64、基于图像的古钱币识别与文档文本区域检测

基于图像的古钱币识别与文档文本区域检测

1. 古钱币图像分类

古钱币图像分类是一个具有挑战性的任务，因为古钱币具有独特的特征，如磨损、污垢和制造工艺的差异。为了实现准确的分类，我们使用了三种不同的数据集，包括MUSCLE CIS 06、MUSCLE CIS 07和古钱币数据集。古钱币数据集包含3000张高分辨率的古钱币图像，这些图像展示了大约公元前30年至公元300年的罗马皇帝，形成了106个类别。

1.1 分类流程

分类过程主要包括以下几个步骤：
1. 分割 ：将硬币从图像背景中分割出来。我们使用了两种分割方法：基于边缘的分割和基于霍夫变换的分割。
- 基于边缘的分割 ：包括对比度增强和滤波操作、边缘检测、形态学操作和分割验证。在边缘检测中，我们使用了Canny方法，因为Sobel方法在有噪声的情况下容易提供不准确的边缘信息。
- 基于广义霍夫变换（GHT）的分割 ：使用三维投票空间，每个图像梯度沿着其方向为硬币的中心和半径投票。这种方法仅适用于完全圆形的硬币。
2. 特征提取 ：使用基于边缘的统计分布算法提取特征。首先使用Sobel算子提取边缘图像，然后计算多尺度边缘角度 - 距离分布特征。对于某些情况，我们处理整个硬币图像以提取特征。
3. 分类 ：使用简单的k - 最近邻算法（k = 5）进行分类。硬币分类可以基于单个图像（正面或反面）或两个图像进行。测试表明，仅基于硬币正面的分类性能优于基于反面的分类。

1.