一種多特征點(diǎn)自動(dòng)身份識(shí)別方法

一種多特征點(diǎn)自動(dòng)身份識(shí)別方法

在許多應(yīng)用中，可以在測(cè)量對(duì)象的表面上分布一些具有明顯特征和易于識(shí)別的元素作為標(biāo)記點(diǎn)，如圓形和交叉雕刻線。一旦加載唯一身份信息，則可以編碼標(biāo)記點(diǎn)，識(shí)別圖像中標(biāo)記點(diǎn)的唯一身份，以便方便可靠地實(shí)現(xiàn)多個(gè)圖像中標(biāo)記點(diǎn)的對(duì)應(yīng)匹配。這里沒有編碼的標(biāo)記點(diǎn)被稱為“非編碼元”，編碼的標(biāo)記點(diǎn)被稱為“編碼元”。非編碼元以圓形標(biāo)記的應(yīng)用最為廣泛.因?yàn)閳A成像后成為橢圓,橢圓所具有的幾何特征使其易于實(shí)現(xiàn)特征提取的算法.橢圓提取的算法很多,包括Hough變換、遺傳算法及最小二乘模板匹配等.Hough變換方法提取橢圓準(zhǔn)確率及效率很低.遺傳算法能夠得到較準(zhǔn)確的結(jié)果,但算法的實(shí)現(xiàn)非常復(fù)雜.最小二乘模板匹配方法是近景攝影測(cè)量中常用的橢圓提取方法,但是在實(shí)際圖像中,往往存在一些呈橢圓狀或與橢圓形狀接近的非標(biāo)記點(diǎn)目標(biāo),這些非標(biāo)記點(diǎn)目標(biāo)也可能被最小二乘匹配法提取出來,對(duì)后續(xù)的對(duì)應(yīng)匹配及三維重建算法造成干擾.另外,最小二乘擬合方法雖然能夠進(jìn)行橢圓中心的亞像素定位,但其定位精度不如質(zhì)心法、高斯最小二乘等算法.給標(biāo)記點(diǎn)加載編碼的方法大大降低了對(duì)應(yīng)匹配的復(fù)雜度,為此不少學(xué)者作了這方面的研究.Schneider、VandenHeuvel、KeithsForbes以及Ahn等設(shè)計(jì)了各種不同的編碼元.KeithsForbes所采用的編碼元與Schneider的編碼元類似,但是對(duì)Schneider的編碼識(shí)別方案進(jìn)行了改進(jìn),這種編碼元基本不受旋轉(zhuǎn)、縮放和變形的影響,應(yīng)用非常廣泛.本文在待測(cè)物體表面混合分布非編碼元與編碼元作為標(biāo)記點(diǎn).非編碼元為近景攝影測(cè)量中常用的圓形標(biāo)記,編碼元為文獻(xiàn)提出的編碼方案,標(biāo)記點(diǎn)特征的詳細(xì)介紹見第1節(jié).其中,編碼元身份的唯一性方便建立多角度圖像之間編碼元的對(duì)應(yīng)關(guān)系,用于確定各次拍攝時(shí)的相機(jī)姿態(tài);非編碼元黏貼于物體表面,用于物體表面點(diǎn)的重建.根據(jù)后續(xù)相機(jī)標(biāo)定和三維重建的要求,本文標(biāo)記點(diǎn)自動(dòng)檢測(cè)的任務(wù)是提取圖像中的標(biāo)記點(diǎn)、確定編碼元的身份信息及所有標(biāo)記點(diǎn)的中心位置.本文提出以下標(biāo)記點(diǎn)自動(dòng)檢測(cè)算法.為保證標(biāo)記點(diǎn)提取的準(zhǔn)確性,本文全面結(jié)合標(biāo)記點(diǎn)的尺寸、形狀、灰度變化及位置分布等各種特征在最小二乘模板匹配的基礎(chǔ)上添加一系列準(zhǔn)則來排除圖像中的非標(biāo)記點(diǎn)目標(biāo).然后,在文獻(xiàn)的基礎(chǔ)上提出了一種改進(jìn)的編碼元身份識(shí)別方法,將非編碼元與編碼元分類.最后采用定位精度高且易于實(shí)現(xiàn)的質(zhì)心法進(jìn)行標(biāo)記點(diǎn)的亞像素定位.1特征的標(biāo)記分析1.1圓形標(biāo)記成像法本文采用的非編碼元如圖1所示.