第七章 图像识别概要1.pptVIP

彩色边缘检测的方法 多维梯度法 将三个梯度结合成一个，只需检测一次边缘，从而缩短了整个彩色边缘检测的过程 R 多维梯度 计算 G B 边缘图像 阈值 彩色边缘检测的方法 以上两种彩色边缘检测算法中常用的梯度算子有 罗伯特交叉（Robert cross）算子，蒲瑞维特（Prewitt）和索贝尔（Sobel）算子。 其中，索贝尔算子是效果较好的一种，并且可以直接应用于彩色图像的各个颜色通道。 边缘提取 使用索贝尔算子得到的边缘图像 取反后的边缘图像 4．数学形态学处理 上图的二值边缘图像描述了色彩函数的局部突变，从图中看出，边缘不很连续和光滑，并且在高细节区存在琐细边缘，难以形成一个大区域，这两点恰是限制边缘检测在图像分割中应用的两大难点。 数学形态学是一种应用于图像处理和模式识别领域的新的方法。基本思想： 利用“探针”收集图像的信息。当探针在图像中不断移动时，便可考察图像各个部分间的相互关系，从而了解图像各部分的结构特征。 作为探针的结构元素，可直接携带知识（形态，大小，以及灰度和色度信息）来探测所研究图像的结构特点 %轮廓变模糊 形态学处理步骤 第一步：构造结构元素 （%即形状等） 第二步：利用构造的结构元素对图像进行膨胀操作 第三步：区域填充 第四步：连通区域标记 第五步：选择对象 与原始图像相比，我们看到在边缘图像中存在一些细小的间隙，根据数学形态学原理，如果构造结构元素对图像进行膨胀操作，这些小间隙就会消失。因此，我们在水平和竖直两个方向分别构造结构元素： （%水平方向）se0=(1 1 1 1 1 1 1 1 1 1 ) （%垂直方向）se90=(1 1 1 1 1 1 1 1 1 1 1 ) 膨胀处理 膨胀处理后 区域填充 膨胀运算后，图像的边缘得到了很好的描述 然而，在目标物的内部，仍然存在一些空洞，可通过区域填充消除空洞 区域填充后 标记连通区域 为了能够更加清楚的观察分割结果，我们对上图中的连通区域进行标记，并且用不同的颜色显示 从图中可以看出，共得到四部分分割区域，并分别用红色，黄色，深蓝色和蓝绿色表示出来 对象提取 在二值图像中，对象是指值为1且连接在一起的像素的集合。 根据上图中不同目标物的不同坐标，提取出特定的连通区域，选择特定的对象 分别显示出只含有一个对象的二值图像 特征提取 形状特征 颜色特征 形状特征 图像经过边缘提取和图像分割等操作，就会得到边缘和区域，也就是获得了目标的形状。 任何物体的形状特征均可由其几何属性（如长度、面积、距离、凹凸等），统计属性（如投影）和拓扑属性（如连通、欧拉数）来进行描述 * 可以用来表示形状的特征包括几何特征和矩特征。 可供选择的几何特征有：周长、面积、偏心率、欧拉数、角点、横轴长度和纵轴长度。 矩特征有质心、方向、主轴关于方向的矩、不变矩和特征矩等。 本例识别目标物较少，因此不必选择过多特征，我们只选择了面积，横轴长两个特征，并用图像分析得到的特征值建立了一个小型的特征库 颜色特征 由于颜色特征具有旋转不变性和尺度不变性，因而，在图象识别技术，颜色是使用最广泛的特征之一。 而颜色特征的提取是利用颜色特征进行图象识别的关键之一。 目前，大部分系统都采用颜色比例分布作为颜色基本特征， 这就是图象领域中的直方图法。 (a) （b） (c) （d） 图(a)~(d)分别为香蕉，青椒，梨和西红柿的直方图 横轴为色调Hue，纵轴为H（p）。 相似度量 颜色特征提取后，如何用数值来有效的表示图像在颜色上的相似程度，这便是相似度量问题 相似度量也是直接影响识别效果的重要环节，在模式识别技术中，特征的相似度量均采用距离法 ，即特征的相似程度用特征向量的空间距离来表示 识别结果 经过彩色边缘检测，图像分割和特征提取，对分割后的图像进行模式匹配，并制作出用户界面，最终实现图像的分类和识别。 当按下界面上的控制按钮时，计算机会自动识别出相应的水果。 例如：按下按钮“梨”时，界面上就会显示出梨。按下按钮“关闭”，界面关闭。 最终效果图 （a） 原始图像 (b) 梨 * 北京工业大学嵌入式软件与系统研究所 The end ! * * * * （2）生物神经计算六个基本特征 神经元及其联接：多输入，一输出； 神经元之间的联接强度决定信号传递的强弱； 神经元之间的联接强度可以通过训练改变； 信号可以起刺激作用，也可以起抑制作用； 神经元接受信号