基于模板匹配的图像识别系统的设计与实现.docVIP

摘 要 信息时代带来了大量的数据信息，对计算机的处理效率有了更高的要求。相应地，人们对图像识别的应用需求更加迫切，从而也带动了图像处理与识别技术的发展。 而近几十年来，人们已经对图像识别技术进行了深刻的探索。图像处理与识别技术起始于20世纪20年代。但当时的图像处理技术只是用于远距离传输图像，保证伦敦与纽约之间的图片质量且加快其信息传输速度。而用图像处理技术改善图片质量的应用始于1964年美国喷射推进实验室对“徘徊者七号”的月球照片处理和利用。在20世纪60年代末至70年代中期，随着计算机技术和人工智能、思维科学研究在速度、规模和经济效果上的改进，同时由于离散数学理论的创立和完善，数字图像处理技术发展很快，研究的层面也越发丰富，成为了一门独立的新学科。社会上也出现了许多相关的新理论、新方法。到20世纪80年代末，数字图像处理技术更加成熟。进入90年代，图像处理技术已经涉及到人们生活和社会发展的各个方面。进入21世纪后，随着多媒体和网络技术的迅速发展，图像处理技术在高科技领域得到了进一步的发展和应用，更深刻地改变人们的生活方式和社会结构。 本文正是在这样的背景下进行基于模板匹配的图像识别方法的研究和系统设计的。论文的前两个章节为理论基础部分，阐述图像处理和识别的发展历程、应用现状以及研究所涉及的相关概念如图像、图像处理、图像识别、图像识别系统以及MATLAB的功能特点等。重点介绍了图像的预处理方法、模板匹配算法。第三个章节为系统的设计与实现部分，展示了该系统所在平台MATLAB的优势特点、系统设计的具体步骤、编写的代码及代码解释，最后根据运行的系统结果对模板匹配算法的优缺点进行了总结。 综 述 （一）课题研究的背景及意义 1．课题研究的背景 现实生活中，有许多可为我们感知的信号，其中，视觉刺激是形成人类认识最重要的信息来源。有关研究显示，视觉是大脑信息的主要来源，其所占比例为83%。眼睛会发送相当数量的信息供大脑分析和处理。受到光线的刺激，物体在视网膜上成像，然后由感光细胞转换成脉冲信号，经神经细胞传入大脑皮层进行处理。这个过程涵盖了从视觉信息的获取到理解的内容。有的信息是可以轻易被识别的，但是，伴随着经济社会的进步，我们需要获取更多的信息，而有些信息仅仅依靠人眼观察、人脑解决也更加困难，甚至是不可能做到的。所幸计算机技术的发展为我们解决这些问题带来了福音。人们因此能够把现实中获得的图像信息等数字化，在计算机上对获得的图像进行更加细致地处理，从而也带动了图像处理与识别技术的发展。 2．课题研究的意义 信息时代带来了大量的数据信息，对计算机的处理效率有了更高的要求。相应地，人们对图像识别的应用需求更加迫切，从而出现了许多以图像识别为基本功能的适用于不同领域的各种系统，如：地理信息系统、办公自动化系统、人脸识别、指纹识别、手写汉字识别、遥感图像识别领域、通讯领域、军事、公安刑侦领域、机器视觉领域等。同时，在物种不断减少、许多传统文化渐渐消亡的现在，图像识别有助于我们及时发现濒危物种或濒危文化并进行保存或保护。而对于个人来说，图像识别技术也可帮助他们把珍贵的事物如照片、笔迹等等保存在计算机上，世代流传下去。 图像识别技术方面的研究仍然是研究者们的研究重点，因为仍然存在着许多待解决的问题。但如果未来的图像识别技术能够发展完善，那完全可以掀起人类又一次的工业革命，简单说就是计算机的“眼睛”代替人眼去识别事物。未来完善的图像识别技术加上工业自动化技术甚至可以使全体人类摆脱“体力劳动” ！ （二）图像识别技术的发展及研究现状 1．图像识别技术发展历程 计算机自动处理有关数字图像信息，为人类完成图像识别和分类提供帮助，这些都是图像识别的目标。其研究起源于20世纪20年代；而近几十年来，有关图像识别技术的研究已经较为深入。由于有关计算机技术和人工智能以及思维科学的研究在规模、速度和效率上有较快发展，而离散数学理论也已被创立和完善，数字图像处理技术*.bmp); J=rgb2gray(I); 图像的第二种预处理方法则是滤波，包括图像平滑和图像锐化。滤波是指消除图像背景和系统噪声的干扰。图像锐化，这是为了使目标物体的边缘鲜明，便于分析轮廓灯信息。而图像平滑主要是处理图像中随机的噪声点，去除在图像采集和传输的过程中进入的噪音。滤波算法的研究已相当成熟，种类也相当之多，比如说卡尔曼滤波器、匹配滤波、限幅滤波法、滑动平均滤波法等等。其中，卡尔曼滤波器是一个最优化自回归数据处理算法。 （二）模板匹配算法原理 1．图像识别模型 人们曾经提出过不同的图像识别模型，模板匹配模型是其中最简单的一种。它认为，一幅已知的具有标准尺寸和标准内容的图像就是模板。若目标图像的特征与已知模板相匹配，目标图像也就被识别了。比如说有一个数字2，若记忆中的这个2的各种特征都与目