导读:本文包含了图元识别论文开题报告文献综述及选题提纲参考文献，主要关键词:图元识别,投影图,OCR文本图像,倾斜矫正
图元识别论文文献综述
姜毅,彭清畅,徐娟[1]（2019）在《基于图元识别的OCR文本图像矫正算法分析》一文中研究指出受数字化变革的影响,无纸化逐渐成为办公自动化的显着标志,但在纸质文件通过扫描或者拍照转换为OCR文本图像的过程中,文本图片经常不可避免地会产生一定的倾斜,基于此,该文简要分析了OCR文本图像的倾斜矫正方法,并详细论述了基于投影图改进的OCR文本图像倾斜矫正快速算法,希望论述内容能够为相关业内人士带来一定启发。(本文来源于《中国新技术新产品》期刊2019年02期）
郭玉鹏,曹卫群[2]（2015）在《结合图元与感知哈希的手写输入简笔画识别》一文中研究指出目的为了克服手写输入中随意性强和自由度大的缺陷,同时兼顾简笔画的整体属性和局部特征,提出一种基于图元识别与感知哈希技术相结合的手写输入简笔画二级识别算法。方法首先提取笔画的几何特征、笔序特征及结构特征且进行识别,然后查找由图元信息、笔画结构信息和笔序信息构成的简笔画语义库,完成由规则的几何图元构成的简笔画识别;若未被识别,则生成简笔画图像,利用感知哈希技术完成简笔画图像的识别。结果基于本文提出的简笔画识别方法,实现了对样本库中150种简笔画对象的识别,平均识别率为82.6%。结论实验结果表明,对于不同用户手写输入的任意样本库中的简笔画,该方法具有较高的识别率,此外,还可以通过在简笔画语义库和样本库中增加简笔画的种类等方式实现对更多种类简笔画的扩展识别。(本文来源于《中国图象图形学报》期刊2015年09期）
邓维,吴玲达[3]（2012）在《基于图元匹配的在线草图识别》一文中研究指出提出了一种基于图元匹配的在线草图识别方法。草图用图元组合描述,定义了图元匹配代价矩阵,度量两个草图间各图元的匹配代价,并给出该矩阵的计算方法,在指派问题模型下得到图元间的匹配对应关系,最后得出两个草图的整体匹配代价。实验表明,本方法能达到92.5%的首位识别率和0.647秒的平均耗时,适用于规则绘制的草图。(本文来源于《第八届和谐人机环境联合学术会议（HHME2012)论文集NCMT》期刊2012-11-23）
姚婷婷,聂小刚[4]（2011）在《基于随机圆HOUGH变换的图元识别方法》一文中研究指出采用随机圆霍夫变换,通过构造数据空间、选取最小点集及确定圆参数建立圆的边缘轮廓图元识别算法,并通过MATLBA仿真实现。(本文来源于《硅谷》期刊2011年08期）
伍济钢,宾鸿赞[5]（2011）在《用HOUGH变换改进的曲率法识别平面轮廓图元》一文中研究指出针对检测精度与检测速度两大指标,提出了用HOUGH变换改进的曲率法平面轮廓图元识别方法。开发了基于邻域值的轮廓点分类算法,采用曲率阈值法筛选轮廓点、投影高度法判别图元属性及分类轮廓点,构建了基于HOUGH变换的直线图元、圆弧图元分割与融合算法。对提出的方法分别进行了特征点检测精度与检测速度对比实验和特征点检测能力测试实验。实验结果表明,提出的方法图元识别准确、检测速度快、通用性好。(本文来源于《工程图学学报》期刊2011年02期）
何冰[6]（2011）在《基于几何图元识别的工业CT图像自动矢量化研究》一文中研究指出随着工业CT(Industrial Computed Tomography, ICT)技术和逆向工程(Reverse Engineering, RE)技术的发展,利用工业CT系统实现复杂封闭内腔类零件的测量和CAD模型重构已成为相关研究热点。而工业CT系统扫描得到的二维灰度断层图像,需经矢量化处理才能用于CAD系统;传统图像矢量化算法识别率低,容易将图像中一个完整的几何图元识别为由多条小线段组成的图形,不能满足实际应用要求。本文以工业CT图像自动矢量化为研究内容,以实现工业CT图像到二维CAD图形的自动转换为目的,研究基于几何图元识别的工业CT图像自动矢量化方法,利用Visual C++6.0开发工业CT图像自动矢量化软件。