基于圖像處理的目標特征識別算法研究.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,目標特征識別技術(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,代替人對被檢測圖像進行識別判決。目標特征識別雖然在理論方法研究上己取得不小的進展,但它本身是一個比較復(fù)雜、繁瑣、要求精細的研究領(lǐng)域,存在精度與速度等不少困難,因此目標特征識別是一個有待進一步探索的新領(lǐng)域。
　　 本文依據(jù)企業(yè)的印刷品質(zhì)量

2、檢測的要求,描述了基于圖像處理的目標特征識別問題的一個完整的實現(xiàn)和改進,改進了Canny算法進行邊緣檢測,同時應(yīng)用了改進的可靠的模板配準算法,配以局部的動態(tài)閡值分割處理來獲得識別結(jié)果,獲得了準確的質(zhì)量檢測結(jié)果。
　　 首先研究了圖像獲取的硬件系統(tǒng),這是進行基于圖像處理的目標特征識別研究的基礎(chǔ)。選取設(shè)備的主要因素是設(shè)備的性能效果,同時也要仔細考慮環(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,這樣才能設(shè)計出最合適

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圖像進行平滑處理,對圖像中的噪聲進行抑制;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目標物體進行處理。在圖像分割中,使用細致的、基于局部處理的動態(tài)閾值分割處理,可以得到準確的、穩(wěn)定的處理結(jié)果。這樣對原始圖像進行了預(yù)處理,從而獲得了質(zhì)量較好的圖像,盡力保證最終目標特征識別結(jié)果的準確性。
　　 然后

4、,因為如果對邊緣進行處理比對整個目標物體處理的話,邊緣信息的準確率遠遠高于整個目標物體的信息,所以需要對目標物體進行邊緣提取。本文研究了Canny邊緣檢測算法,并在此基礎(chǔ)上針對傳統(tǒng)Canny算法在梯度幅值計算上對噪聲過于敏感、容易檢測出偽邊緣的缺陷,應(yīng)用了一種新的計算梯度幅值的算法,大大提高了準確度。然后針對傳統(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,提高了自動化程度。
　　 還有,當基于模板來檢測物體時,要使圖中物體的位姿與參考圖像中物體的位姿相同。要進行模板配準,就是要在目標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,進行圖像變換,將模板與圖像中的目標物體對齊。先研究了傳統(tǒng)的基于灰度值的模板配準算法的適用情況和使用效果,最后應(yīng)用了改進的可靠的基于邊緣形狀的模板配準算法,配以局部的動態(tài)閡值分割處理來獲得