自動(dòng)識(shí)別技術(shù)05

自動(dòng)識(shí)別技術(shù)第五章圖像識(shí)別技術(shù)第五章圖像識(shí)別技術(shù)數(shù)字圖像處理技術(shù)概述數(shù)字圖像處理發(fā)展概況數(shù)字圖像處理技術(shù)應(yīng)用光學(xué)字符識(shí)別技術(shù)汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)回顧自動(dòng)識(shí)別技術(shù)根據(jù)識(shí)別對(duì)象的特征、識(shí)別原理和方式可以分為數(shù)據(jù)采集技術(shù)（定義識(shí)別）和特征提取技術(shù)（模式識(shí)別）兩大類。自動(dòng)識(shí)別系統(tǒng)的輸入信息分為特定格式信息和圖像圖形格式信息兩大類。特定格式信息就是采用規(guī)定的表現(xiàn)形式來(lái)表示規(guī)定的信息。如條碼符號(hào)、IC卡中的數(shù)據(jù)格式等。圖像圖形格式信息則是指二維圖像與一維波形等信息。如二維圖像包括的文字、地圖、照片、指紋、語(yǔ)音等。定義識(shí)別系統(tǒng)模式識(shí)別系統(tǒng)圖像識(shí)別運(yùn)用模式識(shí)別的原理對(duì)圖像對(duì)象進(jìn)行處理。圖像信息獲取圖像預(yù)處理圖像特征提取圖像特征匹配結(jié)果人類通過(guò)眼、耳、鼻、舌、身等接受信息，感知世界。約有75%的信息是通過(guò)視覺(jué)系統(tǒng)獲取的。圖——物體透射或反射光的分布（圖像場(chǎng)），是客觀存在；像——人（的視覺(jué)系統(tǒng)）對(duì)（接收后在大腦中形成的）圖的印象或認(rèn)識(shí)，是人的感覺(jué)；圖像——圖像是圖和像的有機(jī)結(jié)合，既反映物體的客觀存在，又體現(xiàn)人的心理因素；圖像是對(duì)客觀存在物體的一種相似性的生動(dòng)模仿或描述。一、數(shù)字圖像處理技術(shù)概述圖像的類型物體圖像數(shù)學(xué)函數(shù)不可見(jiàn)的物理圖像可見(jiàn)的圖像光圖像照片、圖、畫(huà)可見(jiàn)光成像和不可見(jiàn)光成像400nm700nm紫外光紅外光546.1nm435.8nm780nm圖像的產(chǎn)生工程技術(shù)人員以直尺和圓規(guī)來(lái)繪制各種圖紙；美術(shù)家用畫(huà)筆來(lái)復(fù)制客觀世界；電視用畫(huà)面來(lái)反映實(shí)地場(chǎng)景；……特性圖是客觀存在的，像是人的感覺(jué)，圖像則是二者的結(jié)合，是客觀實(shí)體的原型，包含了巨大的信息量。圖像的傳播雖然比語(yǔ)言文字的傳播要復(fù)雜得多，但它能提供比較直觀的模型，這不是語(yǔ)言文字的描述所能達(dá)到的。識(shí)別直接由人工或識(shí)別系統(tǒng)識(shí)別；經(jīng)過(guò)處理，改善質(zhì)量或提取出圖像的某些數(shù)據(jù)特征后才能識(shí)別。數(shù)字圖像處理DigitalImageProcessing又稱為計(jì)算機(jī)圖像處理，它是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過(guò)程。二、數(shù)字圖像處理發(fā)展概況發(fā)展歷程最早出現(xiàn)于20世紀(jì)50年代：計(jì)算機(jī)處理圖形學(xué)科大約形成于20世紀(jì)60年代初期首次獲得實(shí)際成功應(yīng)用是美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室1972年英國(guó)EMI公司用于頭顱診斷的X射線計(jì)算機(jī)斷層攝影裝置——CT（ComputerTomography）——1979年諾貝爾生理學(xué)和醫(yī)學(xué)獎(jiǎng)從70年代中期開(kāi)始理論和應(yīng)用研究：視覺(jué)計(jì)算理論圖像識(shí)別文字識(shí)別的研究是從1950年開(kāi)始的，一般是識(shí)別字母、數(shù)字和符號(hào)，從印刷體識(shí)別到手寫(xiě)體識(shí)別。