局部不變特征提取算法的研究及其在圖像識(shí)別中的應(yīng)用.pdf

1、本課題作為教育部留學(xué)回國(guó)人員科研啟動(dòng)基金資助項(xiàng)目，在上海市出入境檢驗(yàn)檢疫局的實(shí)際需求下產(chǎn)生，研究重點(diǎn)是棉、麻等天然纖維素纖維和各種異形纖維的計(jì)算機(jī)顯微圖像識(shí)別。本纖維自動(dòng)識(shí)別系統(tǒng)集圖像采集、圖像預(yù)處理、特征提取和模式識(shí)別為一體，以實(shí)現(xiàn)纖維的自動(dòng)識(shí)別為目的。整個(gè)識(shí)別過(guò)程要求在無(wú)人干預(yù)的情況下自動(dòng)進(jìn)行。在各種復(fù)雜的環(huán)境下計(jì)算機(jī)能夠?qū)崿F(xiàn)自動(dòng)識(shí)別。
　　 本文以通過(guò)硬件設(shè)備采集到的纖維圖像為研究對(duì)象，研究方向?yàn)槔w維圖像的預(yù)處理、纖維的特

2、征提取和特征識(shí)別，實(shí)現(xiàn)了一個(gè)新的基于SIFT特征提取算法及SVM分類算法相結(jié)合的異型纖維識(shí)別系統(tǒng)。本文的研究重點(diǎn)為纖維特征參數(shù)提取算法的實(shí)現(xiàn)，構(gòu)造纖維識(shí)別模型。
　　 在圖像預(yù)處理部分，本文首先介紹了小波變換的發(fā)展歷史和基本理論，然后根據(jù)纖維大圖的特點(diǎn)，分兩方面介紹了小波變換在纖維圖像預(yù)處理中的作用。在預(yù)處理中的邊緣增強(qiáng)部分，提出了一組非線性處理公式，對(duì)圖像的高頻系數(shù)進(jìn)行變換，成功的對(duì)纖維圖像邊緣對(duì)比度不均，邊緣過(guò)弱等現(xiàn)象進(jìn)行了

3、改善，同時(shí)在本文后面部分通過(guò)實(shí)驗(yàn)結(jié)果驗(yàn)證了其有效性。
　　 文章首先分析總結(jié)纖維特征參數(shù)提取的研究現(xiàn)狀，研究圖像特征提取的相關(guān)理論及其經(jīng)典算法，討論其中的關(guān)鍵技術(shù)和難點(diǎn)并進(jìn)行分析和比較，針對(duì)目前具體的纖維識(shí)別對(duì)象，指出目前纖維截面特征提取及纖維識(shí)別存在的缺陷和不足，確定出解決方案。
　　 特征提取是模式識(shí)別必要的前期準(zhǔn)備，特征參數(shù)的有效性直接影響纖維的識(shí)別率。本文對(duì)局部不變特征提取算法進(jìn)行了廣泛的研究和對(duì)比，通過(guò)對(duì)近年流

4、行的SIFT局部不變特征提取算法進(jìn)行研究，分析其特點(diǎn)和優(yōu)勢(shì)，將其運(yùn)用于異型纖維圖像的特征提取，并與SVM分類算法相結(jié)合，取長(zhǎng)補(bǔ)短，獲得了較好的識(shí)別結(jié)果。
　　 支持向量機(jī)算法是一種專門(mén)研究有限樣本預(yù)測(cè)的學(xué)習(xí)方法，能很好地解決有限數(shù)量樣本的高維模型的構(gòu)造問(wèn)題。支持向量機(jī)基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則工作，能在訓(xùn)練誤差和分類器容量之間達(dá)到一個(gè)較好的平衡。纖維識(shí)別系統(tǒng)要能自適應(yīng)地從有限樣本中學(xué)習(xí)并提煉出區(qū)分各種纖維種別的決策規(guī)則，因此本文創(chuàng)新