首先,对工业CT图像进行图像增强、中值滤波、阈值分割等预处理,得到其二值图像;然后,采用基于二值图像的边缘提取算法获得图像的轮廓边缘,将边缘点信息存储在链表中。对边缘轮廓数据,利用改进的存在概率图的圆检测算法识别图像中的圆;利用基于随机Hough变换的3点椭圆检测算法识别椭圆;采用改进的集合求交法直线拟合方法识别直线;采用垂直平分线法圆弧拟合算法识别圆弧。最后,将获得的图元参数分别存储在圆、椭圆、直线和圆弧链表中,采用DXF格式文件完成矢量数据输出。论文重点研究了改进的存在概率图的生成方法、椭圆识别算法,并完成了矢量化软件的开发。针对原存在概率图中存在过多虚假峰值,很难正确地检测出圆参数的问题,利用Matlab生成圆的存在概率图,使改进后的存在概率图更加直观,更好地表达圆在图像中的实际位置,并提高了检测效率。对于椭圆的识别,初步研究了基于随机Hough变换的3点椭圆检测算法,有效地解决了直接采用随机Hough变换检测椭圆造成大量无效采样和参数累积的问题,并且保留了原算法抗噪性好、鲁棒性强的特点。开发的工业CT图像自动矢量化软件操作简便,稳定性好,容错性高,减少了大量的人机交互。利用开发的矢量化软件对两幅实际工业CT图像进行实验,结果表明:本文研究的基于几何图元识别的工业CT图像自动矢量化方法可行、有效,且精度较高,能够满足工业CT图像到二维CAD图形自动转换的要求。(本文来源于《重庆大学》期刊2011-04-01）
伍济钢,宾鸿赞[7]（2010）在《基于曲率与HOUGH变换的平面轮廓图元识别方法研究》一文中研究指出针对检测精度与检测速度两大指标,提出了基于曲率与HOUGH变换的平面轮廓图元识别方法。开发了基于邻域值的轮廓点分类算法,采用曲率阈值法筛选轮廓点、投影高度法判别图元属性及分类轮廓点,分别构建了基于HOUGH变换的直线图元、圆弧图元分割与融合算法。对本文提出的方法与Chung&Tsai方法等4种特征点检测方法的检测精度与检测速度进行了对比实验与分析。采用包含各种类型特征点的仿真平面轮廓对本文提出的方法的特征点检测能力进行了测试。实验结果表明,本文提出的方法图元识别准确、检测速度快、通用性好。(本文来源于《电子测量与仪器学报》期刊2010年01期）
陆敏,张舞杰,王娟,叶峰[8]（2009）在《面向自动影像测量的DXF图元识别》一文中研究指出为了提高影像测量的自动化,提出一种基于DXF(Drawing Exchange Format)文件的自动影像测量方法。通过分析DXF文件的数据格式、组码及关联值对的组成关系,研究读取DXF文件信息的方法,然后提取出图形信息,经过相关的信息处理后,加入到自动测量程序中,完成自动影像测量。实验结果表明:该方法能自动完成对工件的测量,平均测量速度每分钟10个图元,测量精度达到微米级,具有很强的适应性和实用性。(本文来源于《微计算机信息》期刊2009年34期）
常新立,徐东平[9]（2008）在《基于图元的手绘几何图形识别》一文中研究指出对通过手写板、光笔、数字笔等输入设备绘制的几何图形,采用基于图元表示法进行识别。该方法首先把输入的笔画组分解为图元(直线、园、圆弧等),对分割出来的各个图元进行识别,进而对识别的图元进行排序及位置关系提取,最后对图形进行拟合规整、输出识别结果。识别过程简单,速度快,准确率高,与输入笔序无关。(本文来源于《计算机与数字工程》期刊2008年12期）
