《数字图像处理及识别算法研究与实现》由会员分享，可在线阅读，更多相关《数字图像处理及识别算法研究与实现（62页珍藏版）》请在金锄头文库上搜索。
1、新疆大学硕士学位论文数字图像处理及识别算法研究与实现姓名：吴小艳申请学位级别：硕士专业：控制理论与控制工程指导教师：王维庆20050610摘要Yf 9 0 6 9 5 1摘要数字图像处理是近几年研究的一个热点，其发展与广泛应用进一步提高了自动化的程度。本文首先介绍了数字图像处理的主要方法及主要内容，矩的概念及其所具有的数学上的简明性及多样性的特点，依此确定了采用不变矩作为特征量的特征匹配算法。在此基础上设计程序流程，编写程序，用软件实现了基本的数字图像处理操作及对数字字符识别。经过实验，得出图像点运算、图像增强和边缘检测技术各自不同算法的优点及缺点，以便在今后的研究及应用中使用。该软件的识别部
2、分是对O 9 的数字识别，识别结果验证了不变矩应用于图像识别的计算简单、运算速度快和准确率高等特点，从而证明，该算法的选择是正确的，有效的。将不变矩技术应用于数字字符识别是本课题的创新之处，具有理论价值及实际应用价值。关键字：数字图像处理不变矩字符识别论文类型：应用研究新疆大学硕士学位论文A b s t r a c tD i g i t a lI m a g eP r o c e s s i n gi so n eo fh o tr e a c hf i e l d si nr e c e n ty e a r s I t sd e v e l o p m e n ta n dw i d ea
3、 p p l i c a t i o ne n h a n c et h el e v e lo fa u t o m a t i o n F i r s t l y ,t h i sp a p e ri n t r o d u c e sm a i nm e t h o d sa n dc o n t e n t so f D i g i t a lI m a g eP r o c e s s i n g S e c o n d l yi ti n t r o d u c e st h ec o n c e p to fm o m e n ti n v a r i a n t sa n di
4、 t sc o n c i s e n e s sa n dd i v e r s i t y , o nw h i c ht h ea l g o r i t h m so fd e v e l o p i n gt h ea p p l i c a t i o ns o R w a l ef o rp r o c e s s i n ga n di d e n t i f i c a t i o no f c U g i t a li m a g ea l em a d ec e r t a i n B a s e do ni t ,t h ew o r ko fd e s i g n i
5、 n gt h ep r o g r a mo f f l o wc h a r ta n dc o m p i l i n gt h ep r o g r a mi sc o n t i n u e d T h ep r o g r a mc a l li m p l e m e n tb a s a lo p e r a t i o no fD i g i t a lI m a g eP r o c e s s i n g A t t h es a m et i m e ，i tc a l li d e n t i f yt h en u m b e ro fz e r ot on i n
6、 e B yt e s t i n g ，i tc a l lb eg o tt h em e r i ta n dd e t e c to fi m a g ep o i n to p e r a t i o n , i m a g ee n h a n c e m e n ta n de d g ed e t e c t i o n S oa st op e o p l ec a nu s ei ta ts t I l _ d y i n ga n da p p l y i n gh e n c e f o r t h I d e n t i f i c a t i o np a r to
7、 ft h ep r o g r a mi st oi d e n t i f yt h en u m b e ro fz e r ot on i n e T h er e s u l to ft h ep r o g r a mv a l i d a t e sm o m e n ti n v a d a n t s m e r i tt h a tb r i e f n e s s ，f a s ta n dn i c e t y S oi tC a l lb ev a l i d a t e dt h a tt h ea l g o r i t h m sa l ec o r r e c
8、 ta n de f f e c t i v e T h ea p p l i c a t i o no ft h et e c h n o l o g yo fm o m e n ti n v a r i a n t st oi d e n t i f i c a t i o ni st h ei n n o v a t i o no ft h i sp a p e r , w h i c hh a sc e r t a i nt h e o r e t i c a la n dp r a c t i c a lv a l u e K e yw o r d s ：D i g i t a lI
