数字图像处理技术在识别领域的应用.docx

数字图像处理技术在识别领域的应用1、定义数字图像处理是利用计算机对图像进行处理，常用的方法技术有去除噪声、复原、增强、分割、提取特征等。数字图像发展初期，主要应用于提高图片质量，第一次应用该技术是对伦敦和纽约之间海底电缆发送的图片进行改善。图像处理的应用领域涉及到人类生活的方方面面。2、数字图像处理的优点数字图像处理应用于人类依靠图像获取外界的信息经过处理，具有如下优点：①重现性能好，数字图像处理在进行传输、存储、复制等处理从而用来服务于生活。②数字化处理精度高。③数字信号处理技术适用面宽。④数字图像处理的灵活性高。3、主要研究内容数字图像处理技术是利用计算机图像处理系统对图像进行输入、加工和输出，主要研究的内容包括以下几项：图像变换；图像增强和复原；图像编码压缩；图像分割。因为数字图像处理技术应用太过广泛，我在这里仅探究它在识别领域的应用，从这里认识数字图像处理技术的方方面面。4、数字图像处理在识别领域的应用：数字图像处理在指纹识别中的应用传统的利用密码、证件作为身份识别的方式具有易遗忘、易破解、易丢失、易伪造等特点，已不再符合现代数字社会的需求。指纹，作为人体独一无二的生理特征，虽然只是人体皮肤的一小部分，但是它的纹理复杂度可以提供用于识别的足够特征，具有极高的安全性，并且指纹还具有易获取、无侵犯性、唯一性和不变性等优点，使其成为生物识别技术中的焦点。为了弥补指纹图像的质量缺陷，保证指纹后处理算法对指纹图像具有足够的鲁棒性，图像增强是十分必要的，采用数字图像处理则可以实现图像的增强。指纹图像增强目的是为了消除噪声，增强脊线和谷线的对比度，将断裂的脊线和谷线连接起来，消除由于噪声、变形等带来的粘连及由于油污等产生的毛刺等，改善图像质量，保证特征信息提取的准确性和可靠性。指纹图像的增强由图像规格化、图像再处理、滤波几个部分组成。数字图像处理在人脸识别中的应用人脸识别的发展大致经过了三个阶段：非自动识别阶段、人机交互阶段、自动识别阶段。人脸识别是计算机视觉，模式识别中的一个重要内容，人脸识别大概可以分为三步：人脸器官检测定位，特征提取和分类识别。人脸器官检测定位是人脸识别系统的。第一步，也是整个人脸识别系统中的一个关键，在研究人脸检测的问题中，我们碰到的一个非常棘手的问题是如如何从一幅图像中快速的检测出人脸。目前国内外研究人脸识别的方法比较多，但根据人脸表征方式的不同，采用数字图像处理技术，总体上可以分为以下三种基于几何特征的识别方法，基于代数特征的识别方法和基于连接机制的识别方法。(1)基于几何特征的人脸正面图像识别方法，将人脸用一组几何特征矢量表示，几何特征矢量是以人脸器官的形状和几何关系为基础的特征矢量，用模式识别中的层次聚类的思想设计分类器以达到识别目标。由于这种方法对脸部朝向的改变非常敏感，要求有一定的弹性消除时间跨度和光照的影响。基于几何特征的方法内存要求小，识别速度要比基于模板的方法高，它的缺点是这些特征的准确提取是较难实现的，到目前为止，这种方法在实践中尚没有成功的应用。(2)基于代数特征的人脸正面图像识别方法，将人脸用代数特征矢量来表示，代数特征是通过对图像灰度进行各种代数变换和矩阵分解提取出来的，这种方法从整体上来捕捉和描述人脸的特征，所用到的主要是一些标准的数理统计和技巧，运算较复杂。(3)基于连接机制的人脸正面图像识别方法，将人脸直接用灰度图(二维矩阵)表征，利用神经网络的学习能力及分类能力，这种方法的优点在于保存了人脸图像的材质信息和形状，同时避免了较为复杂的特征提取工作，但是普遍存在的问题是识别率低，过程复杂。三种人脸识别方法都运用到数字图像处理在车牌识别系统中的应用针对交通管理系统的信息化、智能化发展趋势，通过对车牌特征和定位技术的探索，提出了汽车牌照字符识别系统。系统采用Radon变换对车牌进行倾斜校正，并运用投影直方图进行分析，实现了车牌字符的分割，最后简述了字符识别原理和模板匹配在字符识别中的应用方法。由实验结果可知，系统能准确实现车牌的定位、校正、分割和识别，具有良好的性能。通常，车牌识别过程分为图像预处理、车牌定位、车牌校正、车牌分割和车牌识别五个部分。①图像预处理：在整个车牌识别系统中，由于采集进来的图像为真彩图，再加上实际采集环境的影响以及采集硬件等原因，图像质量并不高，其背景和噪声会影响字符的正确分割和识别，所以在进行车牌分割和识别处理之前，需要先对车牌图像进行图像预处理操作。②车牌定位：首先对车牌的二值图片进行形态学滤波，使车牌区域形成一个连通区域，然后根据车牌的先验知识对所得到的连通区域进行筛选，获取车牌区域的具体位置，完成从图片中提取车牌的任务。③车牌校正：由于捕捉图片的摄像头与车身的角度问题，得到的车牌图片不是水平的。为了顺利进行后续的分割和识别，必须对车牌进行角度校正。在此