图像识别技术解析

合集下载
相关主题
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
C胸腺增生,胸腺区有一分叶状密度均一病 灶,仍呈胸腺状,主动脉受压右移
D肝脓肿,肝右叶有一低密度灶类圆形,中 心部密度更低为脓腔,周边为脓肿壁呈双边 征
E腰椎骨折,椎弓多处中断,椎管变形,其 内可见碎骨片
F肝转移癌,肝左、右叶多个大小不一、不 规则低密度灶,周边有细的强化环围绕
G肺脓肿,右上叶有一空洞性病灶,内壁光 滑,并见气液平面,胸部X线片曾疑肺癌
图中H和S分量图看起来与V分量图很不相 同,这说明H,S,V三分量间的差别比R,G,B 间的大。
(2)彩色边缘和彩色边缘检测
边缘是图像的一个基本特征,携带了图像 中的大量信息,边缘检测不仅能得到关于 边界的有用的结构信息,而且还能极大地 减少要处理的数据,很多图像处理和识别 算法都以边缘检测为重要基础。
以上两种彩色边缘检测算法中常用的梯 度算子有
罗伯特交叉(Robert cross)算子,蒲瑞维 特(Prewitt)和索贝尔(Sobel)算子。
其中,索贝尔算子是效果较好的一种,并且 可以直接应用于彩色图像的各个颜色通道。
(3)边缘提取
使用索贝尔算子得到的边缘图像
取反后的边缘图像
(4) 数学形态学处理
低难度,设计得更专用。
水果的识别
四部分:
数码图片的获取, 图像的彩色边缘检测、图像的分割, 图象的颜色特征和形状特征提取 图像的分类识别。
选择研究的目标物
香蕉,西红柿,梨和青椒四种果蔬。
功能:
使机器具有一定的视觉功能,能够认 识“记忆”中的水果。
例如:当接受到命令是"香蕉"时,就 可以自动地将"香蕉"拿出来。
第4章 图像识别技术
4.1 引言 4.2 图像识别与解释 4.3 指纹识别技术
4.1 引言
模式识别就是分析图像内容,找出图像中 有哪些东西。
步骤:
图像分割(物体分离):检测出各个物体, 并把它们的图像和其余景物分离
特征抽取:对物体进行度量。通过计算对物 体的一些重要特性进行量化表示
分 类:确定每个物体应该归属的类别
是面向用户的一种复合主观感觉的颜色空间,通常用于 选择颜色,更接近人对颜色的感知。
图(a)
图(b)
图(c)
图(a),图(b),图(c)分别表示彩色 水果图像的R,G,B分量,
将三图组合起来都可得到原始图像。
图(d)
图(e)
图(f)
பைடு நூலகம்(d),图(e),图(f)分别为其H,S,V 分量。将三图组合起来都可得到原始图像。
彩色边缘和彩色边缘检测
边缘按其颜色特征可分为灰度边缘和彩色 边缘。
灰度图像可由图像亮度函数来描述,灰度边 缘可以定义为图像亮度函数的具有边缘特征 的不连续点的集合,它描述了灰度函数的局 部突变。
彩色图像可由图像色彩函数来描述,彩色边 缘可以定义为图像色彩函数的具有边缘特征 的不连续点的集合,它描述了色彩函数的局 部突变。
图像识别的应用
字符识别
如清华的尚书OCR识别软件, 邮局信函自动分拣机
生物特征识别
指纹识别,人像识别等
遥感应用
卫星云图, 地面导弹、飞机场等设施的卫星图 像识别处理
医学诊断
CT等图像的识别处理
Computed tomography,CT
中文名:电子计算机体层摄影 是近十年来发展迅速的电子计算机和X线相结合的一项新颖的
长期以来人们主要致力于灰度边缘的研 究并取得了很好的效果。但彩色边缘能 比灰度图像提供更多的信息。有研究表 明,彩色图像中,大约有90%的边缘与 灰度图像中的边缘相同,也就是说,有 10%的边缘在灰度图像中是检测不到的。 因此,彩色边缘的检测受到越来越多的 重视。
彩色边缘检测的方法
输出融合法
水果原始图像
(1)颜色空间的转换
为了正确使用颜色,需要建立颜色空间。颜色空 间是对彩色的一种描述方法,它有很多种类型,
如: RGB,CMY,YIQ, YUV,HSL等。
RGB是使用较普遍的颜色空间,由于显示器采用 此模型,因此,算法的执行速度较快。
HSL
是由色调(H),饱和度(S)和亮度( L)三个颜色分量 组成的一类颜色空间,
H前裂腺癌,前列腺分叶状增大,并向膀胱 内突入
4.2识别与解释 图像分析系统的组成
图像分析技术分类的三种基本范畴
预处理
问题 图像获取
低级处理
分割
表示与描述
中级处理
知识库
识别 结果 与
解释
高级处理
图像分析技术分类的三种基本范畴
低级处理:图像获取、预处理,不需要智能 中级处理:图像分割、表示与描述,需要智能 高级处理:图像识别、解释,缺少理论,为降
诊断新技术。 主要特点
具有高密度分辨率,比普通X线照片高10~20倍。 能准确测出某一平面各种不同组织之间的放射衰减特性的
微小差异,以图像或数字将其显示,极其精细地分辨出各 种软组织的不同密度,从而形成对比。
如头颅X线平片不能区分脑组织及脑脊液,而CT不仅能 显示出脑室系统、还能分辨出脑实质的灰质与白质;
如再引入造影剂以增强对比度,其分辨率更高,故而 加宽了疾病的诊断范畴,还提高了诊断正确率。
但CT也有其限制,如对血管病变,消化道腔内病变以及某 些病变的定性等
CT
A胶质细胞瘤.右额、顶叶有一较大不规则肿 块,强化不均,周围有低密度水肿区
B星形细胞瘤,左额顶叶有一不均匀强化肿 块,不规则,内有未有强化的低密度区,周 围有低密度水肿区,中线结构右移
分别对红,绿,蓝三个颜色通道(或其他颜色 空间分量)执行边缘检测,
最后的输出是这三幅边缘图像的合成
R
边缘__R
G
边缘__G
阈值
边缘图像
B
边缘__B
彩色边缘检测的方法
多维梯度法
将三个梯度结合成一个,只需检测一次边缘, 从而缩短了整个彩色边缘检测的过程
R
G
多维梯度 计算
阈值
边缘图像
B
彩色边缘检测的方法
上图的二值边缘图像描述了色彩函数的局部突变, 从图中看出,边缘不很连续和光滑,并且在高细节 区存在琐细边缘,难以形成一个大区域,这两点恰 是限制边缘检测在图像分割中应用的两大难点。
数学形态学是一种应用于图像处理和模式识别领域 的新的方法。基本思想:
利用“探针”收集图像的信息。当探针在图像中不断移动 时,便可考察图像各个部分间的相互关系,从而了解图像 各部分的结构特征。
相关文档
最新文档