基于图像特征提取的算法设计与应用
|
摘要
随着工业的集约化发展,表面产品的生产量持续大幅度增长。在生产中,对表面加工质量高水平的苛求,尤其是一致性的要求,对图像识别技术提出了更高的要求。
本文研究了表面图像预处理、分类识别技术、特征提取、模式识别问题,针对传统滤波算法在抑制噪声的同时,也会对图像的边缘及细节有比较大的损害,使图像的边沿及细节变模糊的问题,提出了加权有向平滑滤波算法。并在图像分割上融合了几种分割方法,提出一种改进的基于双正交小波变换的多分辨率图像融合方法和基于融合技术的小波变换和形态学边缘检测算法,优化了分割效果,为后续特征提取打下了很好的基础。
本文最后采用“车牌字符识别实验”对图像分类识别进行实现。本文从颜色特征角度来描述,根据各参数分布情况,选择标准差较小的参数作为分类器输入特征向量;以及采用主分量分析法进行特征提取,降低纹理特征维数,消除模式特征之间的相关性,突出其差异性,满足识别层的输入要求。
实验结果证明:根据图像的纹理特征和颜色特征,运用数字图像处理技术,来解决图像的分割和识别等问题,是行之有效的途径。
Along with industrial intensive development, surface production continued to grow substantially. In production, to quality of surface processing of high levels of demanding, especially the consistency requirements, on the image recognition technology has put forward higher requirements.
This paper studies the surface image preprocessing, feature extraction, classification and recognition technology, pattern recognition problem, traditional filtering algorithm in the suppression of noise at the same time, also on the image edges and details are relatively large damage, so that the edge of image and blur detail problem, put forward the weighted directional smoothing algorithm. And in the image segmentation on the fusion of several segmentation methods, put forward a kind of improvement based on biorthogonal wavelet transform multiresolution image fusion method based on fusion and wavelet transform and morphological edge detection algorithm, optimization of the segmentation effect, for the follow-up feature extraction is to lay a good foundation.
Finally, using the" license plate character recognition experiment" to image classification to achieve. This article from the color features are described in terms of. According to the parameters of the distribution, selection of less standard deviation parameters as classifier input feature vector; and using the principal component analysis method for feature extraction, texture feature dimension reduction, elimination patterns of correlation among features, highlighting their differences, meet the needs of the recognition layer.
The experimental results show that: according to the image texture features and color features, using digital image processing technology, to solve the problem of image segmentation and recognition, is effective way.
本文研究了表面图像预处理、分类识别技术、特征提取、模式识别问题,针对传统滤波算法在抑制噪声的同时,也会对图像的边缘及细节有比较大的损害,使图像的边沿及细节变模糊的问题,提出了加权有向平滑滤波算法。并在图像分割上融合了几种分割方法,提出一种改进的基于双正交小波变换的多分辨率图像融合方法和基于融合技术的小波变换和形态学边缘检测算法,优化了分割效果,为后续特征提取打下了很好的基础。
本文最后采用“车牌字符识别实验”对图像分类识别进行实现。本文从颜色特征角度来描述,根据各参数分布情况,选择标准差较小的参数作为分类器输入特征向量;以及采用主分量分析法进行特征提取,降低纹理特征维数,消除模式特征之间的相关性,突出其差异性,满足识别层的输入要求。
实验结果证明:根据图像的纹理特征和颜色特征,运用数字图像处理技术,来解决图像的分割和识别等问题,是行之有效的途径。
Along with industrial intensive development, surface production continued to grow substantially. In production, to quality of surface processing of high levels of demanding, especially the consistency requirements, on the image recognition technology has put forward higher requirements.
This paper studies the surface image preprocessing, feature extraction, classification and recognition technology, pattern recognition problem, traditional filtering algorithm in the suppression of noise at the same time, also on the image edges and details are relatively large damage, so that the edge of image and blur detail problem, put forward the weighted directional smoothing algorithm. And in the image segmentation on the fusion of several segmentation methods, put forward a kind of improvement based on biorthogonal wavelet transform multiresolution image fusion method based on fusion and wavelet transform and morphological edge detection algorithm, optimization of the segmentation effect, for the follow-up feature extraction is to lay a good foundation.
Finally, using the" license plate character recognition experiment" to image classification to achieve. This article from the color features are described in terms of. According to the parameters of the distribution, selection of less standard deviation parameters as classifier input feature vector; and using the principal component analysis method for feature extraction, texture feature dimension reduction, elimination patterns of correlation among features, highlighting their differences, meet the needs of the recognition layer.
The experimental results show that: according to the image texture features and color features, using digital image processing technology, to solve the problem of image segmentation and recognition, is effective way.
