基于特征提取的图像处理与识别研究

下面解释一些名词。 统计直方图：基准轴上各点的值为对应直交线上 的灰度总和； 视图：从起始点起，一直到非０像素点的距离。 分析不同数字特征点时发现，不同数字的特征点的 区别是很大的，以“７”为例，它是特征最明显，又是最容 易检测出来的。对于这种特征明显，且特征点又少的数 字应优先识别．以提高识别速度，特征点相似的数字最 后识别。即使是同一个数字，特征点也有权值的要求， 即某些特征点是必要的，而一些特征点则可能是非必要 的。对要求特征点较多的数字，可对某部分特征点赋给 不同的权值，根据权值和的大ｌｂＮ定数字，改变权值或 改变对权值和的要求，就成丁识别中的模糊程度。
万方数据
基于特征提取的图像处理与识别研究
作者： 作者单位： 刊名：
英文刊名： 年，卷(期)： 被引用次数：
赵君， 仇林庆， 谷雪莲 东北电力学院自动化系,吉林省吉林市,132012
仪表技术与传感器 INSTRUMENT TECHNIQUE AND SENSOR 2002，(5) 6次
相似文献(10条)
卷积是一种用途很广的算法，可用卷积来完成各 种区处理变换。邻域中的每个像素（假定邻域为３×３ 大小，卷积核大小与邻域相同），分别与卷积核中的每 个元素相乘，乘积求和所得结果即为中心像素的新值。 卷积核中的元素称作为加权系数（亦称作卷积系数）． 卷积核中的卷积系数的大小及排列顺序决定了对图像
圈１ 上、下阈值面灰度变换示意幽
法。但是，它不需要根据邻域值用算术方法计算出新
像素值，而是一种接邻域中的像素排序后的中位像素
（即排序后位置处于正中的那个像素值）作为中心像素
的新值的方法【ｌ』。中值滤波的优点是能够保持目标
图像的边缘，去除中型噪声．阶跃状灰度变化保持较
好。缺点是损失部分细节，平滑效果不好。系统采用 ３×３的图像窗口进行９点中值滤波．既能消除随机噪 声．又能保持图像的边缘，优化了图像的质量，为下一 步的灰度变化打下良好的基础。 ２．１卷积
中图分类号：ＴＰ３９１．４１
△
¨
１引言
的作用。因为经二值化后的图像的边缘呈一定的锯齿
火力发电厂的主要动力来源是原煤。内陆地区的 状，这对下一步图像的分割和识别造成不良的影响．影
电厂，主要依靠火车作为运输手段。原煤进厂时需要 响整体识别率的提高。
进行检斤和车号及自重的录入。目前检斤已实现自动 化，但车号及自重由于识别难度较大，仍然靠手工完 成。由于车速、光线及恶劣天气的影响．经常造成漏记
2.期刊论文 李亚.周文辉.黄欣怡.朱小燕.LI Ya.ZHOU Wen-hui.HUANG Xin-yi.ZHU Xiao-yan Gabor滤波在方向上
的二值化指纹增强 -微计算机信息2009,25(15)
指纹图像增强是指纹特征提取和识别中的难点之一.本文介绍了一种在Gabor滤波基础上,基于方向图的、具有动态阈值的指纹图像二值化方法.该方 法充分利用了指纹图像本身方向和灰度变化的特点,在保持指纹特征基本不丢失的情况下,可直接从指纹源图像中得到二值化图像,完成一般图像处理中的 平滑、增强、二值化的过程.实验表明,此方法对于低质量的图像有很好的效果.
