多目標圖像提取識別及動態(tài)信息抽取算法研究.pdf

1、圖像是信息的主要載體。如何在大量且繁雜的信息中提取出足夠而且準確的信息以供我們使用是實踐中常常遇到的問題。在智能化機械的設計中,為了更多更準確地提取控制信息,必須加強對機器視覺圖像信息的處理和分析。因此,機器視覺圖像處理就成為信息處理中的一個重要內容。20世紀80年代以來,機器視覺得到了蓬勃發(fā)展,而圖像中目標的提取與識別作為機器視覺圖像處理重要研究方法和方向,有著巨大的發(fā)展和應用潛力。
　　 本文首先介紹了圖像處理的概念、方法以

2、及圖像的數字化等基本知識,以機器視覺圖像作為處理對象,提出了針對于不同特征目標提取與識別的系統(tǒng)方法,并以農作物圖像作為應用實例進行了實驗對比。系統(tǒng)包括對圖像的預處理、不同目標的分類分析、單目標與多目標圖像的兩種提取方法和目標識別測定等內容。
　　 其中,對單目標和多目標提取均應用了圖像的RGB與HSV模式對比,并分別取各分量灰度圖進行比較,針對不同目標的具體情況選取最適合的分量圖進行閾值化處理,以提高處理結果的準確性,并最終以二

3、值圖像的形式進行圖像匹配,以期識別該目標。而對于多目標圖像,本文提出了連通域判別法對目標信息進行分離化并最終識別。
　　 另外,在圖像的預處理過程中,本文嘗試了平滑濾波的方法對圖像進行消噪處理,這種處理過程對機器視覺圖像尤其是對采集質量不佳的圖像是十分必要的。
　　 本系統(tǒng)選用MATLAB作為開發(fā)平臺對機器視覺圖像進行目標提取識別算法程序開發(fā),系統(tǒng)中各處理過程均給出了MATLAB代碼程序以及處理結果對比。
　　

4、本課題研究的主要結論有:
　　 (1)對機器視覺圖像中不同目標的提取識別處理應針對其不同特征選用相適宜的處理方法。對于部分目標的突顯特征(如顏色等),應采用和設計針對性強的提取識別算法。
　　 (2)在對圖像目標的進行識別過程中,考慮到在智能化農業(yè)機械的具體實用性,本課題提出了中心位置識別法,并設計了在一幅圖像中多個目標(包括單目標)自動識別功能,為智能農業(yè)機械的機械操作(如自動授粉)提供了準確參數。
　　 (3