简介：在互联网世界中,图片是传递信息的重要媒介。特别是电子商务、社交、搜索等领域,每天都有数以亿兆级别的图像在传播。自然场景就是我们所处的生活环境,自然场景图像中存在着大量的文本信息,例如路标信息、商店门店信息、商品包装信息等。随着深度学习的发展,基于深度学习的文本检测技术也逐渐流行起来。文章主要提出的是基于R2CNN的文本检测算法。在R2CNN算法的基础上对算法的结构进行改进,最终算法在ICDAR2015数据集上的召回率为87.2%,精确率为81.43%。

简介：为解决BRISQUE算法中单纯提取灰度空间指标特征的问题,进一步提升算法预测的准确性,文章在BRISQUE算法的基础上改进了无参考图像质量评价指标体系,提出了一种基于灰度空间和色彩空间的改进算法。同时,为了减少单一数据库造成的模型过拟合现象,提升算法的鲁棒性,该算法分别在LIVE和CSIQ数据库上分析了算法计算结果与DMOS值的相关性。实验结果表明,改进的BRISQUE算法评价结果与人类主观评价具有高度的一致性,较BRISQUE算法在一致性方面有一定程度的提升。

简介：基于原始提升小波和直方图均衡化算法的不足,文章提出了一种基于提升小波的多尺度(MSR)Retinex与直方图均衡化融合的真彩色图像增强算法。该算法将HSV空间下的亮度V分量运用MSRRetinex不同参数所得到的图像提升小波变换,并对低频与高频进行最大值处理,利用提升小波逆变换重构得到新的图像RGB1,并对原始的HSV颜色模型中的亮度分量V进行自适应直方图均衡化处理得到新的图像RGB2,将RGB1与RGB2图像进行融合得到增强后的彩色图像。