图像识别应用.PDF

图像理解与计算机视觉 图像理解与计算机视觉 第九章 图像识别应用 第九章 图像识别应用 第九章 图像识别应用 9.1 图像识别技术的应用领域 9.2 雷达图像识别技术与应用 9.3 生物医学图像识别技术与应用 9.4 其它图像识别技术与应用 9.5 图像识别发展趋势与存在的问题 9.1 图像识别技术应用的领域 图像识别技术应用的领域 光学信息处理：文字识别，标记识别，光学图像识别等 医学仪器：眼球运动检测，胃镜、肠镜摄像等 工业自动化：产品质量、包装、形状识别，零件尺寸的动态 检查等 军事：卫星侦察，航空遥感，导弹制导，目标跟踪等 9.2 雷达图像识别技术与应用 —— 高分辨SAR 图像自动目标识别 15 13 3 1 4 16 14 7 9 5 17 8 10 1 11 18 12 1 图9.1 SAR 图源示例，其中1-12为桥梁，13-18为港口 SAR图像桥梁目标的检测和分割 Step 1：预处理和前滤波 通过两次小波变换对原图像进行滤波，其目的是把原图像中的分量 （边缘特征）和噪声干扰的分量通过小波捕获到小波变换域中，而 将基本轮廓捕获到尺度变换域中，对于高分辨SAR图像，所要达到 的目标正是这样，需要检测出河流的边缘轮廓，结果如图9.2所示。 50 100 150 200 250 50 100 150 200 250 300 350 400 450 500 550 图9.2 Step 2：图像二值化及边缘模板点处理 A 图像二值化 图9.3和图9.4分别为OSTU方法和修正后的OSTU方法的结果 50 100 150 200 250 50 100 150 200 250 300 350 400 450 500 550 图9.3 OSTU产生的二值图 50 100 150 200 250 50 100 150 200 250 300 350 400 450 500 550 图9.4 修正后的OSTU方法得到的二值图 B 边缘模板点处理 C 二值图像的边缘轮廓的提取和后处理 D 小区域和重叠区域的剔除 处理结果如图9.5所示 50 100 150 200 250 50 100 150 200 250 300 350 400 450 500 550 图9.5去除小区域和重叠区域的边界曲线 E 中轴线搜索