內(nèi)部圓形為待檢測(cè)的“目標(biāo)點(diǎn)”.利用前景(白色)與背景(黑色)之間灰度的強(qiáng)烈對(duì)比,易于實(shí)現(xiàn)“目標(biāo)點(diǎn)”的自動(dòng)識(shí)別.圓形標(biāo)記成像后呈橢圓狀,橢圓的中心對(duì)應(yīng)于圓形標(biāo)記的中心.文中所采用非編碼元“目標(biāo)點(diǎn)”的直徑為5mm,背景所在圓環(huán)外徑為10mm.1.2編碼元的解碼本文采用文獻(xiàn)中提出的編碼元.如圖2(a)所示,編碼元中心為圓形“目標(biāo)點(diǎn)”.“目標(biāo)點(diǎn)”周圍為與其同心的分段環(huán)狀區(qū)域,用來確定編碼元的身份信息,稱為“編碼帶”.該圓環(huán)按照角度平均分為15份,每份24°,相當(dāng)于一個(gè)二進(jìn)制位.每一位可以取前景色(白色)或背景色(黑色),相應(yīng)的二進(jìn)制碼為“1”或“0”,如圖2(b)所示.編碼元的解碼詳見2.2節(jié),編碼元各部分尺寸如圖2(c)所示.2編碼元的分類本文的標(biāo)記點(diǎn)自動(dòng)檢測(cè)算法主要包括以下3個(gè)主要過程:①標(biāo)記點(diǎn)目標(biāo)的提取;②編碼元身份識(shí)別及非編碼元與編碼元的分類;③標(biāo)記點(diǎn)中心的亞像素定位.前兩步為標(biāo)記點(diǎn)的識(shí)別,第三步完成標(biāo)記點(diǎn)的定位.2.1標(biāo)記點(diǎn)目標(biāo)提取非編碼元及編碼元的“目標(biāo)點(diǎn)”是自動(dòng)提取的目標(biāo),兩者為大小相同的圓形,經(jīng)CCD成像后呈橢圓狀.因此,標(biāo)記點(diǎn)目標(biāo)提取的任務(wù)就是從圖像中提取滿足標(biāo)記點(diǎn)特征的橢圓目標(biāo).本節(jié)首先采用Canny算子進(jìn)行圖像分割,在圖像中提取代表不同區(qū)域的輪廓信息,然后提出以下幾個(gè)判斷準(zhǔn)則來提取滿足條件的橢圓輪廓.(1)投影角度對(duì)系統(tǒng)輪廓長(zhǎng)度的影響目標(biāo)點(diǎn)成像后變?yōu)闄E圓,投影角度(即標(biāo)記點(diǎn)所在平面的法線方向與投影方向的夾角)在0°～70°之間時(shí),圖像中橢圓輪廓的周長(zhǎng)P應(yīng)滿足Ρmin≤Ρ≤Ρmax(1)式中,Pmin、Pmax分別是投影角度在0°～70°之間時(shí)輪廓周長(zhǎng)可能的最小值和最大值.需要指出的是,從不同角度對(duì)場(chǎng)景進(jìn)行拍攝時(shí),不可避免地會(huì)使某些標(biāo)記點(diǎn)在某些圖像中的投影角度大于70°,后續(xù)應(yīng)用中一般不希望利用這些標(biāo)記點(diǎn),因?yàn)檫^大的投影角度不但使識(shí)別的穩(wěn)定性降低,而且也使目標(biāo)點(diǎn)的中心位置精度降低.因此,這里只考慮投影角度在0°～70°之間的周長(zhǎng)變化.(2)pse41.5.2穩(wěn)定邊緣輪廓的提取首先,橢圓輪廓應(yīng)為規(guī)則的凸性封閉輪廓.其次,當(dāng)投影角度小于70°時(shí),橢圓圓度Cellipse應(yīng)滿足1.0≤Cellipse4π≤1.5(2)最后,采用魯棒性最小二乘橢圓擬合方法來匹配圖像中剩余的輪廓.最小二乘擬合誤差ε滿足式(3)為候選橢圓ε≤εmax(3)式中,εmax為誤差允許的最大值.圖3(a)所示為放有標(biāo)記點(diǎn)的顯示器的局部圖像,圖3(b)為該圖像經(jīng)Canny邊緣檢測(cè)提取的邊緣輪廓.圖3(c)和圖3(d)是按照順序采用尺寸準(zhǔn)則和形狀準(zhǔn)則對(duì)圖3(b)過濾的結(jié)果.