數(shù)字圖像處理和識(shí)別的研究開(kāi)始于1965年，數(shù)字圖像與模擬圖像相比具有存儲(chǔ)，傳輸方便可壓縮、傳輸過(guò)程中不易失真、處理方便等巨大優(yōu)勢(shì)。物體識(shí)別主要指的是對(duì)三維世界的客體及環(huán)境的感知和認(rèn)識(shí)，屬于高級(jí)的計(jì)算機(jī)視覺(jué)范疇，以數(shù)字圖像處理與識(shí)別為基礎(chǔ)的結(jié)合人工智能、系統(tǒng)學(xué)等學(xué)科的研究方向，其研究成果被廣泛應(yīng)用在各種工業(yè)及探測(cè)機(jī)器人上。方法研究圖像識(shí)別問(wèn)題的數(shù)學(xué)本質(zhì)屬于模式空間到類別空間的映射問(wèn)題。圖像識(shí)別主要有三種方法：統(tǒng)計(jì)模式識(shí)別、結(jié)構(gòu)模式識(shí)別、模糊模式識(shí)別。圖像分割是圖像處理中的一項(xiàng)關(guān)鍵技術(shù)。圖像分割的方法有閾值分割方法，邊緣檢測(cè)方法，區(qū)域提取方法，結(jié)合特定理論工具的分割方法等。從圖像的類型來(lái)分有：灰度圖像分割、彩色圖像分割和紋理圖像分割等。航天和航空技術(shù)第一幅月面圖像就是我們對(duì)月球的直觀感受和初步認(rèn)識(shí)。左邊是嫦娥一號(hào)衛(wèi)星傳回的第一幅月面圖像。右邊是第一幅月面圖像的飛行效果圖。三、數(shù)字圖像處理技術(shù)應(yīng)用“嫦娥一號(hào)”第一幅月面圖像的處理過(guò)程：遙感和航空測(cè)量主要用于資源、礦藏勘探、國(guó)土規(guī)劃、高速公路選線、災(zāi)害調(diào)查、農(nóng)作物估產(chǎn)、氣象預(yù)報(bào)以及軍事目標(biāo)監(jiān)視等。氣象衛(wèi)星云圖土地變化監(jiān)測(cè)圖云南大理森林火災(zāi)

遙感圖生物醫(yī)學(xué)領(lǐng)域X射線層析攝影（CT）、核磁共振（MRI）、超聲成像、血管造影、細(xì)胞和染色體自動(dòng)分類等。這些技術(shù)和設(shè)備大大提高了治療診斷水平，減輕了病人的痛苦。三維快速血管造影成像頭部CTCT腦血管醫(yī)學(xué)圖像三維重建加入對(duì)比劑腦血管掃描圖像依次為第1、2、3層腦血管腦血管邊緣提取依次為第1、2、3層腦血管重建的腦血管三維圖像通信工程常見(jiàn)的數(shù)字圖像和數(shù)字視頻設(shè)備如可視電話、會(huì)議電視、衛(wèi)星電視、數(shù)字電視、高清電視、VCD、DVD等。基于H.323標(biāo)準(zhǔn)的遠(yuǎn)程教學(xué)組網(wǎng)圖工業(yè)與交通產(chǎn)品質(zhì)量檢測(cè)、生產(chǎn)過(guò)程的自動(dòng)控制、CAD／CAM等。檢查瓶裝液體容量是否合格智能交通控制汽車(chē)牌照識(shí)別系統(tǒng)交通視頻監(jiān)控系統(tǒng)軍事公安軍事目標(biāo)的偵察、制導(dǎo)和警戒系統(tǒng)、自動(dòng)滅火器的控制及反偽裝等等都需要用到圖像處理技術(shù)；公安部門(mén)的現(xiàn)場(chǎng)照片、指紋、虹膜、面部、手跡、印章等的處理和辨識(shí)也要借助圖像處理。導(dǎo)彈制導(dǎo)指紋門(mén)鎖機(jī)器視覺(jué)機(jī)器視覺(jué)主要用于軍事偵察、危險(xiǎn)環(huán)境的自主機(jī)器人，郵政、醫(yī)院和家庭服務(wù)的智能機(jī)器人，裝配線工件識(shí)別、定位，太空機(jī)器人的自動(dòng)操作等。

