【无标题】(论文阅读)基于蚁群算法的现代藏文字符轮廓提取技术研究-孙淑娟

一、摘要

由于对字符提取骨架往往会失去受污损部位的重要信息,因此本文提出了一种基于蚁群算法的现代藏文字符轮廓提取 算法‚旨在用字符的轮廓线代替骨架线来表征字符。本算法用于印刷体藏文轮廓提取‚取得了良好的效果‚避免了传统细化 算法造成的畸变‚提高了轮廓提取的抗干扰能力‚并且减小了计算量‚加快了特征提取的速度。

二、蚁群算法

1、概念

蚁群算法又称蚂蚁算法‚是1992年意大利学者M∙Dorigo等人受蚂蚁觅食过程中路径选择行为的启发 而提出的一种仿生进化算法。经观察发现‚蚂蚁在搜索食物过程中总能够找出到食物源的最优路径‚当该 路径被阻断后‚能很快绕开障碍并再次找到最优路径。蚂蚁的这种能力是由蚁群之间的信息交换和相互协 作行为产生的。每只蚂蚁在随机行走过程中会释放出一种信息激素‚该激素随着时间延续不断挥发‚如果 有较多的蚂蚁选择这条路径‚则该路径上的激素得到增强‚而每只蚂蚁具有感知这种信息激素强度的能力‚ 会以较大概率选择信息激素较强的路径‚从而导致选择这条路径的蚂蚁增多‚这样形成了一个正反馈过程。

2、字符轮廓的特征提取

印在纸上的字符经过光电扫描转换为数字信号输入计算机‚以数字图像的形式存在‚因此字符轮廓的 提取就是对图像边缘的提取。本文假设要处理的是已经经过去噪等预处理的藏文字符‚在这里只考虑提取 出体现图像目标、背景、边界之间区别的特征量。边缘就是指周围像素灰度有阶跃变化或屋顶变化的那些 像素的集合‚这些像素的梯度体现出这种变化‚是反映边界点与背景或目标区域内点区别的重要特征。因 此‚本文取像素的梯度作为图像的一个特征。区别目标和背景的一个重要的特征是像素灰度‚本文采用 “平均灰度”作为图像的另一个特征。一个像素的平均灰度为其邻域像素灰度与它自身灰度的平均值。

3、藏文字符轮廓提取

一般取最大梯度与最小梯度的平均值作为初始阈值‚并要根据实际情况进行调整。取梯度矩阵中最大梯度对应的像素作为搜索的起始点‚让所有蚂蚁进行路径搜索‚直至得到一个收敛路径。然后‚在不属于已得到路径的像素中选择最大梯度对应的像素点作为下一个搜索起始点‚依次进行路径搜索。直到剩下的像素中没有梯度值大于梯度阈值的点。

4、算法流程

第一步‚初始化各参数‚构造梯度矩阵‚画出梯度直方图‚确定梯度阈值。
第二步‚选择梯度最大点作为起始点‚若该梯度值大于梯度阈值‚则进行第三步‚否则结束。
第三步‚让蚂蚁依次从该点出发‚计算到相邻点的概率‚并产生一个随机数‚根据概率与随机数的关系选择当前蚂蚁的下一个位置‚继而修改该蚂蚁的路径表。
第四步‚若当前蚂蚁到达目标‚则根据新到蚂蚁的路径表更改各点信息量‚若没有则继续选择路径‚直至所有蚂蚁到达目标。
第五步‚若所得路径不收敛‚则回到第三步;若收敛‚则将所得路径上各点在梯度矩阵上对应的值置为-1‚返回第二步

你可能感兴趣的:(读论文,矢量化,论文阅读,算法,计算机视觉)