物联网识别技术 教学课件 作者 丁明跃 物联网-第五章.pptVIP

*;图像滤波与去噪 图像分割技术 特征提取 分类器设计;第一节 图像滤波与去噪;空间域滤波去噪;变换域去噪方法; 小波变换和图像滤波去噪;小波阈值去噪法的理论依据 信号的小波系数幅值大于噪声的系数幅值。幅值比较小的系数很大程度上是噪声。因此设定阈值可以把信号系数保留，噪声系数归零。 小波阈值图像去噪过程 将带噪图像在各尺度上进行小波分解，保留大尺度低分辨率下的全部小波系数 对于各尺度高分辨率下的小波系数．设定一个阈值，幅值低于该阈值的小波系数置0，高于则保留 将处理后获得的小波系数利用逆小波变换进行重构得到去噪后图像 小波阈值去噪优缺点 优点：实现简单，计算量较小，噪声抑制效果好阈值法去噪能够得到理想图像的近似最优估计，因而在实际中得到了广泛应用。 缺点：总存在恒定偏差，影响了重构信号与真实信号的逼近程度。 ;基于矢量尺度的图像滤波去噪;第二节 图像分割技术;基于区域和边缘的图像分割技术;基于形变模型的图像分割技术;基于数学形态学的图像分割技术; 模糊理论和图像分割技术;基于神经网络的图像分割技术;基于图论的图像分割方法;基于图论的SAR图像分割方法 算法通过构造多尺度结构快速找到收缩图以及初始图的子图集合，然后对其分别应用Gornory-Hu算法得到对应的等价树，最后根据规则得到初始图的等价树，按照割值由小到大依次去边后，可得到对原图的最优划分，映射回图像则可得分割结果。 融合分水岭变换和图论的图像分割方法 利用图像的局部灰度信息进行分水岭变换后，将图像分割成多个小区域，再结合各小区域的灰度和空间信息从全局角度用NorrealizedCut方法在区域之间进行分割，产生最终的分割结果。; 基于粒度计算理论的图像分割方法;第三节 特征提取; 图像特征的特点;图像特征的分类;图像特征提取的方法;图像特征的选择与优化;第四节 分类器设计; 分类器概述;分类器的设计;分类算法 线性判别函数 非线性判别函数 近邻法 经验风险最小化和有序风险最小化法 非监督学习方法 基于人工精神网络的模式识别 模糊模式识别 统计学习和支持向量机方法等 其中支持向量机来源于在两类问题中具有最大区间的最优超平面具有最好推广能力的思想，支持向量机分类是小训练样本下的分类，可以将低维空恻中线性不可分的数据集通过映射变为高维中线性可分的数据集，这样就把低维空间中复杂的不容易分类的问题变为高维空间中比较简单的分类问题。;第五节 图像自动识别技术在物联网中的应用; 概述;*;*;嵌入式系统;系统软件设计 系统软件包括单片机应用软件、服务器管理软件以及它们之间的通讯协议。 单片机应用软件 主程序 键盘扫描程序 配置CMOS参数子程序 网卡读取数据模块 数据包处理模块 数据包发送模块等 服务器软件 主要完成图像数据的读取和扫描指令及控制信息的下发。