9、 m a g eP m c e s s m g ，m o m e n ti n v a l i a n t s ，i m a g ei d e n t i f i c a t i o nB p eo ft h e s i s ：A p p l i e dm s e a r c h第一章绪论第一章绪论图像识别技术创始于五十年代后期，在六十年代初开始崛起，经过2 0 多年的发展，尤其是随着微电子技术和计算机技术的蓬勃发展，图像识别己受到许多学科的广泛重视，在科研与生产的众多领域得到广泛应用。图像识别，主要是研究用计算机代替人类自动处理大量物理信息，解决人类生理器官所不能解决的问题，从而部分代替人的
10、脑力劳动。在这一章中，我们首先讨论图像识别的客体图像的一些重要概念，以及从图像到图像工程的发展历程，图像识别和图像理解之间的辩证关系，展望图像识别技术应用的发展趋势，并简要介绍以下各章的内容。1 1 从图像到图像工程1 1 1 图像和数字图像图像对我们并不陌生，它是用各种观测系统以不同形式和手段观测客观世界而获得的，可以直接或间接作用于人眼并进而产生视知觉的实体。客观世界在空间上是三维( 3 D ) 的，但一般从客观景物得到的图像是二维( 2 一D ) 的。常见的图像是连续的，为了能用计算机对图像进行加工，需要对其进行数字化处理，由此得到数字图像。一幅数字图像就是一个被量化的采样数值的二维矩阵
11、。设连续图像f ( x ，y ) 经过等间隔抽样以后，可以用一个离散量组成的矩阵来表示：f ( x ，_ y ) “f ( O ，0 )f ( 1 ，0 )f ( O ，1 )f ( 1 ，1 )f ( O ，月一1 )f ( 1 ，“ 一1 )f ( n 一1 ，0 )f ( n - l ，H 一1 )矩阵中的每一个元素称作像元、像素或图像元素。而厂( x ，y ) 代表( x ，_ y )点的灰度值，即亮度值。以上数字化模型有以下几点需要说明：新疆大学硕士学位论文1 、由于f ( x ，Y ) 代表该点图像的光强度，而光是能量的一种形式f ( x ，Y ) 必须大于零，且为有限值，即0 M
12、 ，W N ) 。匹配的过程是设法把模板丁叠加在图像，上，并比较r 与它覆盖下的，的子图像的差别。若差别小于某事先设定的阈值则认为丁在该处与，的子图像有较好的匹配，即找到了目标对象。对待匹配的整幅图像按逐个象素扫描并实施上述操作，则可确定图像，中是否存在或存在多少个模板丁所确定的目标对象。匹配过程的数学描述为：新疆大学硕士学位论文D ( i ，) = E E l i ( 珊，即) 一丁( 肌，”) f( 1 - 2 )m = ln = l或D ( i ，) ：乃( m ，行) 一2 Z Z ! 。( m ，”) T ( m , n ) + 丁2 ( m ，”) m = ln = l( 1 3
13、)其中第一项和第三项分别表示图像I 的对应子集和模板T 的自相关性。第二项则给出了两者的互相关性。此项越大则D ( i ，J ) 的值越小，表示图像的子图像与模板的匹配程度越好。D ( i ，) 为零说明两者完全匹配。上述传统模板匹配算法有以下不足之处：l 、计算量大，( 1 - 2 ) 式的计算较复杂，计算量随T 所包含的象素增加而迅速增大，而且执行匹配运算的次数随着图像的大小而增多， 匹配效率不高。 2 、图像中景物的平均灰度值的变化会影响匹配结果的正确性。3 、对于图像中景物的方位旋转和尺度缩放的不适应性。 因为H u 矩具有数学上的简明性及多样性的特点，依此本论文确定采 用H u 矩作
14、为特征量的特征匹配算法，识别结果验证了H u 矩应用于图像 识别的计算简单、运算速度快和准确率高等特点，可以很好得解决传统的 模板匹配法所存在的不足。所以，本课题具有理论价值及实际应用价值。本论文的主要工作为：l 、数字图像处理与识别系统设计，从数字图像处理与识别系统设计的方案开始，综合运用了图像点处理、图像增强和边缘检测技术设计程序流程图。2 、用v c + + 实现上述图像处理操作，并通过实验结果，得出各种算法的作用，以方便今后在使用该软件时对图像进行正确地图像预处理。3 、讨论了H u 矩用于数字图像识别的可行性，设计程序流程并用软件实现数字识别，具有一定理论及实际应用价值，为今后的研究
15、指明了方向，所以这是具有重大意义的。6第二章常用图像点运算技术及算法分析第二章常用图像点运算技术及算法分析点运算“1 ( P o i n to p e r a t i o n ) 是一种既简单又重要的技术，它能让用户改变图像数据占据的灰度范围。一幅输入图像经过点运算后将产生一幅新的输出图像，由输入象素点的灰度值决定相应的输出象素点的灰度值。点运算可以按照预定的方式改变一幅图像的灰度直方图。除了灰度级的改变是根据某种特定的灰度变换函数进行之外，点运算可以看作是“从象素到象素”的复制操作。点运算可以表示为：g ( x ，y ) = E H f ( x ，y ) ( 2 - 1 )其中和g 分别为输
16、入图像和输出图像，而E H 代表增强操作。如果E H 是定义在每个( z ，Y ) 上的，则E H 是点操作。基于点操作的增强方法也叫灰度变换，下面介绍几种灰度变换算法，将， 中的每个象素按E H操作直接变换以得到譬国。2 1 灰度直方图在数字图像处理中，一个最简单和有用的工具是灰度直方图，它概括了一幅图像的灰度级内容。任何一幅图像的直方图都包括了可观的信息，某些类型的图像还可由其直方图完全描述。直方图的计算是简单的，特别是当一幅图像从一个地方被复制到另一个地方时，直方图的计算可以用非常低的代价来完成。2 1 1 定义灰度直方图“1 是灰度级的函数，描述的是图像中具有该灰度级的象素的个数，其横坐标是灰度级，纵坐标是该灰度级出现的频率( 象素的个新疆大学硕士学位论文数) ，图2 - 1 为一个示例。图2 - 1 一幅图像及其灰度直方图2 1 2 直方图的性质l 、直方图没有位置信息直方图描述了每个灰度级具有的象素的个数，但不能为这些象素在图像中的位置提供任何线索。因此，任何一幅
