圖像處理與識別論文.doc

遼 寧 工 業(yè) 大 學 關(guān)于圖像識別技術(shù)的論述-圖像處理與識別結(jié)課論文 學院： 電子與信息工程學院 班級：電子102班 學號：100404054 姓名：包媛關(guān)于圖像識別技術(shù)的論述隨著科學技術(shù)的不斷發(fā)展,計算機應用領域的不斷開拓,一種全新的圖像處理方法應運而生,這就是數(shù)字圖像處理技術(shù),即利用計算機設備將圖像轉(zhuǎn)變成數(shù)字信息來進行保存、處理、傳輸和重現(xiàn)。數(shù)字圖像識別技術(shù)則是從數(shù)字圖像處理技術(shù)中延伸出來的一個重要的研究方向。目前,數(shù)字圖像處理與識別的應用范圍越來越廣。但就目前的水平而言,計算機對外部的感知能力還比較薄弱,還需要投入大量人力、物力從事數(shù)字圖像處理與識別的理論和應用的研究。圖像處理與識別的應用有很多種，如指紋識別，條碼識別，人臉識別,車牌識別，殘損紙幣識別等等在生活，生產(chǎn)中，和警方偵破案件中都有很多很重要的應用。數(shù)字圖像處理方法的分類以及數(shù)字圖像處理系統(tǒng)的基本部件,“數(shù)字圖像處理的基本方法”、“人臉識別”及“殘損紙幣識別”進行詳細敘述。一些數(shù)字圖像處理的基本方法,包括圖像增強與圖像檢測兩部分。人臉識別”當中,可采用SN-tuple神經(jīng)網(wǎng)絡的方法進行識別,同時網(wǎng)絡參數(shù)的變化對識別率也會有所影響影響。對于“殘損紙幣識別”,可以選擇邊緣檢測、Fisher判別和神經(jīng)網(wǎng)絡三種方法進行識別。其中,邊緣檢測需要區(qū)分紙幣的面值和正反,之后方可識別,但性能較為穩(wěn)定,識別效果較好;Fisher判別無需區(qū)分紙幣的面值和正反,但識別率受樣本選擇的影響,不同樣本,識別率有可能相差較大;神經(jīng)網(wǎng)絡方法也可不區(qū)分紙幣的面值與正反,但識別率較低,若區(qū)分面值與正反,則可獲得較高的識別率。下面分別對車牌識別，紙幣、票據(jù)識別和手勢識別做陳述。隨著我國國民經(jīng)濟的迅速增長,機動車的規(guī)模與流量大幅增加,隨之而來的管理問題也日益嚴重。因此迫切需要采用高科技手段,對這些違法違章車輛牌照進行登記,汽車牌照識別系統(tǒng)的出現(xiàn)成為了交通管制必不可少的有力武器。汽車牌照的識別系統(tǒng)在公共安全,交通管理,及相關(guān)軍事部門有著重要的應用價值。它是一個基于數(shù)字圖像處理和字符識別的智能化交通管理系統(tǒng),該系統(tǒng)先通過圖像采集,再對圖像進行處理以 克服圖像干擾,改善識別效果,而后進行二值化,歸一化等處理,最后進行識別。車牌識別系統(tǒng)使得車輛管理更趨于數(shù)字化,網(wǎng)絡化,大大提高了交通管理的有效性與方便性。車牌識別系統(tǒng)作為整個智能交通系統(tǒng)的一部分,其重要性不言而喻。車牌識別是一項涉及到數(shù)字圖像處理、計算機視覺、模式識別、人工智能等多門學科的技術(shù),它在交通監(jiān)視和控制中占有很重要的地位,已成為現(xiàn)代交通工程領域中研究的重點和熱點之一。該項技術(shù)應用前景廣泛,例如用在自動收費系統(tǒng)、不停車繳費、失竊車輛的查尋、停車場車輛管理、特殊部門車輛的出入控制等等。 車牌識別一般可以分為車牌的定位、牌照上字符的分割和字符識別三個主要組成部分。通過研究進行車牌識別的各項關(guān)鍵技術(shù),在分析了近年來一些典型的車牌識別算法的基礎上,最終確定一系列有效的算法對車牌進行識別。 在車牌定位上,根據(jù)車牌圖像在HSV色彩空間各分量的取值范圍規(guī)律,首先對符合該取值范圍的像素進行色彩過濾,然后利用數(shù)學形態(tài)學進行處理,形成多個符合車牌顏色特征的連通區(qū)域。接下來,分別根據(jù)車牌的形狀特征和車牌上字符的紋理特征,逐步對得到的連通區(qū)域進行分析和排除,從而得到車牌區(qū)域。該定位方法優(yōu)點是可以過濾掉車牌臨近區(qū)域那些顏色、紋理與車牌特征不符合的干擾紋理,如柵格、邊框等。在字符分割階段,本文在進行了車牌的傾斜矯正和確定了車牌字符的上下邊界后,主要借助相關(guān)的投影信息和先驗知識來確定每個字符的分割位置,并針對斷裂和粘連字符進行了簡單而有效的處理。對于單個字符的識別問題,我們在進行必要的預處理后采用改進的BP神經(jīng)網(wǎng)絡來進行單個字符的識別。 