模式特征的提取與應(yīng)用研究.pdf

1、特征的提取問題是圖像處理與模式識(shí)別中最基本也是最重要的問題之一，其應(yīng)用領(lǐng)域非常廣泛．圖像的不變性特征提取，圖像的邊緣特征檢測，地形圖紙矢量化處理中基于特征的地形要素的識(shí)別與清理，流化床鍋爐中氣泡相的統(tǒng)計(jì)特征提取是本文研究的主要內(nèi)容．極坐標(biāo)變換、Radon變換、Walsh變換、Fourier變換、小波分析等是本文主要的研究工具．
　　 本文的主要工作包括：
　　 針對模式識(shí)別中的特征提取問題，給出了兩種不變性特征提取方法．

2、第一種方法是在極坐標(biāo)變換下，結(jié)合Fourier變換與Walsh變換來提取模式的特征量，給出了具有旋轉(zhuǎn)不變性的Walsh-Fourier不變矩，并進(jìn)一步解決了尺度與平移不變性問題；第二種方法是在線性Radon變換下，利用Fourier變換提取模式的特征量，給出了具有平移與旋轉(zhuǎn)不變性的Radon-Fourier不變量，并進(jìn)一步給出了尺度不變性問題的解決方法．實(shí)驗(yàn)結(jié)果顯示，這兩類不變性特征量都具有很強(qiáng)的特征刻畫能力，均能獲得較高的目標(biāo)識(shí)別率，

3、特別是在抗噪性能上，它們都明顯地優(yōu)于經(jīng)典的Hu不變矩與Zernike不變矩．
　　 針對圖像的邊緣特征檢測問題，提出了兩類邊緣檢測算法．第一類算法是基于局部徑向投影曲線的邊緣檢測算法．首先，構(gòu)造了一類與局部徑向投影曲線相對應(yīng)的環(huán)算子，并利用循環(huán)卷積實(shí)現(xiàn)階躍型邊緣的檢測；其次，提出一種利用局部徑向投影曲線的Fourier變換系數(shù)檢測邊緣的方法，即分別利用一階與二階諧波分量系數(shù)檢測階躍型邊緣與屋脊型邊緣，并且可由直流分量系數(shù)判斷屋脊

4、型邊緣的類型．實(shí)驗(yàn)結(jié)果顯示，所給出的階躍型邊緣檢測算法優(yōu)于經(jīng)典的Soble算子以及LoG算子，與最優(yōu)Canny算子基本相當(dāng)；所給出的屋脊型邊緣檢測算法則明顯地優(yōu)于一階差分過零點(diǎn)檢測算法與主曲率檢測算法．第二類算法是基于局部偽線性Radon變換的邊緣檢測算法．該算法首先是對當(dāng)前列的相鄰幾列進(jìn)行偽線性Radon變換，得到變換矩陣；再沿變換矩陣的每一列求差分；最后由差分值的大小檢測出當(dāng)前列上的所有階躍邊緣點(diǎn)．實(shí)驗(yàn)結(jié)果顯示，該算法優(yōu)于經(jīng)典的So

5、ble算子以及LoG算子，在邊緣的精細(xì)程度上要好于Canny算子．
　　 針對地形掃描圖的矢量化問題，進(jìn)行了兩項(xiàng)預(yù)處理工作的研究．第一項(xiàng)工作是研究了高程值的識(shí)別問題．首先通過提取連通分量分離高程值標(biāo)記，然后采用了兩種方法識(shí)別高程值．其一是以字符的環(huán)投影曲線的多尺度分形維數(shù)作為特征來識(shí)別數(shù)字字符；其二是利用最小覆蓋圓以及線性擬合等手段得到數(shù)字字符的旋轉(zhuǎn)角度，并采用模板匹配方法識(shí)別這些數(shù)字字符．實(shí)驗(yàn)結(jié)果顯示，上述方法能有效的分割與識(shí)

6、別高程值．第二項(xiàng)工作是研究了非等高線要素的識(shí)別與清除問題．首先將各種非等高線要素進(jìn)行了分類；然后針對不同的類型提出了不同的識(shí)別與清除方法．具體包括：利用連通分量的提取清除獨(dú)立要素；利用局部直角坐標(biāo)投影清除塊狀要素；利用局部極坐標(biāo)投影清除圓圈要素與非等高線線狀要素．實(shí)驗(yàn)結(jié)果顯示，這些方法能夠有效的清除大部分非等高線要素．這兩項(xiàng)工作為等高線矢量化處理提供了極大的方便．
　　 針對流化床鍋爐中的氣泡分布問題，提出了一種氣泡統(tǒng)計(jì)特征的提