圖像處理與識(shí)別論文.doc

遼 寧 工 業(yè) 大 學(xué) 關(guān)于圖像識(shí)別技術(shù)的論述-圖像處理與識(shí)別結(jié)課論文 學(xué)院： 電子與信息工程學(xué)院 班級(jí)：電子102班 學(xué)號(hào)：100404054 姓名：包媛關(guān)于圖像識(shí)別技術(shù)的論述隨著科學(xué)技術(shù)的不斷發(fā)展,計(jì)算機(jī)應(yīng)用領(lǐng)域的不斷開拓,一種全新的圖像處理方法應(yīng)運(yùn)而生,這就是數(shù)字圖像處理技術(shù),即利用計(jì)算機(jī)設(shè)備將圖像轉(zhuǎn)變成數(shù)字信息來進(jìn)行保存、處理、傳輸和重現(xiàn)。數(shù)字圖像識(shí)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(gè)重要的研究方向。目前,數(shù)字圖像處理與識(shí)別的應(yīng)用范圍越來越廣。但就目前的水平而言,計(jì)算機(jī)對(duì)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(shí)別的理論和應(yīng)用的研究。圖像處理與識(shí)別的應(yīng)用有很多種，如指紋識(shí)別，條碼識(shí)別，人臉識(shí)別,車牌識(shí)別，殘損紙幣識(shí)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(yīng)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(shí)別”及“殘損紙幣識(shí)別”進(jìn)行詳細(xì)敘述。一些數(shù)字圖像處理的基本方法,包括圖像增強(qiáng)與圖像檢測(cè)兩部分。人臉識(shí)別”當(dāng)中,可采用SN-tuple神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行識(shí)別,同時(shí)網(wǎng)絡(luò)參數(shù)的變化對(duì)識(shí)別率也會(huì)有所影響影響。對(duì)于“殘損紙幣識(shí)別”,可以選擇邊緣檢測(cè)、Fisher判別和神經(jīng)網(wǎng)絡(luò)三種方法進(jìn)行識(shí)別。其中,邊緣檢測(cè)需要區(qū)分紙幣的面值和正反,之后方可識(shí)別,但性能較為穩(wěn)定,識(shí)別效果較好;Fisher判別無需區(qū)分紙幣的面值和正反,但識(shí)別率受樣本選擇的影響,不同樣本,識(shí)別率有可能相差較大;神經(jīng)網(wǎng)絡(luò)方法也可不區(qū)分紙幣的面值與正反,但識(shí)別率較低,若區(qū)分面值與正反,則可獲得較高的識(shí)別率。下面分別對(duì)車牌識(shí)別，紙幣、票據(jù)識(shí)別和手勢(shì)識(shí)別做陳述。隨著我國國民經(jīng)濟(jì)的迅速增長(zhǎng),機(jī)動(dòng)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(yán)重。因此迫切需要采用高科技手段,對(duì)這些違法違章車輛牌照進(jìn)行登記,汽車牌照識(shí)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(shí)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(yīng)用價(jià)值。它是一個(gè)基于數(shù)字圖像處理和字符識(shí)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(duì)圖像進(jìn)行處理以 克服圖像干擾,改善識(shí)別效果,而后進(jìn)行二值化,歸一化等處理,最后進(jìn)行識(shí)別。車牌識(shí)別系統(tǒng)使得車輛管理更趨于數(shù)字化,網(wǎng)絡(luò)化,大大提高了交通管理的有效性與方便性。車牌識(shí)別系統(tǒng)作為整個(gè)智能交通系統(tǒng)的一部分,其重要性不言而喻。車牌識(shí)別是一項(xiàng)涉及到數(shù)字圖像處理、計(jì)算機(jī)視覺、模式識(shí)別、人工智能等多門學(xué)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(lǐng)域中研究的重點(diǎn)和熱點(diǎn)之一。該項(xiàng)技術(shù)應(yīng)用前景廣泛,例如用在自動(dòng)收費(fèi)系統(tǒng)、不停車?yán)U費(fèi)、失竊車輛的查尋、停車場(chǎng)車輛管理、特殊部門車輛的出入控制等等。 車牌識(shí)別一般可以分為車牌的定位、牌照上字符的分割和字符識(shí)別三個(gè)主要組成部分。通過研究進(jìn)行車牌識(shí)別的各項(xiàng)關(guān)鍵技術(shù),在分析了近年來一些典型的車牌識(shí)別算法的基礎(chǔ)上,最終確定一系列有效的算法對(duì)車牌進(jìn)行識(shí)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(duì)符合該取值范圍的像素進(jìn)行色彩過濾,然后利用數(shù)學(xué)形態(tài)學(xué)進(jìn)行處理,形成多個(gè)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(duì)得到的連通區(qū)域進(jìn)行分析和排除,從而得到車牌區(qū)域。該定位方法優(yōu)點(diǎn)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(jìn)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(yàn)知識(shí)來確定每個(gè)字符的分割位置,并針對(duì)斷裂和粘連字符進(jìn)行了簡(jiǎn)單而有效的處理。對(duì)于單個(gè)字符的識(shí)別問題,我們?cè)谶M(jìn)行必要的預(yù)處理后采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)來進(jìn)行單個(gè)字符的識(shí)別。 