基于圖像處理的目標(biāo)特征識(shí)別算法研究.pdf

1、隨著硬件設(shè)備和圖像處理技術(shù)的不斷提高發(fā)展,目標(biāo)特征識(shí)別技術(shù)也在快速發(fā)展,其基本原理是利用圖像中的目標(biāo)特征信息,通過各種試圖像處理技術(shù)來改善圖像質(zhì)量,提取特征,最后根據(jù)大量訓(xùn)練樣本所確定的模板圖像,代替人對(duì)被檢測(cè)圖像進(jìn)行識(shí)別判決。目標(biāo)特征識(shí)別雖然在理論方法研究上己取得不小的進(jìn)展,但它本身是一個(gè)比較復(fù)雜、繁瑣、要求精細(xì)的研究領(lǐng)域,存在精度與速度等不少困難,因此目標(biāo)特征識(shí)別是一個(gè)有待進(jìn)一步探索的新領(lǐng)域。
　　 本文依據(jù)企業(yè)的印刷品質(zhì)量

2、檢測(cè)的要求,描述了基于圖像處理的目標(biāo)特征識(shí)別問題的一個(gè)完整的實(shí)現(xiàn)和改進(jìn),改進(jìn)了Canny算法進(jìn)行邊緣檢測(cè),同時(shí)應(yīng)用了改進(jìn)的可靠的模板配準(zhǔn)算法,配以局部的動(dòng)態(tài)閡值分割處理來獲得識(shí)別結(jié)果,獲得了準(zhǔn)確的質(zhì)量檢測(cè)結(jié)果。
　　 首先研究了圖像獲取的硬件系統(tǒng),這是進(jìn)行基于圖像處理的目標(biāo)特征識(shí)別研究的基礎(chǔ)。選取設(shè)備的主要因素是設(shè)備的性能效果,同時(shí)也要仔細(xì)考慮環(huán)境因素,以及各設(shè)備之間的匹配融合,還有就是要協(xié)調(diào)考慮軟件的設(shè)計(jì),這樣才能設(shè)計(jì)出最合適

3、的系統(tǒng)。
　　 其次,每幅圖像都包含某種程度的噪聲,綜合考慮速度與效果,選用高斯濾波器來對(duì)圖像進(jìn)行平滑處理,對(duì)圖像中的噪聲進(jìn)行抑制;而且應(yīng)用圖像分割處理技術(shù),將圖像分割為二值類型的圖像,將來就可以忽略背景而直接對(duì)目標(biāo)物體進(jìn)行處理。在圖像分割中,使用細(xì)致的、基于局部處理的動(dòng)態(tài)閾值分割處理,可以得到準(zhǔn)確的、穩(wěn)定的處理結(jié)果。這樣對(duì)原始圖像進(jìn)行了預(yù)處理,從而獲得了質(zhì)量較好的圖像,盡力保證最終目標(biāo)特征識(shí)別結(jié)果的準(zhǔn)確性。
　　 然后

4、,因?yàn)槿绻麑?duì)邊緣進(jìn)行處理比對(duì)整個(gè)目標(biāo)物體處理的話,邊緣信息的準(zhǔn)確率遠(yuǎn)遠(yuǎn)高于整個(gè)目標(biāo)物體的信息,所以需要對(duì)目標(biāo)物體進(jìn)行邊緣提取。本文研究了Canny邊緣檢測(cè)算法,并在此基礎(chǔ)上針對(duì)傳統(tǒng)Canny算法在梯度幅值計(jì)算上對(duì)噪聲過于敏感、容易檢測(cè)出偽邊緣的缺陷,應(yīng)用了一種新的計(jì)算梯度幅值的算法,大大提高了準(zhǔn)確度。然后針對(duì)傳統(tǒng)Canny算法需要人為指定雙閾值的缺陷,應(yīng)用了一種根據(jù)非最大抑制處理的結(jié)果圖像、來自動(dòng)生成雙閾值的方法,更全面地利用了梯度圖像

5、中的信息特征,使算法具有了更好的自適應(yīng)能力,提高了自動(dòng)化程度。
　　 還有,當(dāng)基于模板來檢測(cè)物體時(shí),要使圖中物體的位姿與參考圖像中物體的位姿相同。要進(jìn)行模板配準(zhǔn),就是要在目標(biāo)物體圖像中找到模板,得到模板在圖像中最合適的位姿,然后依據(jù)位姿變換關(guān)系,進(jìn)行圖像變換,將模板與圖像中的目標(biāo)物體對(duì)齊。先研究了傳統(tǒng)的基于灰度值的模板配準(zhǔn)算法的適用情況和使用效果,最后應(yīng)用了改進(jìn)的可靠的基于邊緣形狀的模板配準(zhǔn)算法,配以局部的動(dòng)態(tài)閡值分割處理來獲得