网站大量收购闲置独家精品文档,联系QQ:2885784924

模式识别及其在数字图像处理中的应用.docxVIP

模式识别及其在数字图像处理中的应用.docx

  1. 1、本文档共9页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
模式识别及其在数字图像处理中的应用 在低级计算机视觉和图像处理中,图像模式识别和分类是重要任务。图像模式识别的关键是对图像的分类和解译。在图像分析的不同领域已经发现了这些技术的广泛应用,即分割,像素分类和图像的解译。 2 基于模式识别技术的图像处理 2.1 基于模式识别技术的图像分割 把图像按相关度划分成各具特色的区域并提取出所需目标的技术和过程称为图像分割。分割的关键在于分割依据的确定。从模式识别技术理论上考虑图像分割问题,分割是针对图像所需分割的对象,根据图像的结构特性将图像的所有组成部分分成“分割”类和“非分割类”两类。对于任何一个事物都有与其他事物相互区别的一些本质特征,必然可以提取出本质特征能够与分割背景图像相区别并作为识别事物的依据,即为分割依据。在分割图像定位对象时,可以选择由特征组成的特征空间进行定位识别。因此,将分割对象视为模式识别的对象,图像分割的过程是为在模式识别中寻找特定模式类,并按照该模式类的特征,结合与其对应的分割技术进行分割。 2.2 基于模式识别技术的图像特征提取 由于图像的随机性和数据量大,增加了在图像中选取有效的图像特征的难度,并直接影响到图像识别系统的性能。所以完成图像识别的首要任务为提取有效的图像特征。然而在很多实际问题中不易找到所需的特征,或由于条件限制不能对它们进行测试,于是把特征选择和提取任务复杂化,成为构建模式识别系统困难的任务之一。图像的原始特性或属性被称为图像特征。其中有些是自然特征,有些是人为特征。特征提取是提取特征,经筛选或变换直到得出有效特征的全过程。其根本任务是选择有效的特征,并运用相应的技术进行特征提取。基于模式识别技术的图像特征提取工作的结果是给出了某一具体图像与其它图像相区别的特征。 2.3 基于模式识别技术的图像识别 图像识别是图像处理的高级阶段,其研究的是通过仪器对周围物体的视觉图像进行分析和识别,从而可得到有效的结论性判断。但是,为了使计算机系统也能认识人类视觉系统认识的图像,人们必须研究出计算方法,分析图像特征,因而将模式识别技术应用到图像识别中,进而将图像特征能用数学方法表示出来并教会计算机也能认识、识别这些特征。 3 基于模式识别技术的生物医学图像处理 3.1 概述 生物统计的识别系统在一些应用中非常有用,例如商务和执法应用,特别是在犯罪识别、安全系统、可视电话、信用卡验证以及用于识别个人身份的证件照片验证等方面。人脸的识别、指纹、签名和许多其他生物统计图像在计算机视觉领域中构成了重要的研究领域。 基于模式识别的自动人脸识别已经有了很多实现方案。人脸识别中主要的策略要么是基于特征的,要么是基于人脸空间的,例如特征脸或Fisher脸。大多数特征提取的方法都是从人脸的正视图中提取特征,有时也从侧面人脸轮廓中提取特征。自动人脸识别系统既使用正面也使用侧面,所有更加准确,因为它利用了子人脸的两个视图中固有可利用的明确信息。下面介绍用于人脸识别的特征提取和匹配技术。 3.2 特征选择 首先从人脸的正视图和侧视图中辨识标志点集合,然后使用它们之间的基于区域、角度和距离的特征向量。侧面轮廓特征提供了人脸额外的结构轮廓信息,这些信息从正视图中是看不到的,所以从两个视图中提取特征集通常能够有效地应用于人脸识别,并且与只使用一个视图的特征的系统相比,可靠性更高。 3.3 正面面部特征提取 提取一些正面面部分量,例如眼睛、眉毛等,开始时选择眼睛模板集,面部图像f(i,j)以适当选择的模板集T(m,n)进行卷积运算,由以下滤波器操作表示: Fi,j= 这个卷积过程在滤波器的输出产生了能力测试集。从卷积滤波器的输出确定眼睛的位置,使用平移、尺度和选择不变仿射变换,我们可以从卷积滤波器检测出眼睛。一旦检测出两只眼睛,眼眉位置可能位于眼睛中心的小搜索区域之内。随后,沿虹膜列可以用一半的眼眉模板窗口与眼眉模板集合匹配来检测上述左右眼睛之上的眉眼。一些正面面部特征具有不变特征,它不随面部表示而改变,而其他的是变化的特征。图3给出了正面面部点。在正面面部特征提取中,眼睛是重要的角色。 图3 正面面部点 3.4 侧面面部特征提取 3.4.1 基准标记的选择 人脸的侧视图选择的标志点是:鼻子点、颌下点、前额点、鼻梁点、眉间点和嘴角点。将侧面脸的数字图像变化为侧面外形轮廓,然后提取标志点。侧面面孔图像是一幅二进制图像,从每个侧面轮廓获得的标志点提取7个距离测量和一个区域测量。 3.4.2 距离和区域测量 计算距离测量的提取标志点如图4所示,正视图和侧视图的特征集合形成组合特征向量,这些特征向量阵列表示面部图片,所以我们希望对于不同的脸部,这些向量阵列是不同的。我们将这些特征阵列存储在文件中,并且具有主索引号。为了消除尺度作用,将鼻子点和鼻梁点间的距离,侧视图的距离测量和面积测量值,两

文档评论(0)

138****2866 + 关注
实名认证
文档贡献者

施工员持证人

该用户很懒,什么也没介绍

领域认证该用户于2024年06月09日上传了施工员

1亿VIP精品文档

相关文档