数据进行区处理的类型。改变卷积核中的加权系数会 ３．１分割前处理
影响到总和的数值与符号，从而影响到所求像素的新
图像二值化后，一般只剩Ｆ有用的目标信息．但在
值－ｚ Ｊ。系统以公式（１）作卷积核对二值化后的图像进 有强干扰的图像中还有一‘些非数字部分．如斜杠、灰块
行滤波．达到消除弱噪声．并且对图像的边缘起到圆滑 等噪声。由于这些噪声与数字有许多相同之处，所以
７
▲ｒ～Ｉ● ｌｒｒ —
囊■蛀＊１月晴
＃■囊＊ｌ＾田 ？４目
ＴＭ∞
Ｆ＆｜
（ｂ， ·ｔ ｒ．ｒ－Ｗ＊
Ｉ—ｆ”一ｎ、‘
（ａ）效罕７的｛生｜像
（ｂ） 与（ａ）对应的子特征点
图３数字７的特征图
４结论 本系统在灰度变换处理上采用上、下域值面的方
法对图像进行灰度变换，大大提高了图像的预处理质 量。采用非线性路径搜索法分割图像，使分割质量有 了很大的提高。数字识别方面使用特征提取的识别方 法，取得较高的识别率。使用１０列各种条件下的原始 图像对本系统进行测试，其中车号图像的识别率达到 了９８％．自重图像的识别为８７ ４％。证明了本数字识 别系统的图像处理及数字识别方法是可行的．设计是 成功的。
图２非线性分割示倒图
３．４数字图像识别 本文采用特征提取的识别方法进行识别，以神经
网络视觉判断思维为主，以计算机统计判断为辅，逐层 分析数字图像的形状特征，最终得到判别结果。系统 的研究对象为运动火车货车的车号及鲁重图像，由于 各方面的原因，原始图像一般含有强干扰信息，这就要 求数字识别系统必须具有很强的抗干扰性．要获得较 高的识别率，则需要采用一定的模糊判断策略。由于 数字图像的大小有一定的变化范围，如自重和车号的 数字大小就不一样，为了使识别模块具有通用性，定义 了一个标准大小。识别模块只针对标准大小进行识 别，识别时先将原图像缩放成标准大小的目标图像，再 进行识别，采用这种方法，使识别程序的结构变得清晰 明了，容易实现【５ Ｊ。
果，可避免出现录入错误。
（２），图１为变换示意图。经过变换后的图像的背景几
文中提出以特征提取获取图像的背景面，作为灰度 乎全部消失．０～２５５灰度值之间基本上全是目标图
变换的下域值面，再使用Ｐ参数法获得上域值面，根据 像，所有的目标图像均被拉伸为０～２５５之间的灰度
上、下域值面对图像进行灰度变换，从整体上一次性消除 由于光照不均匀而造成影响。将重点转移到灰度变换方 面，以还原图像为目的，突破了以往二值化总是局限在域 值提取这方面。并根据车号和自重图像的不同特性分别 采用不同的处理方法．获得了较好的处理效果。 ２中值滤波
５２
仪表舐年与传飘嚣
２００２￡
基于特征提取的图像处理与识别研究”
赵君仇林庆爸雪莲 东北电力学院自动化系 吉林省吉林市１３２０１２
【摘要】以火车货车的车号及自重数字图像为研完对象，在计算机二维图像及数字识别万面进
行了研究。提出多种新方法、突破传统方法的局限性，获得ｊ较高的整体识别率。
关键词：滤波二值化非线性特征提取
非线性搜索时有两个难点：一是搜索区间的确定。 因为７和４交叉面积相当大，对区间的要求也较大，如 果别的数字也用相同区间的话，容易出现错误。因此 对区间的大小采用根据搜索深度来动态进行修改的策 略．以适应不同的形状特性。另一个问题是，一部分图 像不能从最上端搜索到底边。当出现这种情况时，根 据上端的搜索路径最低点和自下向上的最高点两者之 间连线，以直线分割这段剩余图像。
Ｆ１ ２ １］
肌匕：；ｊ
“’
和错记。这就影响了正常的复检工作，容易造成经济 ２．２非线性灰度变换
纠纷。本系统可自动实现车号及自重图像的采集、识
灰度变换是根据灰度直方图对图像的灰度范围进
别及存储管理，再结合启动检斤系统则可以实现无人 行缩放，以达到改善图像的目的。本系统ห้องสมุดไป่ตู้用上、下域
值班，且操作员可随时根据存储的图像来校验识别结 值面对图像进行非线性灰度变换．变换公式为公式
一定宽度内，继续分割下一图像，并与当前图像块的右 侧台并。不断重复以上步骤．直到整幅图像分割完毕。 分割完成后．图像中仍含有一些非数字信息，再次对数 字块进行判断，识别前尽量将非数字部分去掉，以免识 别时因特征点类似而产生错误。 ３．３图像细分割