(3)橢圓e1、k本文采用的標(biāo)記點(diǎn)目標(biāo)前景(白色)與背景(黑色)對(duì)比度強(qiáng)烈.這是標(biāo)記點(diǎn)目標(biāo)區(qū)別于其他非標(biāo)記點(diǎn)目標(biāo)的顯著特征.本節(jié)根據(jù)標(biāo)記點(diǎn)的這種灰度特征來進(jìn)一步排除非標(biāo)記點(diǎn)目標(biāo),可將真實(shí)場(chǎng)景中一些具有橢園形狀或者與橢園形狀接近的非標(biāo)記點(diǎn)目標(biāo)排除.如圖4所示,若E1為標(biāo)記點(diǎn)中心圓形輪廓,E2為與E1同心、直徑為10mm的圓.E′1、E′2分別為E1、E2成像后的橢圓.由于標(biāo)記點(diǎn)所在區(qū)域的深度變化遠(yuǎn)小于它到相機(jī)的距離,其成像過程可用近似仿射變換來表示.因此,橢圓E′2的中心和旋轉(zhuǎn)角度應(yīng)與橢圓E′1相同,長(zhǎng)短軸長(zhǎng)度可由式(4)求得{aE′2=aE′1×kbE′2=bE′1×k(4)式中,k=rE2/rE1,rE1、rE2分別是E1、E2的半徑,rE1=5mm,rE2=10mm,aE′1、bE′1分別表示已擬合的橢圓E′1的長(zhǎng)軸和短軸長(zhǎng)度,aE′2、bE′2分別表示橢圓E′2的長(zhǎng)軸和短軸長(zhǎng)度.顯然,對(duì)所有標(biāo)記點(diǎn),橢圓E′1內(nèi)部Sforeground區(qū)域?yàn)榍熬?像素點(diǎn)灰度趨向白色;E′1和E′2之間的環(huán)狀區(qū)域Sbackground為背景,像素點(diǎn)灰度趨向黑色,且兩者對(duì)比度應(yīng)足夠大.分別以Sforeground區(qū)域內(nèi)像素點(diǎn)的灰度均值Mf作為前景灰度,Sbackground區(qū)域內(nèi)像素灰度均值Mb作為背景灰度,則Mf和Mb應(yīng)滿足{Μf≥ΜtΜb≤ΜtΜf-Μb≥ΔΜt(5)式中,Mt為區(qū)分前景灰度與背景灰度的閾值,ΔMt為前景灰度與背景灰度之差應(yīng)滿足的最小值.方差表示的是區(qū)域內(nèi)各像素灰度值與均值的偏差.若區(qū)域內(nèi)像素灰度均勻,則各像素灰度值與均值的偏差應(yīng)該很小,即方差足夠小.因此,為保證均勻性,Sforeground區(qū)域內(nèi)像素灰度的方差Vf及Sbackground區(qū)域內(nèi)像素灰度的方差Vb應(yīng)滿足{Vf≤δfVb≤δb(6)式中,δf、δb分別為Sforeground和Sbackground區(qū)域內(nèi)允許的最大灰度方差.對(duì)所有經(jīng)最小二乘擬合出來的橢圓,都假設(shè)存在這樣的兩個(gè)區(qū)域Sforeground和Sbackground,計(jì)算這兩個(gè)區(qū)域內(nèi)像素灰度的均值和方差,滿足式(5)和(6)方為候選標(biāo)記點(diǎn)目標(biāo).圖3(e)為將圖3(d)中輪廓通過該準(zhǔn)則過濾后的結(jié)果,可見,本例中非編碼元與顯示器表面之間的邊界不滿足該灰度準(zhǔn)則,因而可以被排除.(4)標(biāo)記點(diǎn)目標(biāo)提取上述各準(zhǔn)則的應(yīng)用將大量不滿足標(biāo)記點(diǎn)目標(biāo)特征的輪廓剔除,但是編碼元周圍“編碼帶”上的小塊經(jīng)常會(huì)滿足以上各準(zhǔn)則而無法將其排除(如圖3(e)所示).這些小塊的輪廓處于某個(gè)編碼元的“編碼帶”上,因此輪廓中心與該編碼元中心的距離較小.采用2.2節(jié)的方法將編碼元與非編碼元分類后,計(jì)算非編碼元與編碼元中心距離d,如果滿足式(7),則剔除該目標(biāo)點(diǎn).d≤dmax(7)式(7)中,dmax取編碼元“編碼帶”外邊界上像素點(diǎn)距編碼元中心的最大距離,即“編碼帶”外邊界橢圓長(zhǎng)軸的長(zhǎng)度.