圖像目標(biāo)識(shí)別中若干關(guān)鍵技術(shù)研究.pdf

1、圖像是一種重要的信息載體,目標(biāo)識(shí)別技術(shù)中就存在圖像處理方面的問題. 盡管圖像目標(biāo)識(shí)別技術(shù)已經(jīng)存在了很多年,但它仍然是一個(gè)很活躍的領(lǐng)域.本文以圖像處理為研究領(lǐng)域,對(duì)圖像目標(biāo)識(shí)別技術(shù)中所涉及到的幾個(gè)關(guān)鍵問題:如邊緣特征提取,骨架特征提取,大、小目標(biāo)匹配識(shí)別方法,及其它們的抗干擾性等等作了詳細(xì)的研究.圖像目標(biāo)識(shí)別就是一個(gè)從特征提取到識(shí)別分類的過程,因此依據(jù)這條主線,把本文分為兩個(gè)部分,一是特征提取,二是目標(biāo)識(shí)別分類. 用于目標(biāo)

2、識(shí)別中的特征主要有邊緣和骨架.在邊緣檢測上,提出了三種新的方法.一是提出了一種獲取梯度值的新方法,從而實(shí)現(xiàn)四方向梯度擬合的邊緣檢測.在3×3的窗內(nèi),分別計(jì)算出水平方向,垂直方向,和正、負(fù)45度方向的梯度強(qiáng)度變化,然后把梯度最大的那個(gè)方向作為最終的邊緣像素點(diǎn).移動(dòng)窗體.計(jì)算整幅圖像,從而完成邊緣檢測的任務(wù).根據(jù)該方法的特性,當(dāng)只計(jì)算三個(gè)方向,甚至兩個(gè)方向的梯度時(shí),也能夠得到最終的邊緣圖像.這種簡化的方法減少了計(jì)算量,縮短了計(jì)算時(shí)間.雖然該

3、方法簡單易行,但它還不能檢測出梯度很小的邊緣.為了進(jìn)一步提高該方法的性能,又引進(jìn)了一個(gè)增強(qiáng)系數(shù),改變了該方法對(duì)小灰度梯度的靈敏程度.通過與Sobel算子法、Prewitt算子法等傳統(tǒng)的基于梯度的邊緣榆測方法的比較,用該方法得到的邊緣圖像效果好.二是基于JF-THEN的推理規(guī)則,提出了一種用較少模糊邏輯推理的邊緣檢測方法,實(shí)現(xiàn)了對(duì)灰度圖像的邊緣檢測.通過用模糊邏輯語言分析圖像中是否有灰度突變,從而判斷出邊緣的存在.而且如果再加上幾條可以判

4、斷出脈沖噪聲的模糊邏輯規(guī)則,那么在進(jìn)行邊緣檢測的同時(shí),還可以抑制脈沖噪聲的干擾.實(shí)驗(yàn)結(jié)果表明:皋于模糊推理的邊緣檢測方法在使用少量推理規(guī)則的條件下,也可以對(duì)圖像邊緣進(jìn)行很好的檢測,而且魯棒性好.三是基于遺傳算法優(yōu)化的多尺度形態(tài)學(xué)結(jié)構(gòu)元素的邊緣檢測方法.數(shù)學(xué)形態(tài)學(xué)作為一種非線性圖像處理方法,越來越受到人們的重視.應(yīng)用多尺度形態(tài)學(xué)對(duì)圖像進(jìn)行邊緣檢測,可以得到很好的效果.但結(jié)構(gòu)元素的選取一直是形態(tài)學(xué)的難點(diǎn).利用遺傳算法在全局范圍內(nèi)可以搜索到全

5、局最優(yōu)解的特點(diǎn),通過對(duì)結(jié)構(gòu)元素進(jìn)行編碼、交叉、變異等遺傳操作,就可以得到最優(yōu)的結(jié)構(gòu)元素.在應(yīng)用到邊緣檢測上時(shí),需要先對(duì)與被檢測圖像相似的樣本圖像進(jìn)行學(xué)習(xí).用學(xué)習(xí)后得到的最優(yōu)結(jié)構(gòu)元素進(jìn)行邊緣檢測,就可得到滿意的邊緣圖像.實(shí)驗(yàn)結(jié)果表明:用遺傳算法對(duì)結(jié)構(gòu)元素進(jìn)行優(yōu)化選取,無需人為干預(yù),完全可以實(shí)現(xiàn)多尺度形態(tài)學(xué)對(duì)邊緣檢測的自適應(yīng)性.另一種用于目標(biāo)識(shí)別的特征是骨架.基于中軸變換,提出了一種具有抗干擾能力的二值圖像骨架提取算法.不同于傳統(tǒng)的中軸變換

6、提取骨架的方法,以前的方法只是根據(jù)最大正方形的邊長來判斷骨架像素,而該方法是通過計(jì)算目標(biāo)像素內(nèi)的最大鄰域的所有像素的個(gè)數(shù)來進(jìn)行中軸變換,然后判斷骨架點(diǎn),最后提取骨架.在被噪盧干擾的圖像內(nèi)提取骨架一直足骨架提取的難點(diǎn).在該方法中,只需通過設(shè)定一個(gè)閾值,就可以完成對(duì)噪聲圖像的骨架提取,抗干擾能力強(qiáng).實(shí)驗(yàn)結(jié)果表明:該方法能夠準(zhǔn)確地對(duì)各類二值圖像進(jìn)行骨架提取,方法簡單,骨架的連通性也較好,更重要的是該方法具有魯棒性,在保證骨架完整性的同時(shí),濾除

7、了背景噪聲,表現(xiàn)出比傳統(tǒng)的基于最大正方形中軸變換的骨架提取方法更好的特性. 第二方面的內(nèi)容是目標(biāo)識(shí)別,包括大目標(biāo)識(shí)別和小目標(biāo)識(shí)別. 在大目標(biāo)識(shí)別上,主要應(yīng)用的技術(shù)是匹配技術(shù).在判斷空間點(diǎn)集的相似度上,Hausdorff距離被認(rèn)為是一種合理有效的方法.首先介紹了幾種常用的Hausdorff距離,如經(jīng)典Hausdorff距離,部分Hausdorff距離,MHD,WHD,cHD,M-HD和LTS-HD.這些方法都不能很好地解決

8、受到噪聲干擾的圖像匹配問題.所以在這些方法的基礎(chǔ)上,提出了一種多值Hausdorff距離法.并不像其他Hausdorff距離匹配方法那樣只是對(duì)二值圖像進(jìn)行匹配識(shí)別,該方法首先是把二值圖像轉(zhuǎn)換為多值灰度圖像,然后對(duì)于不同的像素值分別進(jìn)行距離計(jì)算.并且在進(jìn)行距離計(jì)算時(shí),不足僅僅計(jì)算同值像素之間的距離,還要計(jì)算與其相鄰像素值之間的距離.通過實(shí)驗(yàn)和與其他方法進(jìn)行比較得到:該方法對(duì)帶有隨機(jī)噪聲的圖像匹配識(shí)別問題十分有效,而且方法簡單.由于小目標(biāo)所