导读:本文包含了字符图像论文开题报告文献综述及选题提纲参考文献，主要关键词:字符图像化,汉字创意,标志分析,标志设计
字符图像论文文献综述
周俊男[1]（2019）在《字符图像化的标志设计研究》一文中研究指出标志设计即LOGO设计,是用来表明事物特征的符号,简单来说就是遵循一定的设计规律,遵循美的原则,设计出有特定代表意义的图形。任何一个特定的事物都有特定的名称,可以是字符,也可以是汉字或是其他,而将这个名称图像化,创造出特定的标志,是一种非常直观的设计手法。(本文来源于《大观》期刊2019年09期）
陈书立,焦兴洋,王治忠,王松伟[2]（2019）在《基于鸽局部场电位信号的数字字符图像重建研究》一文中研究指出利用鸽视顶盖神经元对视觉图像刺激产生的局部场电位信号(LFP),重建刺激数字字符图像。采用微电极阵列记录数字图像扫屏刺激下的神经元LFP信号,对其进行傅里叶变换并提取幅值、相位特征,然后利用逆滤波器算法构造重建模型,重建数字图像,并采用互相关系数进行评价。研究结果发现,在最优通道组合下,依据单因素重建试验,确定重建模型下神经元对视觉刺激的响应延迟时间为0.01 s,响应持续时间为0.55 s,频带范围为1 Hz<f_1<30 Hz、140 Hz<f_2<240 Hz。在各单因素最优的条件下,通过重建模型重建4只鸽子8组数据的10幅数字字符图像(0～9),与原始图像相比,其互相关系数均超过了0.90,总体互相关系数为0.935±0.01。总之,数字图像的扫屏视觉刺激模式所诱发的神经元响应可以以信息积累的方式重建该视觉刺激图像,同时也表明LFP信号的幅值、相位特征可较好地表征视觉刺激图像。(本文来源于《中国生物医学工程学报》期刊2019年04期）
李俊晖,石守东,汪睿琪,孙凤军,刘华[3]（2019）在《基于区域增长的线缆字符图像快速拼接方法》一文中研究指出由于线缆字符图像存在重迭域小、重迭区在边缘带、光照分布不均等问题,目前的图像拼接方法不能快速、有效拼接两幅图像.为此,本文提出了一种加速后的拼接新方法来解决线缆字符图像的拼接问题.首先利用边缘检测从图像中分割出字符区域.再基于光照分布对字符区域进行分块,利用大津法处理包含字符的图像块,得到线缆字符区域二值化图像.接着在区域增长的图像配准算法的基础上,加入降采样及分级步长的方法,快速得到线缆字符区域的重迭域.最后,在重迭域的垂直中心线处拼接得到一幅包含完整字符区域的二值图.实验结果表明,该方法能准确快速地对线缆图像进行拼接.(本文来源于《数值计算与计算机应用》期刊2019年01期）
黄春晖,赵其杰,柯震南[4]（2018）在《一种钢坯表面喷印字符图像分割算法》一文中研究指出为了提高钢坯表面喷印字符分割的效果,提出通过图像增强和滤波算法改善图像质量,解决钢坯表面喷印字符图像的分割问题.通过构造自适应阈值,自动分割图像进行字符串定位,并基于形态学处理、连通域分析设计了字符分割算法,解决了图像中存在的黏连和断裂问题.设计了一种掩膜保护字符的滤波算法,解决了细线噪声干扰问题,同时建立了相应的实验系统进行研究.结果表明:该算法效果较好,对字符图像黏连、断裂情况分割的正确率分别达到了99.6%, 98.3%,对细线噪声干扰类样本分割的正确率达到了97.9%.(本文来源于《上海大学学报(自然科学版)》期刊2018年05期）
向忠,张建峰,钱淼,吴震宇,胡旭东[5]（2018）在《多方向照明下金属冲压字符图像融合算法》一文中研究指出为增强金属冲压字符与背景之间的对比度,降低背景信息对字符分割的干扰,提高冲压字符分割的准确性和稳定性,提出一种基于多方向照明的图像融合算法.首先利用4个圆周均布的光源依次照明,分别采集4幅灰度图像;然后对采集到的图像进行背景均一化处理,消除单向光源照明下光照分布不均的影响;最后利用表面冲压凹陷区域与平坦区域在不同照明方向上的表面灰度变化特性,对2组相对照明方向上的背景均一化图像进行差值处理,实现图像融合,增强图像对比度.实验结果表明,与采用单光源照明方式相比,该算法可有效地消除油渍、锈蚀等背景干扰,增强冲压字符与同色背景之间的对比度,为冲压字符分割与识别奠定基础.(本文来源于《计算机辅助设计与图形学学报》期刊2018年09期）