经过预分割后，大部分的数字都分开了．分割点基 本确定下来，但有些数字两两交叉到一块．像图２，７和 ４加在一起，这就给识别造成了很大的困难，还有５和 ７等等，仅靠垂直分割得不到较好的效果，这就需要作 进一步的处理。在比较了各种分割方法之后．决定采 用非线性路径搜索法对数字分割作进一步处理。在分 析了数字的形状特征后，确定自上向下的搜索方向。 具体步骤如下：以原来的分割结果为依据。如果原分割 不能垂直分割到底的话，则以原分割点为中心。在一定 的区间内自上向下搜索通道（以像素值是０为通路）。 当不能向下前进时，根据相对于原分割点的方向．优先 向中心方向横向搜索，在自中心起两侧距离相等时，依 次左右搜索前进。当左、右、下方均不能前进或超出搜 索区间时．停止搜索…６。
中值滤波属于空域处理中的一种区处理方法．它 根据邻域中各像素的值来决定中心像素值的大小的方
值，消除ｒ由于光照强度不均造成的影响［…。
｛（ｚ女一西）·（Ｚ—ｄ）／
，，
、 Ｊ（ｂ一口）
ｎ≤，（ｚ，＿）≤６
（２）
，Ｌ丁’ｙ，＝］五
，（Ｔ，ｙ）＜“
【五
，（Ｔ．）－）＜６
式中：Ｚｆ，五分别为０和２５５；ｔ２，６分别为上、下露值 （与变换点对应的卜、下阈值面的点），
具体分割时，根据字符块的宽度和统计直方图，先 将数字图像切成不大于一个数字宽度的各个小块。切 分完成后，从左到右顺序检测统计直方图，看边缘部分
是否类似数字“ｌ”，如果类似的话，按…１’的宽度将图像
切开，识别是否为“ｌ”，不符合则将其与下一块合并成 为一整个数字，是“１”则向左检测与上一数字块的距
离，在一定宽度内，判断…１’块与左侧合并是否为“４“． 是”４“将其标记为４，否则将…１块标记为１。当检测到 数字块的左侧为…１时，判断与下一数字块的距离，在
－河南洛阳热电责任有限公司资助项目（编号：９８２２０２００００２１１９） 收稿日期：２００１．１１，１＂／修改稿日期：２００２ ｏｌ １４
万方数据
弟５朋
·研咒与升友·
５３
没有统一的办法把它ｆ『］去掉，只有根据它们的各自特 征逐一去掉。 ３．２图像预分割
对数字进行识别，要求的是独立的数字，所以要将 数字图像中各个数字独立分离出来。由于“１”的宽度远 比其它数字要小，所以在数字分割时，对“１”要特别处 理。系统对数字图像进行分割的主要依据是横轴统计 直方图，而根据统计直方图，二值化图像中，有不少数字 是粘贴在一起的，特别是有些数字从中间分开．且其它 边和别的数字连在一起，这就增加了分割的难度。
２．３二值化 图像的二值化是一种将连续色调图像变成黑白图
的方法。基本思想是使像素值小于指定的阈值的像素 转成黑像素。像素值大干或等于指定阈值的像素转成 白像素。系统将预处理的重点转移到灰度变换方面． 经过灰度变换后的图像已经没有光照强度影响的问 题，采用固定多域值方法．根据原图像的灰度区间选择 不同的域值．取得较好的效果【７ Ｊ。 ３图像分割
具体分析了各个数字的特征形状，确定如下识别 特征点：横轴统计直方图、纵轴统计直方图、左视图、右 视图、下视图、仰视图、上下部分灰度统计比例、左右部 分灰度统计比例、上下空心区域统计比例、四角弧度检 测、空心向外弧度检测、空区域统计等。针对不同的数 字，判别不同的特征点，对于较为相似的数字．将取其 最明显的不同点”Ｊ。
1.学位论文 巩冰 自动指纹识别系统的研究与设计 2003
该文的内容正是关于自动指纹识别系统的研究与开发,按照设计过程,该文主要包括三个大部分:指纹图像的预处理、特征提取以及匹配.指纹图像的 预处理又可分灰度图滤波去噪、二值化、二值化图像去噪,、细化和细化后去噪五个部分.该文基于指纹的方向图设计出方向滤波器对原图像进行滤波去 噪,然后使用局部平滑阈值自适应二值化算法,将灰度图像进行二值化,并采用快速傅氏变换所得到的二值化图像进行去噪处理.接下来使用细化模板对二 值化图像进行细化,并针对细化图中各种噪声的拓扑结构将它们一一滤除.指纹图像的特征提取主要是提取指纹的细节特征及其位置.该文先采用脊线跟踪 法将指纹图中的细节特征全部找出来,再对每个细节特征进行验证,尽量去除伪特征点.然后采用求Poincare Index值的方法确定指纹的中心点,并作为参 照点来确定每个特点相对参照点的位置.指纹图像的匹配过程包括了图像校准和细节匹配两个部分.首先,找到输入图像和模板图像参照点对,然后将两幅 图像中的细节特征点相对于各自的参照点转化为极坐标形式,最后进行比对,确定两幅图像是否来自于同一手指.
3.学位论文 李增栋 基于小波分析的指纹识别系统预处理的算法研究 2007
指纹因其唯一性和终生不变性成为目前最可靠的生物识别技术研究对象，指纹识别技术具有很高的可行性和实用性，成为最流行、最方便、最可靠 的个人身份认证技术之一，因此自动指纹识别系统的研制成为现代信息安全的迫切需要，指纹预处理算法是指纹识别领域研究的重点内容之一，也是自 动指纹识别系统中的关键技术之一。