基于计算机视觉图像多尺度识别方法.docVIP

基于计算机视觉图像多尺度识别方法 　　摘要：针对图像识别中图像尺寸比例不一致、旋转角度不相同，以及识别率低、鲁棒性差的问题，提出一种图像的形态学识别算法。首先对图像进行中心化及归一化处理，同时将图形的轮廓图像转换为二值图像；其次采用大小变化的圆形进行图像过滤，获取图形不同尺寸的形态学特征，建立扇形区域特征向量；最后采用多尺度的分析方法进行图像识别以及图像角度分析。在角度无关性、比例无关性、轮廓干扰鲁棒性下与传统方法进行对比实验，实验结果表明该方法有较高的识别率，并可以分析出图像间的角度差值，在图像轮廓有噪声的情况下有较好的鲁棒性，同时大大降低了图像尺寸比例不同、旋转角度不同对图像识别的影响。 　　关键词：图像识别；计算机视觉；多尺度；形态学分析；鲁棒性 　　中图分类号： TP391.41 文献标志码：A 　　Abstract： Focusing on the issues of sizevarying and anglevarying of the images， and low recognition rate and poor robustness in image recognition， a morphological image recognition method was proposed. Firstly， image was centralized and normalized， and the silhouettes of image was converted into binary image. Secondly， varable circles were used to extract morphological features of image， and a fanshaped area feature vector was established. Finally， multiscale analysis method was applied to image recognition and image angle analysis. 　　Compared with traditional method in the conditions such as angle independence， proportion independence and profile robustness， the experimental results show that the proposed method has higher recognition rate， and can analyze the angle difference between the images. The method is robust to noise， and can significantly reduce the influence of different image scale and rotation angle on image recognition. 　　Key words： image recognition； computer vision； multiscale； morphological analysis； robustness 　　0 引言 　　图像识别是计算机应用领域中利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。对由视觉系统采集的图像进行目标识别的方法大都采用特征匹配的方法，即首先提取图像的特征，然后与模板的特征进行比对，进而识别图像。这就要求首先要了解图像的特点，之后才可以建立特征，对不同的图像需要建立不同的特征表述，并没有统一的方法；而且这类方法的关键在于特征的表述上，如找不到表达图像的本质特征，识别率会很低；并且在常用方法的识别中，要求待识别图像的方向大小一致。 　　在众多的研究方法中，采用矩特征是典型的特征表述方法，如Hu不变矩、小波矩。 　　如文献[1]针对手背静脉识别系统的特征提取与匹配算法研究问题，提出了一种基于几何形状和小波矩的静脉特征提取与匹配方法。该方法结合了小波多尺度分析与不变矩的优点，既具有小波多尺度分析反映信号局部信息的能力，同时也具备了不变矩的特点，提高了矩特征对图像精密结构的把握程度[2-5]。但是矩特征要求图像比例一致，当采集的图像不清晰或图像受噪声干扰时，识别率会很低，鲁棒性差。 　　子空间模式识别是近年来模式识别领域中快速发展的一类方法，同时也在图像识别中得到了广泛的应用。子空间方法将特征提取与特征分类进行了有机的结合[6-8]，如文献[9]采用核主成分分析（Kernel Principal Compon