由于在車牌識(shí)別中用到的算法一般都比較復(fù)雜,直接用高級(jí)語言編程很困難,所以本文通過編寫VC+與Matlab的接口來實(shí)現(xiàn)算法編程,并且最終編寫的程序可以脫離VC+和Matlab平臺(tái)獨(dú)立運(yùn)行。Matlab的編程高效而靈活,它具有強(qiáng)大、豐富的內(nèi)置函數(shù),并且其在圖像處理方面的應(yīng)用有著獨(dú)特優(yōu)勢(shì)。通過接口來調(diào)用我們?cè)贛atlab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(jìn)行車牌識(shí)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(shè)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(luò)、衛(wèi)星、傳真通信信道中傳輸,因此,文本圖像已逐漸成一個(gè)重要的信息來源。但是,現(xiàn)有的文本圖像處理系統(tǒng)自動(dòng)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(shí)時(shí)性的要求。因此,研究如何對(duì)文本圖像進(jìn)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(xiàng)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(chǔ)上對(duì)文本圖像的識(shí)別檢索、預(yù)處理、版面分析和表格圖像識(shí)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(duì)基于圖像信息度量的文本圖像識(shí)別檢索算法進(jìn)行改進(jìn),構(gòu)造一種基于信息度量與Radon變換的文本圖像識(shí)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(jìn)行文本圖像的識(shí)別檢索。實(shí)驗(yàn)結(jié)果表明,所構(gòu)造算法可有效降低文本圖像識(shí)別檢索的誤識(shí)率。2.對(duì)基于Hough變換的文本圖像傾斜檢測(cè)算法進(jìn)行改進(jìn),給出一種基于多分辨率Hough變換的文本圖像傾斜檢測(cè)算法,該算法通過對(duì)不同分辨率的圖像進(jìn)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(wù)報(bào)表、標(biāo)準(zhǔn)化考試中的機(jī)讀卡、人口普查表、彩標(biāo)投注單、選票、定貨單等。紙質(zhì)文檔不便于保存、檢索、統(tǒng)計(jì)和修改，而將這些信息錄入計(jì)算機(jī)是一件非常繁瑣的事情。長(zhǎng)期以來人們通過鍵盤手工輸入，不但費(fèi)時(shí)費(fèi)力且容易出錯(cuò)。在實(shí)時(shí)性要求較高的場(chǎng)合(如選舉中的統(tǒng)計(jì)選票)自動(dòng)、快速、準(zhǔn)確地處理文檔顯得尤為重要。因此，對(duì)這些文檔進(jìn)行計(jì)算機(jī)自動(dòng)錄入具有重要的現(xiàn)實(shí)意義。 本課題研究了字符圖像的計(jì)算機(jī)識(shí)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(duì)每種字符各自的特點(diǎn)，通過對(duì)字符的預(yù)處理，提取字符本身特征，然后運(yùn)用特定的識(shí)別算法，實(shí)現(xiàn)了字符圖像的自動(dòng)識(shí)別。整個(gè)系統(tǒng)包括圖像采集、圖像預(yù)處理、特征提取與字符識(shí)別四個(gè)部分。 根據(jù)印刷體和手寫體字符識(shí)別的需要，系統(tǒng)采取了各自不同的特征提取策略。對(duì)于印刷體字符，在對(duì)字符進(jìn)行了圖像預(yù)處理后，采用網(wǎng)格特征和交叉點(diǎn)特征相結(jié)合的方法作為其字符特征，建立字符標(biāo)準(zhǔn)特征庫。而對(duì)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(shí)現(xiàn)了字符的識(shí)別，利用待識(shí)別字符與字符標(biāo)準(zhǔn)特征庫相手勢(shì)識(shí)別系統(tǒng)和人臉識(shí)別系統(tǒng)相似主要從攝像頭中采集手勢(shì)數(shù)據(jù),進(jìn)行特征提取,再將提取到的信息傳輸給機(jī)器，讓機(jī)器理解信息的含義。以下一手勢(shì)識(shí)別為例。手勢(shì)識(shí)別也是講特征提取到的信息傳送給機(jī)器，讓機(jī)器理解手勢(shì)信息的含義。手勢(shì)識(shí)別工作主要分三個(gè)階段:預(yù)處理、特征提取、歐式距離判定。預(yù)處理階段應(yīng)當(dāng)從手勢(shì)圖片中去除噪聲信號(hào),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(shì)從背景中提取出來,利用邊緣檢測(cè)算子提取手勢(shì)的輪廓曲線。利用傅里葉描述子對(duì)輪廓曲線進(jìn)行數(shù)學(xué)建模進(jìn)而進(jìn)行特征提取。通過歐氏距離的比較,對(duì)手勢(shì)進(jìn)行識(shí)別。通過對(duì)視頻流采樣,完成對(duì)幾種動(dòng)態(tài)手勢(shì)的識(shí)別。利用若干人對(duì)手勢(shì)一到手勢(shì)十十種靜態(tài)手勢(shì)在該手勢(shì)庫上做統(tǒng)計(jì)實(shí)驗(yàn)。在背景光線均勻的情況下,手勢(shì)基本能夠正確識(shí)別。利用若干人進(jìn)行動(dòng)態(tài)手勢(shì)識(shí)別,在背景光線均勻的情況下,手勢(shì)動(dòng)作基本能夠正確識(shí)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(shí)驗(yàn)者在手勢(shì)一到手勢(shì)十十種靜態(tài)手勢(shì)庫上做旋轉(zhuǎn)不變性,比例伸縮性,平移不變性統(tǒng)計(jì)實(shí)驗(yàn),效果良好。本系統(tǒng)最大特色是符合人的