王鑫[10]（2008）在《模式识别中图元识别和脚步声识别的研究》一文中研究指出本文首先对图元识别进行了研究,Hough变换作为一种有效的图像基元检测方法,在检测解析形状的物体时,不必得到物体的全部特征就可以检测到目标形状,因此,具有极佳的抗干扰能力。本文实现了Hough变换检测直线的算法,并应用于鞋样设计CAD系统中,有效解决了检测鞋样方向的问题。广义Hough变换不仅可以检测解析形状的物体,还可以检测非解析形状的物体。同样具有明了的几何解析性和一定的抗干扰能力。但是,由于梯度方向的计算对断点和变形非常敏感,使得广义Hough变换失去了不怕断点和变形的特性。针对这一问题,本文提出了一种利用相对于全局特征的法线方向对边缘点进行分类的方法。从原理上分析了该方法具有抗噪、不怕断点、不怕变形和物体相互遮挡等优点的原因,并通过仿真实验进行了验证。为解决实际检测中,被测图形相对于模板图形的旋转缩放问题,探讨了叁种已有方法,并对其中一种进行了改进,提出了创建GD表的方法解决旋转缩放问题。此外,为避免实际检测中,假峰值造成的错误检测结果,对峰值做了进一步的验证,提高了检测结果的准确率。最后,设计实现了一个检测任意图形的程序,并应用于鞋样设计CAD系统中,解决了鞋样匹配的问题,尤其是很好地避免了噪声、断点和变形的影响。本文又对脚步声区别于其它声音的识别进行了尝试性的研究工作。脚步声具有明显地区别于其它声音的重复特性,根据这一特征,试用了五种周期检测方法,结果均不理想。为此针对连续脚步声的特征,提出了一种改进的一电平削波自相关算法,即二次一电平削波自相关算法。不仅从原理上分析了该算法具有良好抗噪性能的原因,而且利用十五种不同的脚步声对该算法进行了测试,结果证明该算法可以有效检测出十五种脚步声的节奏周期。最后,将该算法用于非脚步声识别,对一百种不同的声音进行测试,达到了93%的识别率。为进一步识别与脚步声具有类似周期性的非脚步声,对一步脚步的声音进行了特征提取与识别,尝试了双门限比较端点检测法,MFCC特征提取,和DTW识别模型,最终将上述一百种非脚步声的识别结果提高到98%。脚步声区别于其它声音的识别成果,对安全防盗、军事侦察等领域具有重要的意义,还可以利用脚步声识别启用监控录像,从而节省录像存储介质。(本文来源于《首都师范大学》期刊2008-04-07）
图元识别论文开题报告
（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：
目的为了克服手写输入中随意性强和自由度大的缺陷,同时兼顾简笔画的整体属性和局部特征,提出一种基于图元识别与感知哈希技术相结合的手写输入简笔画二级识别算法。方法首先提取笔画的几何特征、笔序特征及结构特征且进行识别,然后查找由图元信息、笔画结构信息和笔序信息构成的简笔画语义库,完成由规则的几何图元构成的简笔画识别;若未被识别,则生成简笔画图像,利用感知哈希技术完成简笔画图像的识别。结果基于本文提出的简笔画识别方法,实现了对样本库中150种简笔画对象的识别,平均识别率为82.6%。结论实验结果表明,对于不同用户手写输入的任意样本库中的简笔画,该方法具有较高的识别率,此外,还可以通过在简笔画语义库和样本库中增加简笔画的种类等方式实现对更多种类简笔画的扩展识别。
（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。
图元识别论文参考文献
[1].姜毅,彭清畅,徐娟.基于图元识别的OCR文本图像矫正算法分析[J].中国新技术新产品.2019
[2].郭玉鹏,曹卫群.结合图元与感知哈希的手写输入简笔画识别[J].中国图象图形学报.2015
[3].邓维,吴玲达.基于图元匹配的在线草图识别[C].第八届和谐人机环境联合学术会议（HHME2012)论文集NCMT.2012
[4].姚婷婷,聂小刚.基于随机圆HOUGH变换的图元识别方法[J].硅谷.2011
[5].伍济钢,宾鸿赞.用HOUGH变换改进的曲率法识别平面轮廓图元[J].工程图学学报.2011
[6].何冰.基于几何图元识别的工业CT图像自动矢量化研究[D].重庆大学.2011
[7].伍济钢,宾鸿赞.基于曲率与HOUGH变换的平面轮廓图元识别方法研究[J].电子测量与仪器学报.2010
[8].陆敏,张舞杰,王娟,叶峰.面向自动影像测量的DXF图元识别[J].微计算机信息.2009
[9].常新立,徐东平.基于图元的手绘几何图形识别[J].计算机与数字工程.2008
[10].王鑫.模式识别中图元识别和脚步声识别的研究[D].首都师范大学.2008