需要注意的是,位置準(zhǔn)則是在編碼元的解碼過程完成之后進(jìn)行的,關(guān)于編碼元的解碼算法見稍后的2.2節(jié).圖3(f)給出了圖3(e)經(jīng)位置準(zhǔn)則過濾的結(jié)果.在近景攝影測(cè)量中,要求標(biāo)記點(diǎn)提取算法能夠有效地排除非標(biāo)記點(diǎn)目標(biāo).因?yàn)闃?biāo)記點(diǎn)提取作為近景攝影測(cè)量的首要步驟,該過程中被錯(cuò)誤提取的目標(biāo)將會(huì)影響后續(xù)的對(duì)應(yīng)匹配和三維重建算法,從而產(chǎn)生不正確的三維重建結(jié)果.本節(jié)標(biāo)記點(diǎn)目標(biāo)提取算法的優(yōu)點(diǎn)在于全面結(jié)合了標(biāo)記點(diǎn)目標(biāo)的各種特征,不僅包括標(biāo)記點(diǎn)的幾何特征(尺寸和形狀),還包括文中采用標(biāo)記點(diǎn)的灰度特征以及標(biāo)記點(diǎn)在待測(cè)物體表面的分布情況,因而能夠準(zhǔn)確地提取標(biāo)記點(diǎn)目標(biāo),更多實(shí)驗(yàn)分析見3.1節(jié).2.2改進(jìn)編碼識(shí)別方法本節(jié)根據(jù)編碼元編碼帶上的灰度變化,進(jìn)行編碼元的身份識(shí)別,同時(shí)將非編碼元與編碼元分類.如圖5所示,若D為識(shí)別出的橢圓目標(biāo),A、C分別為對(duì)應(yīng)于編碼帶外邊界和內(nèi)邊界的橢圓,橢圓B位于A和C中間.文獻(xiàn)將橢圓B映射為一個(gè)單位圓,使得單位圓上各像素的灰度與B上的像素灰度一一對(duì)應(yīng),然后在此單位圓上尋找一個(gè)起始點(diǎn),每隔24°對(duì)各二進(jìn)制位進(jìn)行解碼,從而獲得編碼元的ID.這種方法僅用單像素寬橢圓B上的灰度變化來確定編碼元的編碼,而沒有考慮整個(gè)“編碼帶”的影響,受噪聲等因素影響較大.如圖6(a)所示為一個(gè)現(xiàn)場(chǎng)測(cè)量環(huán)境造成的表面帶有污點(diǎn)的編碼元圖像,為便于觀察,將該編碼元“編碼帶”上的像素變換到圖6(b)所示矩形上顯示,橢圓B上像素對(duì)應(yīng)圖6(b)矩形在BB線上的像素.圖6(c)中虛線表示了橢圓B上各二進(jìn)制位的灰度值變化.由于污點(diǎn)的影響,第4位上大部分像素灰度更趨向于背景灰度,從而導(dǎo)致編碼錯(cuò)誤.本文在文獻(xiàn)方法的基礎(chǔ)上提出了一種改進(jìn)的編碼識(shí)別方法.如圖5所示,直線OTB是橢圓B上的一個(gè)像素點(diǎn)TB與橢圓中心O確定的一條直線,OTB與橢圓A、C的交點(diǎn)分別為TA、TC,將線段TATC上所有像素按照灰度大小進(jìn)行排序,取灰度值居中的像素灰度作為像素點(diǎn)TB的灰度,用式(8)表示,即ΙB=Ιm=median{fAC}(8)式(8)中,fAC表示線段AC上各像素的灰度值.這種方法相當(dāng)于對(duì)點(diǎn)TB在一個(gè)線形窗口內(nèi)進(jìn)行一次中值濾波.采用中值濾波后橢圓B上新的灰度值來確定編碼元每一位的二進(jìn)制碼,考慮了編碼帶內(nèi)所有像素的灰度值,能夠消除孤立噪聲的影響.圖6(c)實(shí)線所示為橢圓B上新的灰度值.可見,第4位的像素灰度正確,取中值的方法消除了噪聲的影響.對(duì)大量的現(xiàn)場(chǎng)拍攝圖像的處理結(jié)果表明,這一方法對(duì)提高編碼元身份識(shí)別的魯棒性十分有效.