日本本田技研工業(yè)株式

會(huì)社研制的仿人機(jī)器人

ASIMO（阿西莫）踢球上樓梯虛擬現(xiàn)實(shí)當(dāng)人們通過(guò)虛擬現(xiàn)實(shí)瀏覽、觀賞時(shí)就如身臨其境一般，并且可以選擇任一角度，觀看任一范圍內(nèi)的場(chǎng)景或選擇觀看物體的任一角度。虛擬漫游技術(shù)是虛擬現(xiàn)實(shí)（VR）技術(shù)的重要分支，在建筑、旅游、游戲、航空航天、醫(yī)學(xué)等多種行業(yè)發(fā)展很快。四、光學(xué)字符識(shí)別技術(shù)OCR（OpticalCharacterRecognition）光學(xué)字符識(shí)別是指電子設(shè)備（例如掃描儀或數(shù)碼相機(jī)）檢查紙上打印的字符，通過(guò)檢測(cè)暗、亮的模式確定其形狀，然后用字符識(shí)別方法將形狀翻譯成計(jì)算機(jī)文字的過(guò)程。亦即，針對(duì)印刷體字符，采用光學(xué)的方式將紙質(zhì)文檔中的文字轉(zhuǎn)換成為黑白點(diǎn)陣的圖像文件，并通過(guò)識(shí)別軟件將圖像中的文字轉(zhuǎn)換成文本格式，供文字處理軟件進(jìn)一步編輯加工的技術(shù)。OCR的概念是在1929年由德國(guó)科學(xué)家Tausheck最先提出來(lái)的，后來(lái)美國(guó)科學(xué)家Handel也提出了利用技術(shù)對(duì)文字進(jìn)行識(shí)別的想法。最早對(duì)印刷體漢字識(shí)別進(jìn)行研究的是IBM公司的Casey和Nagy，1966年他們發(fā)表了第一篇關(guān)于漢字識(shí)別的文章，采用了模板匹配法識(shí)別了1000個(gè)印刷體漢字。工作流程一個(gè)OCR識(shí)別系統(tǒng)，其目的很簡(jiǎn)單，只是要把影像作一個(gè)轉(zhuǎn)換，使影像內(nèi)的圖形繼續(xù)保存、有表格則表格內(nèi)資料及影像內(nèi)的文字，一律變成計(jì)算機(jī)文字，使能達(dá)到影像資料的儲(chǔ)存量減少、識(shí)別出的文字可再使用及分析，當(dāng)然也可節(jié)省因鍵盤(pán)輸入的人力與時(shí)間。從影像到結(jié)果輸出，需要經(jīng)過(guò)影像輸入、影像預(yù)處理、文字特征抽取、比對(duì)識(shí)別、最后經(jīng)人工校正將認(rèn)錯(cuò)的文字更正，將結(jié)果輸出。影像輸入欲經(jīng)過(guò)OCR處理的標(biāo)的物須透過(guò)光學(xué)儀器，如影像掃描儀、傳真機(jī)或任何攝影器材，將影像轉(zhuǎn)入計(jì)算機(jī)。影像預(yù)處理影像預(yù)處理是OCR系統(tǒng)中，存在問(wèn)題最多的一個(gè)模塊。影像須先將圖片、表格及文字區(qū)域分離出來(lái)，甚至可將文章的編排方向、文章的提綱及內(nèi)容主體區(qū)分開(kāi)，而文字的大小及文字的字體也要判斷出來(lái)。對(duì)待識(shí)別圖像進(jìn)行二值化、圖像降噪、傾斜校正等預(yù)處理，可以降低特征提取算法的難度，并能提高識(shí)別的精度。二值化：由于彩色圖像所含信息量過(guò)于巨大，在對(duì)圖像中印刷體字符進(jìn)行識(shí)別處理前，需要對(duì)圖像進(jìn)行二值化處理，使圖像只包含黑色的前景信息和白色的背景信息，提升識(shí)別處理的效率和精確度。圖像降噪：由于待識(shí)別圖像的品質(zhì)受限于輸入設(shè)備、環(huán)境、以及文檔的印刷質(zhì)量，在對(duì)圖像中印刷體字符進(jìn)行識(shí)別處理前，需要根據(jù)噪聲的特征對(duì)待識(shí)別圖像進(jìn)行去噪處理，提升識(shí)別處理的精確度。