0 计算机图像识别技术及应用.docVIP

计算机图像识别技术及应用 武汉工业学院计算机与信息工程系 管庶安 1 什么是计算机图像识别技术 运用计算机技术，对摄像机拍摄的图像进行分析、理解，以识别图像中的目标。例如：人脸识别、植物识别、病毒细胞识别、人体动作识别、车辆违章识别，汽车牌照识别，等等。 图1 图像识别过程 以上举例只是计算机图像识别技术的几种典型应用。不难想象，其中任何一例如果得到满意解答，将引起革命性的社会进步，产生巨大的经济和社会效益。比如，能识别植物的机器一旦开发成功，人工锄草将被机器替代；若偷盗、入侵动作能由计算机自动识别，则社会安定将向前迈出一大步。计算机图像识别技术正吸引着许多科技工作者为之奋斗。 然而，常人眨眼即能识别的物体，要计算机来实现却不容易。图像识别技术看似简单神奇，实则高深莫测，被人们公认为“博大精深”。比如，有人认为车牌识别技术是一个“有解而不能解”的问题。显然，一些受到污损、遮挡、变形的车牌，人能很快识别，但计算机却很难。 当你步入这一奇妙的世界，你将感到这里充满乐趣与挑战，时而为成功所激动，时而被问题所困惑。 2 图像识别技术的应用领域 （1） 公共安全 智能交通：车流量、车速检测，汽车压黄线、闯红灯检测，交通标志识别，…… 人身份识别：人脸识别，指纹识别，步态识别，人体行为识别，手势识别，…… （2）军事 飞机识别，地形识别，…… （3）工业生产 印刷线路断裂检测，纺织品纰点检测，…… （4）农业生产 种子识别，食品品质检测、植物（杂草）识别、果实按品质分类，…… （5）商业 条码识别，商标识别，…… （6）医学 癌细胞识别，心电图识别，…… （7）文教 文字识别，印章识别，…… 3 图像识别中的关键技术 识别图像的一般步骤如下： 图2 图像识别步骤 3．1 图像采集与预处理 图像采集分为单目、双目、多目采集，这里的“目”是指摄像头的个数。单目采集只能得到平面图像，往往不能提供足够的信息用于目标识别。双目、多目采集能从不同的观侧面得到图像，但各自拍摄的图像之间的位置、尺度、时间关系必须匹配，在允许摄像头自由活动的情况下，处理难度较大。 图像预处理的目的是突出感兴趣的目标，便于后续识别。主要技术问题是：（1）图像的灰度、对比度、色度变换。 （2）图像复原。由于摄像头抖动，进而引起的静止图像重影，或视频图像画面抖动。应采取图像复原算法进行消除。 （3）消除由于目标因高速运动而引起的图像拖影。 3．2 边缘提取 图像中的边缘，是指图像的亮度或颜色的梯度沿某方向发生急剧变化的位置。边缘提供了图像中的绝大部分信息。 图2 提取图像中大米的边缘 （摘自2003届武汉工业学院计算机系学生毕业设计） 对边缘的要求是：不断裂、边缘厚度为单一线条、光滑无毛刺、定位精确。这决不是一件容易的事，常被人称为“病态问题”。现有理论和方法离这一要求还有相当的距离。常用的方法有： 空间梯度法。如Soble算子、Laplace算子等。这些方法实现简单，运算速度较快，但效果欠佳。 小波变换法。效果较好，但运算速度较慢。 矩法。如Zernike矩，效果较好，但运算速度较慢。 为了尽可能使提取的边缘完整、无断裂，往往多种方法综合运用。当一种方法不能检测到某边缘时，可试用另一方法，但这样做可能会加入一些非边缘点，应采取一些措施进行鉴别。 当边缘厚度大于1个像素点时，应进行细化，一般采用数学形态学方法进行。 边缘局部断裂往往是不可避免的。为了使断裂部位得到恢复，往往采用局部曲线拟合方法。设完整的边缘曲线应有m个点组成，局部断裂后只有n个点，mn 。曲线拟合的目的就是根据n个已知点的行为，推断出丢失的m-n个点。 边缘提取适用于目标区的颜色、灰度不一致，但边缘明显的情况。但在提取目标边缘的同时，也提取了不感兴趣的边缘。要鉴别哪是需要的边缘，哪是不需要的边缘，本身就是一个模式识别问题，难度较大。 图2 Leana原图 图3 Soble算子检测效果图 图4 Laplace算子检测效果图 图5 小波变换检测效果图 3．3 区域分割 在目标具有较为一致的颜色和灰度的情况下，可以将目标区整体分割出来。如汽车牌照的底色就具有相同的颜色。区域分割方法有多种： （1） 直接分割法 判断图像中的每一像素点，若该像素点具有指定的色度或灰度，则认为是目标上的点。但是，背景中的点也可能符合指定的条件而被分割出来，此时可通过判断区域的连通性、区域规模和区域形状是否与目标接近予以排除。 分割阈值的选择是区域分割的难点问题。所谓分割阈值，就是要确定一个值t，当像素p的某个参数值时，认为（O为目标）。 困难在于，目标像素点的标准参数未知，