饶哲恒[6]（2018）在《基于深度学习的字符图像识别和图像检索研究》一文中研究指出特征的提取和表示一直是图像识别和检索领域的一个关键环节,优秀的特征提取和表示算法,不仅能为后续识别和分类算法带来方便,更能提升整个视觉系统的性能。然而,采用传统方法的图像识别和检索算法,其原理是根据图像的底层像素视觉特征做出判断,这样的判断方式与“人”通过理解图像内容对图像进行识别与分类有本质差异。因此,基于此类方法的图像识别与图像检索系统存在着识别率有待提高,耗费人力,特征不易迁移等缺点。目前已有的深度学习方法虽然相较于传统的图像特征提取与表示方法,展现出了更好的效果,但随着工业界在图像识别和检索领域对提升精度、缩短时间耗损方面的需求不断提高,采用深度学习方法的图像识别及检索方法后续仍需进行更深入的探索、研究。针对以上问题和情况,本文主要的研究内容和工作包括以下叁个方面:(1)结合现有深度学习模型的数理分析,归纳出深度学习的方法在理论模型的特点。结合研究背景,本文在数据预处理设计、深度神经网络构架搭建、核模型设计上总结了一些优化的经验。(2)提出了基于扩展非线性核残差网络的字符图像识别算法。该算法是一种深度学习方法,其创新点包括叁个方面:1)提出了一种新的深度学习核结构,使得特征表达更准确;2)设计了一种半监督的字符图像预处理方法,使后续训练更具针对性;3)引入了dropout技术,缩短了训练时间的同时保证训练不陷入过拟合。上述算法,我们在不同的字符图像识别库MNIST、SVHN进行了实验,证明了有效性。(3)提出了基于扩展非线性核残差网络和哈希的图像检索算法。该算法将本文提出的扩展非线性核结构,作为图像检索系统中的“高层语义提取器”,并结合了具有快速搜索优势的哈希算法,实现了图像的快速准确检索功能。我们在CIFAR-10数据库上进行了实验,证明了该算法的有效性。(本文来源于《湖北工业大学》期刊2018-06-01）
陈庆虎,周小丹,鄢煜尘[7]（2018）在《基于字符图像分割的打印文件识别方法》一文中研究指出针对目前的打印文件识别方法受限于样本中必须有相同字符的问题,提出一种基于字符图像分割的打印文件识别方法。通过k-means算法对字符图像进行分割,分别对不同区域提取局部二值模式纹理特征,从而消除字符结构对识别结果的影响。研究了单一区域的特征集和组合特征集的分类识别效果,实验结果表明,该方法在样本中无相同字符的情况下,能够得到较高的识别准确率。(本文来源于《计算机工程与应用》期刊2018年07期）
杜媛[8]（2017）在《基于二维Gabor滤波与机器视觉的字符图像识别算法》一文中研究指出为了解决字符识别算法在噪声、文本旋转下出现识别不准确的问题。论文提出了基于二维Gabor滤波与机器视觉的字符识别算法,从图像预处理和特征提取分析这两个模块展开分析。首先,搭建视觉采集硬件平台,采集原始字符图像。然后通过邻域像素灰度信息迭代,有效降低噪声,以提高字符图像质量,通过霍夫直线检测完成图像旋转角度计算和图像校正,达到准确定位字符区域的目的。然后,通过二维Gabor滤波得到字符图像的纹理特征,采用欧式距离构建分类标准,达到准确识别字符的目的。实验测试数据表明:与当前识别机制相比,在面对噪声与文本旋转干扰条件下,论文算法具有更高的识别准确率与鲁棒性。(本文来源于《计算机与数字工程》期刊2017年12期）
