置,这样的处理方式使得项目的灵活性、有效性、可行性等都大大降低,尤其是在大型开发中,工作量将会很大,并且难免会出错。因此,本文提出了一种数字图像中的矩形背景区域定位算法,实现对图像中连续矩形背景区域的定位,并将其运用于微信公众号开发,对微信公众号的开发具有重要的现实意义。目前,在数字图像的定位研究方面,大部分的研究工作是数字图像中的物体检测与定位,这些算法除却算法本身的复杂度高、效率较低等缺陷,我们还需要根据检测到的物体区域再去定位背景区域,最后虽然实现了背景区域的定位,但找到的背景区域通常是分散分布于原载体图像中,而我们的需求主要是找到一块连续的矩形背景区域,并在该区域中嵌入二维码图像,使得二维码图像的信息不掩盖原载体图像的信息。因此,要想找到这样一块连续的矩形背景区域,还需要继续对分散的图片背景区域进行定位处理,提高了工作的复杂度,同时大大降低了我们工作的速度以及服务的效率与质量,由此可以发现这样的处理不适用于在微信公众号发送的图片信息上加二维码的情况。为了解决上面提出的问题,本文首次提出了一种新的数字图像中的矩形背景区域定位算法,该算法主要先对图像做一些诸如灰度转换、边缘检测、膨胀运算的预处理操作,然后将图像分割算法与滑动窗口搜索方法相结合来实现定位。本文主要阐述了算法的基本思想与步骤,并在数据集上进行了反复的仿真实验,得到了较为理想的结果,验证了算法的可行性,同时结果显示,本算法的平均定位准确率达97.6%,证明了算法的优良性能。
【图文】:
然后在程序中使用计算出的位置作为程序中的变量,从而在原载体图像的合适位置嵌入二维码图像,使得新嵌入的二维码图像不掩盖原载体图像本身的信息,如图1-1所示,假设在程序中指定将新的二维码图像嵌入如图1-1中二维码所在位置,这样就达到了我们的项目需求。图 1-1 一个示例图片Fig. 1-1 Asample picture但是通过实际开发,可以发现该项目的灵活性、有效性、可行性等都大大降低,尤其是在大型开发中,工作量将会很大,并且难免会出错。如果改用智能系
区域之外的随机区域内的区分性特征直方图。对一幅图像而言,根据所有可别对该图像进行分类,图像中最有可能出现的物体就是分类中具有最高置信物体,然后使用前面的定位模型来定位物体。该方法通过了在 PASCALVOC2006 及其扩展数据集上的测试,,与原有的算法相比,该方法的性能更好。.2.2 滑动窗口搜索方法滑动窗口搜索方法(Sliding Window Search)[28-32]也是一种比较常见的物体方法,该方法需要事先训练分类器。图 1-3 给出一个示意图,图片中大小固矩形滑动窗口逐个像素地均匀滑动,移动到图片的各个位置时,将滑动窗口特征代入事先训练的分类器当中,相应地会得到一个得分值 F,物体的位置整个滑动过程中得分值最高的窗口位置,该窗口位置也是与分类器最高响应置(如图 1-3 中得分值 F 最高的是第四个窗口,算法就将第四个窗口位置作体的位置)。但这种方法的效率和性能很差。
【学位授予单位】:北京工业大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP391.41
本文编号:2625827
【图文】:
然后在程序中使用计算出的位置作为程序中的变量,从而在原载体图像的合适位置嵌入二维码图像,使得新嵌入的二维码图像不掩盖原载体图像本身的信息,如图1-1所示,假设在程序中指定将新的二维码图像嵌入如图1-1中二维码所在位置,这样就达到了我们的项目需求。图 1-1 一个示例图片Fig. 1-1 Asample picture但是通过实际开发,可以发现该项目的灵活性、有效性、可行性等都大大降低,尤其是在大型开发中,工作量将会很大,并且难免会出错。如果改用智能系
区域之外的随机区域内的区分性特征直方图。对一幅图像而言,根据所有可别对该图像进行分类,图像中最有可能出现的物体就是分类中具有最高置信物体,然后使用前面的定位模型来定位物体。该方法通过了在 PASCALVOC2006 及其扩展数据集上的测试,,与原有的算法相比,该方法的性能更好。.2.2 滑动窗口搜索方法滑动窗口搜索方法(Sliding Window Search)[28-32]也是一种比较常见的物体方法,该方法需要事先训练分类器。图 1-3 给出一个示意图,图片中大小固矩形滑动窗口逐个像素地均匀滑动,移动到图片的各个位置时,将滑动窗口特征代入事先训练的分类器当中,相应地会得到一个得分值 F,物体的位置整个滑动过程中得分值最高的窗口位置,该窗口位置也是与分类器最高响应置(如图 1-3 中得分值 F 最高的是第四个窗口,算法就将第四个窗口位置作体的位置)。但这种方法的效率和性能很差。
【学位授予单位】:北京工业大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP391.41
【参考文献】
相关期刊论文 前9条
1 牛颢;丁春利;张明;唐博;;视频镜头边缘检测算法研究与比较[J];计算机应用研究;2013年02期
2 孔银昌;;数字图像边缘提取算子基于Matlab的实现[J];价值工程;2012年15期
3 韦炜;;常用图像边缘检测方法及Matlab研究[J];现代电子技术;2011年04期
4 杨安庆;;基于数学形态学与自适应的超声医学图像滤波方法的研究[J];量子电子学报;2009年01期
5 农海啸;;基于MATLAB的数字图像边缘检测算子的实验对比研究[J];南宁师范高等专科学校学报;2008年02期
6 赵春江;施文康;邓勇;;基于遗传算法优化的多尺度形态边缘检测方法[J];计算机应用与软件;2007年04期
7 刘中合,王瑞雪,王锋德,马长青,刘贤喜;数字图像处理技术现状与展望[J];计算机时代;2005年09期
8 郭景峰;蔺旭东;;数学形态学中结构元素的分析研究[J];计算机科学;2002年07期
9 王爱民,赵忠旭,沈兰荪;基于矢量Prewitt算子的多尺度彩色图象边缘检测方法[J];中国图象图形学报;1999年12期
本文编号:2625827
本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2625827.html