图像目标识别中若干关键技术地研究.pdf

描要 结构元素进行编码、交叉、变异等遗传操作，就可以得到最优的结构元素。在 应用到边缘检测上时，需要先对与被检测图像相似的样本图像进行学习。用学 习后得到的最优结构元素进行边缘检测，就可得到满意的边缘图像．实验结果 表明：用遗传算法对结构元素进行优化选取，无需人为干预，完全可以实现多 尺度形态学对边缘检测的自适应性。 另一种用于目标识别的特征是骨架。基于中轴变换，提出了一种具有抗干 扰能力的二值图像骨架提取算法。不同于传统的中轴变换提取骨架的方法，以 前的方法只是根据最大正方形的边长来判断骨架像素，而该方法是通过计算耳 韧i像素内的最大邻域的所有像素的个数来进行中轴变换，然后判断骨架点，最 历提耿骨架。在被噪声干扰的图像内提取骨架一直足骨架提取的难点。在该方 法中，只需通过设定一个阈值，就可以完成对噪声图像的骨架提取，抗干扰能 力强。实验结果表明：该方法能够准确地对各类二值图像进行骨架提取，方法 简单，骨架的连通性也较好，更重要的是该方法具有鲁棒性，在保证骨架完整 性的同时，滤除了背景噪声，表现出比传统的基于最大正方形中轴变换的骨架 提取方法更好的特性。 第二方面的内容是目标识别，包括大目标识别和小目标识别。 在大目标识别上，主要应用的技术是匹配技术。在判断空