由于在車牌識別中用到的算法一般都比較復雜,直接用高級語言編程很困難,所以本文通過編寫VC+與Matlab的接口來實現(xiàn)算法編程,并且最終編寫的程序可以脫離VC+和Matlab平臺獨立運行。Matlab的編程高效而靈活,它具有強大、豐富的內(nèi)置函數(shù),并且其在圖像處理方面的應用有著獨特優(yōu)勢。通過接口來調(diào)用我們在Matlab下編寫好的函數(shù),這樣做能夠使我們從繁瑣的編程工作中解脫出來,從而可以集中精力進行車牌識別算法的研究。伴隨著通信技術(shù)與信息處理技術(shù)的迅猛發(fā)展,越來越多的紙質(zhì)文檔通過數(shù)字采集設備轉(zhuǎn)換成文本圖像,從而使文本圖像數(shù)據(jù)能夠快捷的在網(wǎng)絡、衛(wèi)星、傳真通信信道中傳輸,因此,文本圖像已逐漸成一個重要的信息來源。但是,現(xiàn)有的文本圖像處理系統(tǒng)自動化程度低,且通用性不高,無法滿足文本圖像處理廣泛性與實時性的要求。因此,研究如何對文本圖像進行分析與處理,以便高效、快捷的獲取文本圖像的信息,是一項十分有意義的研究課題。本文在總結(jié)已有研究成果的基礎上對文本圖像的識別檢索、預處理、版面分析和表格圖像識別展開研究。所做的主要工作如下:1.依據(jù)圖像的灰度分布和結(jié)構(gòu)特征差異,對基于圖像信息度量的文本圖像識別檢索算法進行改進,構(gòu)造一種基于信息度量與Radon變換的文本圖像識別檢索算法。該算法綜合利用文本圖像與連續(xù)色調(diào)圖像的灰度分布與結(jié)構(gòu)特征差異進行文本圖像的識別檢索。實驗結(jié)果表明,所構(gòu)造算法可有效降低文本圖像識別檢索的誤識率。2.對基于Hough變換的文本圖像傾斜檢測算法進行改進,給出一種基于多分辨率Hough變換的文本圖像傾斜檢測算法,該算法通過對不同分辨率的圖像進行不同精度的Hough變換,獲得文本圖像傾角值。 許多文檔是以紙質(zhì)文檔的形式存在，例如銀行票據(jù)、稅務報表、標準化考試中的機讀卡、人口普查表、彩標投注單、選票、定貨單等。紙質(zhì)文檔不便于保存、檢索、統(tǒng)計和修改，而將這些信息錄入計算機是一件非常繁瑣的事情。長期以來人們通過鍵盤手工輸入，不但費時費力且容易出錯。在實時性要求較高的場合(如選舉中的統(tǒng)計選票)自動、快速、準確地處理文檔顯得尤為重要。因此，對這些文檔進行計算機自動錄入具有重要的現(xiàn)實意義。 本課題研究了字符圖像的計算機識別問題。字符根據(jù)書寫方式的不同，分為印刷體字符和手寫體字符。系統(tǒng)針對每種字符各自的特點，通過對字符的預處理，提取字符本身特征，然后運用特定的識別算法，實現(xiàn)了字符圖像的自動識別。整個系統(tǒng)包括圖像采集、圖像預處理、特征提取與字符識別四個部分。 根據(jù)印刷體和手寫體字符識別的需要，系統(tǒng)采取了各自不同的特征提取策略。對于印刷體字符，在對字符進行了圖像預處理后，采用網(wǎng)格特征和交叉點特征相結(jié)合的方法作為其字符特征，建立字符標準特征庫。而對于手寫體字符，采用直接抽取字符邊緣輪廓特征的方法，完成字符特征的提取。 印刷體字符采用模板匹配算法實現(xiàn)了字符的識別，利用待識別字符與字符標準特征庫相手勢識別系統(tǒng)和人臉識別系統(tǒng)相似主要從攝像頭中采集手勢數(shù)據(jù),進行特征提取,再將提取到的信息傳輸給機器，讓機器理解信息的含義。以下一手勢識別為例。手勢識別也是講特征提取到的信息傳送給機器，讓機器理解手勢信息的含義。手勢識別工作主要分三個階段:預處理、特征提取、歐式距離判定。預處理階段應當從手勢圖片中去除噪聲信號,利用膚色和背景在HIS顏色模型空間中的不同數(shù)值范圍將手勢從背景中提取出來,利用邊緣檢測算子提取手勢的輪廓曲線。利用傅里葉描述子對輪廓曲線進行數(shù)學建模進而進行特征提取。通過歐氏距離的比較,對手勢進行識別。通過對視頻流采樣,完成對幾種動態(tài)手勢的識別。利用若干人對手勢一到手勢十十種靜態(tài)手勢在該手勢庫上做統(tǒng)計實驗。在背景光線均勻的情況下,手勢基本能夠正確識別。利用若干人進行動態(tài)手勢識別,在背景光線均勻的情況下,手勢動作基本能夠正確識別。本系統(tǒng)具有旋轉(zhuǎn)不變,比例伸縮性,平移不變性,利用實驗者在手勢一到手勢十十種靜態(tài)手勢庫上做旋轉(zhuǎn)不變性,比例伸縮性,平移不變性統(tǒng)計實驗,效果良好。本系統(tǒng)最大特色是符合人的