本文編碼元識(shí)別算法的具體實(shí)現(xiàn)步驟如下:(1)采用2.1節(jié)的方法,根據(jù)擬合出的橢圓D(如圖5所示)計(jì)算橢圓B、C的參數(shù)(包括橢圓中心坐標(biāo)、長(zhǎng)短軸及旋轉(zhuǎn)角),并進(jìn)一步獲得橢圓B、C上各像素點(diǎn)的位置坐標(biāo).(2)以D所包圍的區(qū)域內(nèi)所有像素灰度的中值作為前景灰度,C和D之間區(qū)域內(nèi)所有像素灰度的中值作為背景灰度.前景灰度與背景灰度的均值作為閾值,用于后續(xù)確定編碼元各二進(jìn)制位的碼值.(3)采用以上討論的中值濾波方法得到橢圓B上各像素點(diǎn)的新灰度值.(4)如圖7所示,對(duì)坐標(biāo)系xy中橢圓B上各點(diǎn)按照式(9)做逆仿射變換,使橢圓B對(duì)應(yīng)坐標(biāo)系x′y′中的單位圓.X″=[a-1b-1][cosαsinα-sinαcosα](X-Xo)(9)式中,X″是與TB對(duì)應(yīng)的單位圓上點(diǎn)的坐標(biāo),X是點(diǎn)TB的坐標(biāo),Xo是橢圓B的中心O的坐標(biāo),a、b分別是橢圓B的長(zhǎng)軸和短軸的長(zhǎng)度,α是橢圓B的旋轉(zhuǎn)角.(5)對(duì)單位圓上像素作二值化處理,取其中的一個(gè)邊緣點(diǎn)作為起始點(diǎn).(6)從起始點(diǎn)開始,按照順時(shí)針順序在該單位圓上每隔24°作為一個(gè)二進(jìn)制位,計(jì)算各位內(nèi)所有像素點(diǎn)的平均灰度值.若某位的灰度平均值大于閾值,則該位取二進(jìn)制碼為“1”;否則取“0”.從而可以得到編碼元的一個(gè)二進(jìn)制編碼.選取的起始點(diǎn)不同,編碼元所對(duì)應(yīng)的二進(jìn)制碼也不一樣,即每個(gè)編碼元可能對(duì)應(yīng)15種不同的二進(jìn)制碼,每個(gè)二進(jìn)制碼對(duì)應(yīng)一個(gè)十進(jìn)制數(shù),取其中最小的十進(jìn)制數(shù)為編碼元的ID,本文將所有編碼元的編號(hào)保存于查找表中.在查找表中查找該ID號(hào),若存在說明該目標(biāo)為編碼元,否則為非編碼元.2.3標(biāo)記點(diǎn)的定位文獻(xiàn)中對(duì)幾種亞像素定位方法進(jìn)行了比較,其中質(zhì)心法是一種易于實(shí)現(xiàn)且精度較高的方法,本文采用這種方法按照式(10)來進(jìn)行標(biāo)記點(diǎn)的定位.式中,(xc,yc)為標(biāo)記點(diǎn)中心坐標(biāo),Ii,j為區(qū)域內(nèi)像素點(diǎn)(i,j)的灰度值.{xc=∑j∑ii?Ιi,j/∑j∑iΙi,jyc=∑j∑ij?Ιi,j/∑j∑iΙi,j(10)3實(shí)驗(yàn)數(shù)據(jù)及分析本文提出的算法已采用VC++實(shí)現(xiàn).本節(jié)設(shè)計(jì)兩個(gè)實(shí)驗(yàn)分別驗(yàn)證標(biāo)記點(diǎn)提取算法和編碼元識(shí)別算法.以下實(shí)驗(yàn)數(shù)據(jù)均為在主頻2.6GHz、內(nèi)存512MB的PentiumIV微機(jī)上的實(shí)驗(yàn)結(jié)果.文中實(shí)際圖像從Nikon數(shù)碼相機(jī)(分辨率4256×2848)獲得.3.1標(biāo)記點(diǎn)識(shí)別的準(zhǔn)確性分析本節(jié)通過仿真圖像和實(shí)際圖像來驗(yàn)證標(biāo)記點(diǎn)提取算法.以下識(shí)別率Prec指的是識(shí)別出的正確的標(biāo)記點(diǎn)目標(biāo)個(gè)數(shù)與圖像中總的標(biāo)記點(diǎn)目標(biāo)個(gè)數(shù)之比,識(shí)別錯(cuò)誤率Prec-error指誤識(shí)別出的非標(biāo)記點(diǎn)目標(biāo)個(gè)數(shù)與識(shí)別出的非標(biāo)記點(diǎn)目標(biāo)總和之比.