傾斜校正：由于掃描和拍攝過(guò)程涉及人工操作，輸入計(jì)算機(jī)的待識(shí)別圖像或多或少都會(huì)存在一些傾斜，在對(duì)圖像中印刷體字符進(jìn)行識(shí)別處理前，就需要進(jìn)行圖像方向檢測(cè)，并校正圖像方向。文字特征抽取單以識(shí)別率而言，特征抽取可說(shuō)是OCR的核心，用什么特征、怎么抽取，直接影響識(shí)別的好壞。特征可分為兩類：統(tǒng)計(jì)的特征，如文字區(qū)域內(nèi)的黑/白點(diǎn)數(shù)比，當(dāng)文字區(qū)分成好幾個(gè)區(qū)域時(shí)，這一個(gè)個(gè)區(qū)域黑/白點(diǎn)數(shù)比之聯(lián)合，就成了空間的一個(gè)數(shù)值向量，在比對(duì)時(shí)，基本的數(shù)學(xué)理論就足以應(yīng)付了。結(jié)構(gòu)的特征，如文字影像細(xì)線化后，取得字的筆劃端點(diǎn)、交叉點(diǎn)之?dāng)?shù)量及位置，或以筆劃段為特征，配合特殊的比對(duì)方法，進(jìn)行比對(duì)，市面上的線上手寫(xiě)輸入軟件的識(shí)別方法多以此種結(jié)構(gòu)的方法為主。對(duì)比數(shù)據(jù)庫(kù)：當(dāng)輸入文字算完特征后，不管是用統(tǒng)計(jì)或結(jié)構(gòu)的特征，都須有一比對(duì)數(shù)據(jù)庫(kù)或特征數(shù)據(jù)庫(kù)來(lái)進(jìn)行比對(duì)，數(shù)據(jù)庫(kù)的內(nèi)容應(yīng)包含所有欲識(shí)別的字集文字，根據(jù)與輸入文字一樣的特征抽取方法所得的特征群組。對(duì)比識(shí)別充分發(fā)揮數(shù)學(xué)運(yùn)算理論的一個(gè)模塊，根據(jù)不同的特征特性，選用不同的數(shù)學(xué)函數(shù)。較有名的比對(duì)方法：歐式空間的比對(duì)方法、松弛比對(duì)法（Relaxation）、動(dòng)態(tài)程序比對(duì)法（DynamicProgramming，DP）、類神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)庫(kù)建立及比對(duì)、HMM（HiddenMarkovModel）字詞后處理：由于OCR的識(shí)別率并無(wú)法達(dá)到百分之百，或想加強(qiáng)比對(duì)的正確性及信心值，一些除錯(cuò)或甚至幫忙更正的功能，也成為OCR系統(tǒng)中必要的一個(gè)模塊。字詞后處理就是一例，利用比對(duì)后的識(shí)別文字與其可能的相似候選字群中，根據(jù)前后的識(shí)別文字找出最合乎邏輯的詞，做更正的功能。字詞數(shù)據(jù)庫(kù)：為字詞后處理所建立的詞庫(kù)。人工校正一個(gè)好的OCR軟件，除了有一個(gè)穩(wěn)定的影像處理及識(shí)別核心，以降低錯(cuò)誤率外，人工校正的操作流程及其功能也影響OCR的處理效率。文字影像與識(shí)別文字的對(duì)照、屏幕信息擺放的位置、每一識(shí)別文字的候選字功能、拒認(rèn)字的功能、及字詞后處理后特意標(biāo)示出可能有問(wèn)題的字詞，都是為使用者設(shè)計(jì)盡量少使用鍵盤(pán)的一種功能。結(jié)果輸出有人要文本文件，有人要和輸入文件一樣的原文重現(xiàn)，有人注重表格內(nèi)的文字……無(wú)論怎么變化，都只是輸出檔案格式的變化而已。識(shí)別系統(tǒng)性能的評(píng)價(jià)對(duì)一個(gè)手寫(xiě)數(shù)字識(shí)別系統(tǒng)，可以用三方面的指標(biāo)表征系統(tǒng)的性能：正確識(shí)別率A=正確識(shí)別樣本數(shù)/全部樣本數(shù)*100%替代率（誤識(shí)率）S=誤識(shí)樣本數(shù)/全部樣本數(shù)*100%拒識(shí)率R=拒識(shí)樣本數(shù)/全部