数字图像课程设计报告..doc

《数字图像处理》课程设计报告 ——手写阿拉伯数字的识别 1、课程设计目的 提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。 掌握文献检索的方法与技巧。 熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。 2、方法综述 字符识别处理的信息可分为两大类:一类是文字信息，处理的主要是用各国家、各民族的文字(如:汉字，英文等)书写或印刷的文本信息，目前在印刷体和联机手写方面技术已趋向成熟，并推出了很多应用系统;另一类是数据信息，主要是由阿拉伯数字及少量特殊符号组成的各种编号和统计数据，如:邮政编码、统计报表、财务报表、银行票据等等，处理这类信息的核心技术是手写数字识别。本次实验是对手写的阿拉伯数字进行识别，主要步骤包括预处理模块（其中用到图像分割方法），特征提取和利用人工神经网络（具体运用BP神经网络方法）进行数字的识别。 2.1图像分割： 　图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。 2.1.1基于阈值的分割方法 灰度阈值分割[1]法是一种最常用的并行区域技术，它是图像分割中应用数量最多的一类。阈值分割方法实际上是输入图像f到输出图像g的如下变换： 其中，T为阈值，对于物体的图像元素g(i,j)=l，对于背景的图像元素g(i,j)=0。 　　由此可见，阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。阈值确定后，将阈值与像素点的灰度值比较和像素分割可对各像素并行地进行，分割的结果直接给出图像区域。阈值分割的优点是计算简单、运算效率较高、速度快。在重视运算效率的应用场合(如用于硬件实现)，它得到了广泛应用。人们发展了各种各样的阈值处理技术，包括全局阈值、自适应阈值、最佳阈值等等。 2.1.2基于边缘的分割方法 图像分割的一种重要途径是通过边缘检测，即检测灰度级或者结构具有突变的地方，表明一个区域的终结，也是另一个区域开始的地方。这种不连续性称为边缘。不同的图像灰度不同，边界处一般有明显的边缘，利用此特征可以分割图像。图像中边缘处像素的灰度值不连续，这种不连续性可通过求导数来检测到。对于阶跃状边缘，其位置对应一阶导数的极值点，对应二阶导数的过零点(零交叉点)。因此常用微分算子进行边缘检测。常用的一阶微分算子有Roberts算子、Prewitt算子和Sobel算子，二阶微分算子有Laplace算子和Kirsh算子等。在实际中各种微分算子常用小区域模板来表示，微分运算是利用模板和图像卷积来实现。这些算子对噪声敏感，只适合于噪声较小不太复杂的图像。由于边缘和噪声都是灰度不连续点，在频域均为高频分量，直接采用微分运算难以克服噪声的影响。因此用微分算子检测边缘前要对图像进行平滑滤波。 2.1.3基于小波变换的分割方法 小波变换是近年来得到了广泛应用的数学工具，它在时域和频域都具有良好的局部化性质，而且小波变换具有多尺度特性，能够在不同尺度上对信号进行分析，因此在图像处理和分析等许多方面得到应用。基于小波变换的阈值图像分割方法的基本思想是首先由二进小波变换将图像的直方图分解为不同层次的小波系数，然后依据给定的分割准则和小波系数选择阈值门限，最后利用阈值标出图像分割的区域。整个分割过程是从粗到细，有尺度变化来控制，即起始分割由粗略的L2(R)子空间上投影的直方图来实现，如果分割不理想，则利用直方图在精细的子空间上的小波系数逐步细化图像分割。分割算法的计算馈与图像尺寸大小呈线性变化。 2.2特征提取 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 2.2.1结构特征提取方法 采用结构特征提取对字符进行结构分析从而达到识别的目的，是一种非常直观的方法，其思想与人认字的原理有点相象，但又有所不同。其基本思想是:字符可以逐级分解成部件、笔划乃至笔段，识别时可以自底向上，由象素得到笔段，由笔段结合成笔划，由笔划构成部件，由部件组成字符，逐级分析字符图象的结构，根据各元素的属性、数量及其相互关系，便可以判定待识字符。目前研究较成熟，效果比较好的是基于笔划和基于笔段分析的手写体字符识别。 2.2.2统计特征提取方法 从统计模式识别的观点来看，字符识别实际上是一个模式分类问题，人对自然物体的识别，是建立在对该物体进行学习、特征分析的基础上的，计算机模式识别的过程与人的识别过程有着相识的地方。实际上就是一种通过学习