方玉玲,魏赟[9]（2015）在《基于二次网格的字符图像特征提取方法》一文中研究指出为了提高字符识别率,克服传统字符特征提取方法复杂、计算量大等问题。文中提出了一种基于二次网格化的字符特征提取方法。将字符二值图像划分为4个网格,提取出字符轮廓的曲率特征;并将字符图像划分为32个网格,依次提取出各自网格的占空比、质心、散度3组特征。该方法兼具结构特征与统计特征的优点,对笔画结构相近的字符较易于区分,该方法抗干扰能力强,且足够稳定。通过对1 500张字符二值图像进行实验,其结果表明,该方法对字母与数字的识别准确率达到了97%以上,相较于其他特征提取方法有大幅提高。(本文来源于《电子科技》期刊2015年10期）
李展,陈清亮,彭青玉,张庆丰,李伟祥[10]（2015）在《基于MAP的单帧字符图像超分辨率重建》一文中研究指出字符是很多图像处理应用关注的区域,增强字符图像分辨率往往能提高字符识别率.针对字符图像纵横和对角线方向纹理特征,提出了一种提取不同方向纹理及图像平滑度度量的新方法,并在最大后验概率框架下,实现了单帧图像超分辨率重建算法.算法利用自适应可调模板作为卷积核,将纹理信息引入图像先验模型,最终将超分辨率重建转化为一个目标函数最优化问题.实验表明,该算法能有效提高字符图像的识别率,且对噪声具有较好的鲁棒性.(本文来源于《电子学报》期刊2015年01期）
字符图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
利用鸽视顶盖神经元对视觉图像刺激产生的局部场电位信号(LFP),重建刺激数字字符图像。采用微电极阵列记录数字图像扫屏刺激下的神经元LFP信号,对其进行傅里叶变换并提取幅值、相位特征,然后利用逆滤波器算法构造重建模型,重建数字图像,并采用互相关系数进行评价。研究结果发现,在最优通道组合下,依据单因素重建试验,确定重建模型下神经元对视觉刺激的响应延迟时间为0.01 s,响应持续时间为0.55 s,频带范围为1 Hz<f_1<30 Hz、140 Hz<f_2<240 Hz。在各单因素最优的条件下,通过重建模型重建4只鸽子8组数据的10幅数字字符图像(0～9),与原始图像相比,其互相关系数均超过了0.90,总体互相关系数为0.935±0.01。总之,数字图像的扫屏视觉刺激模式所诱发的神经元响应可以以信息积累的方式重建该视觉刺激图像,同时也表明LFP信号的幅值、相位特征可较好地表征视觉刺激图像。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
字符图像论文参考文献
[1].周俊男.字符图像化的标志设计研究[J].大观.2019
[2].陈书立,焦兴洋,王治忠,王松伟.基于鸽局部场电位信号的数字字符图像重建研究[J].中国生物医学工程学报.2019
[3].李俊晖,石守东,汪睿琪,孙凤军,刘华.基于区域增长的线缆字符图像快速拼接方法[J].数值计算与计算机应用.2019
[4].黄春晖,赵其杰,柯震南.一种钢坯表面喷印字符图像分割算法[J].上海大学学报(自然科学版).2018
[5].向忠,张建峰,钱淼,吴震宇,胡旭东.多方向照明下金属冲压字符图像融合算法[J].计算机辅助设计与图形学学报.2018
[6].饶哲恒.基于深度学习的字符图像识别和图像检索研究[D].湖北工业大学.2018
[7].陈庆虎,周小丹,鄢煜尘.基于字符图像分割的打印文件识别方法[J].计算机工程与应用.2018
[8].杜媛.基于二维Gabor滤波与机器视觉的字符图像识别算法[J].计算机与数字工程.2017
[9].方玉玲,魏赟.基于二次网格的字符图像特征提取方法[J].电子科技.2015
[10].李展,陈清亮,彭青玉,张庆丰,李伟祥.基于MAP的单帧字符图像超分辨率重建[J].电子学报.2015