基于圖像高階NMI值的手勢識別算法研究.pdf

1、手勢識別的研究具有廣闊的實際應用前景,具體表現(xiàn)在諸多方面如:對語音識別起著輔助作用;利用手勢控制VR(Virtual Reality)中的智能化;機器人的示范學習;虛擬現(xiàn)實系統(tǒng)中的多模式接口;可以使聾啞人使用手語和正常人交流等.另外,手語的研究涉及到教育學、計算機圖形學、機器人運動學、醫(yī)學等多學科.該文結合上海市自然科學基金資助課題"手勢識別與手語合成",從手勢圖像的預處理、手勢的特征提取和手勢的分類器設計等三方面研究了基于視覺的手勢識

2、別的識別算法.在圖像預處理階段,我們先對手勢圖像進行灰度化處理,再用高斯模板對手勢圖像進行平滑去噪,平滑后的圖像我們用KSW熵方法對手勢圖像進行二值化,對二值化后的圖像作去除麻點和區(qū)域生長的操作,以得到最佳的二值化效果.在特征提取環(huán)節(jié),我們提出了根據(jù)手勢的伸展方向對手勢進行粗分類,然后提取手勢圖像的高階NMI值作為手勢的特征向量對手勢進行識別的方法,這種方法中提取的特征有良好的旋轉、大小和平移的不變性.在分類器的設計上,我們用留一法將9