首先構(gòu)造兩個(gè)系列的仿真圖像分別考察投影角度和噪聲對(duì)算法的影響.仿真圖像的大小均為480×320.第一系列分為8組,每組包括30幅圖像(共240幅).該系列的圖像用來考察投影角度的影響,各組分別為標(biāo)記點(diǎn)的投影角度θ取0°～70°(間隔10°)之間各值的圖像.圖8表示了投影角度改變時(shí)識(shí)別率的變化趨勢(shì),可見,本文算法能保持較高的識(shí)別率.從圖9(a)中的曲線可以看出隨著噪聲百分比Pnoise的增大,本文算法的識(shí)別率有所降低,但在噪聲百分比為5%時(shí),識(shí)別率仍在90%左右.從圖9(b)中可以看出,本文算法受噪聲的影響小,錯(cuò)誤率很低,這是因?yàn)楸疚牟粌H考慮了標(biāo)記點(diǎn)的幾何特征,還考慮了標(biāo)記點(diǎn)的灰度變化和位置分布特征,保證了識(shí)別的準(zhǔn)確性.在目前已有的參考文獻(xiàn)中,文獻(xiàn)考慮了利用前景與背景之間的對(duì)比度來提取標(biāo)記點(diǎn)目標(biāo),而未提出具體的應(yīng)用方法,且沒有考慮標(biāo)記點(diǎn)目標(biāo)前景與背景灰度的均勻性;其余的參考文獻(xiàn)均未采用灰度準(zhǔn)則和位置準(zhǔn)則.本文還給出兩個(gè)不同類型的實(shí)際場(chǎng)景來驗(yàn)證標(biāo)記點(diǎn)提取算法.場(chǎng)景1在放置于水磨石地面的工程中常見金屬材質(zhì)零件表面分布標(biāo)記點(diǎn),場(chǎng)景2在放置于水磨石地面的顯示器表面分布標(biāo)記點(diǎn).顯示器頂部大量的散熱孔及水磨石地面可能對(duì)標(biāo)記點(diǎn)提取算法產(chǎn)生干擾,設(shè)計(jì)這兩個(gè)場(chǎng)景在一定程度上可以考察本文標(biāo)記點(diǎn)提取算法的準(zhǔn)確性.本節(jié)對(duì)每個(gè)場(chǎng)景取不同角度的50幅圖像(共100幅)進(jìn)行識(shí)別.圖10(a)為場(chǎng)景1在零件表面曲率較大的局部檢測(cè)結(jié)果,圖10(b)為場(chǎng)景2在顯示器的一角受頂部散熱孔和水磨石地面影響時(shí)的檢測(cè)結(jié)果.表1對(duì)仿真圖像和實(shí)際圖像的識(shí)別率Prec、識(shí)別錯(cuò)誤率Prec-error及運(yùn)行時(shí)間進(jìn)行統(tǒng)計(jì).可以看出,應(yīng)用該算法對(duì)圖像進(jìn)行標(biāo)記點(diǎn)提取,能夠達(dá)到很高的識(shí)別率,且產(chǎn)生錯(cuò)誤的概率低.在不添加位置準(zhǔn)則和灰度準(zhǔn)則的情況下,則會(huì)產(chǎn)生許多不正確的識(shí)別結(jié)果.圖11(a)為圖10(a)不采用位置準(zhǔn)則時(shí)提取的結(jié)果,編碼元“編碼帶”上的小塊(如Ⅰ、Ⅱ、Ⅲ處)被錯(cuò)誤提取.如圖11(b)為圖10(b)在不采用灰度規(guī)則時(shí)的提取結(jié)果,水磨石地面的一些斑點(diǎn)如Ⅳ、Ⅴ和Ⅵ處被誤認(rèn)為標(biāo)記點(diǎn).表1的結(jié)果顯示應(yīng)用本文算法在仿真圖像中檢測(cè)標(biāo)記點(diǎn)的速率很快.對(duì)實(shí)際高分辨率圖像進(jìn)行識(shí)別時(shí),運(yùn)行時(shí)間約為3s.表1的結(jié)果還表明本文算法能夠正確對(duì)編碼元和非編碼元進(jìn)行分類,分類的錯(cuò)誤概率很小.3.2編碼元識(shí)別算法在