引文
[1]章毓晋.中国图像工程:2005.中国图象图形学报,2006年05期:1-3
[2]任永政.基于计算机视觉的板材成形件三维测量:[硕士学位论文],吉林:吉林大学,2004,6-10
[3]胡舒姝.图像处理技术在双目视频序列分析中的应用:[硕士学位论文],武汉:武汉理工大学,2007,8-10
[4]迟健男.图像形态学和小波分析在图像增强与边缘检测中的应用:[硕士学位论文],沈阳:东北大学,2005,13-14
[5]宁天夫.数字图像处理技术的应用与发展.舰船电子工程,2009年第1期:38-41
[6]张浩.图像识别技术在电力设备在线监测中的应用:[硕士学位论文],北京:北京交通大学,2009,5-6
[7]吴学明.图像分割的算法研究:[硕士学位论文],成都:成都理工大学,2006,6-7
[8]杨晓敏,周强,吴炜,何小海.基于支持向量机的车牌字符识别.四川大学学报(自然科学版),2009年第4期:1-2
[9]高彦平.图像增强方法的研究与实现:[硕士学位论文],山东:山东科技大学,2005,25-27
[10]高玉瑞.红外图像增强技术研究:[硕士学位论文],青岛:青岛理工大学,2010,6-8
[11]张浩.图像识别技术在电力设备在线监测中的应用:[硕士学位论文],北京:北京交通大学,2009,11-12
[12]艾实有.等离子熔积熔池与焊道的可视化研究:[硕士学位论文],武汉:华中科技大学,2009,9-10
[13]陈武凡.彩色图像边缘检测的新算法.中国科学(A辑),1995,25(2):219-24
[14]赵春燕.基于模糊分析的图像处理方法及其在无损检测中的应用研究:[硕士学位论文],山东:山东科技大学,2004,17-18
[15]万明.基于视觉导航的无人机自主着陆飞行参数估计方法:[硕士学位论文],南京:南京航空航天大学,2009,7-9
[16]彭寿星.基于USB接口的指纹采集与识别系统的设计:[硕士学位论文],南京:南京理工大学,2006,13-15
[17]杨合超,周雪梅.几种图像分割技术的比较.电脑知识与技术,2009年第09期:412-414
[18]李晖.脑部医学图像挖掘技术研究:[硕士学位论文],贵阳:贵州大学,2007,8-9
[19]张晓萌,付燕.图像分割技术研究.科技情报开发与经济,2007年第18期:183-184
[20]葛雯,高立群.基于小波变换和数学形态的足迹边缘检测算法.仪表技术,2008年第03期:55-56
[21]文卫平,汪滢.一种基于小波变换数据融合的边缘检测算法.现代电子技术,2009年第15期:132
[22]秦红玉.基于EMD的多光谱图像融合:[硕士学位论文],武汉:华中科技大学,2008,4
[23]杨生友.聚类分析在医学图像中的应用:[硕士学位论文],兰州:兰州大学,2009,8
[24] Haralick R, Shanmugam K, Dinstein I, Texture feature for image classification, IEEE Transactions on System, Man, and Cybernetics, 1973,3(6): 610-623
[25] Stone HS, Li CS, Image matching by means of intensity and texture matching in the Fourier domain, in: Proceedings of SPIE: Storage and Retrieval for Image and Video Databases IV , San Jose, CA, USA, 1996: 337-349
[26] Manjunath BS, Ma WY, Texture features for browsing and retrieval of image data, IEEE Transactions on Pattern Analysis and Machine Intelligence, 1996,18(8): 837-841
[27]刘鹏宇.基于内容的图像特征提取算法的研究:[硕士学位论文],吉林:吉林大学,2004,38-41
[28]王业琴,赵志国.基于直方图和颜色矩方法的表面颜色特征的表达.林业科技,2006年第05期:76-80
[29]王辉.基于灰度共生矩阵表面纹理模式识别方法的研究:[硕士学位论文],哈尔滨:东北林业大学,2007,21-23
[30]王维枫.山杏常见叶部病虫害图像识别技术研究:[硕士学位论文],北京:中国林业科学研究院,2008,16-18
[31]徐孟春,王相海.基于不完全小波树型结构的图像纹理特征研究.中国图象图形学报,2009年第07期:1341-1346
[32]梁永全.基于内容的多媒体信息检索的研究:[博士学位论文],北京:中国科学院研究生院计算技术研究所,2006,7-12
[33]邓乃扬,田英杰.数据挖掘中的新方法-支持向量机.北京:科学出版社,2005,120-122
[34]张润楚.多元统计分析[M].北京:科学出版社,2006,32-35
[35] M Stricker, M Orengo, Similarity of color images,in: Proc. of SPIE Storage and Retrieval for Image and Video DatabasesⅢ, 1995,2185: 381-392
[36] SC Liew, H Lim, LK Kwoh, GK Tay, Texture analysis of SAR images,IEEE 1995 International Geoscience and Remote Sensing Symposium Proceedings (IGARSS 1995), Firenze,Italy, 1995,2:1412-1414
[37] J.P.Marquesdesa著.吴逸飞译.模式识别一原理、方法和应用.第1版.北京:清华大学出版社,2002,97-102
[38]李艳双,曾珍香.主成分分析法在多指标综合评价方法中的应用.天津:河北工业大学学报, 1999年第28卷第1期:94-97
[39]张旭丽.两种基于空间域聚类分析的彩色图像分割方法比较.贵州工业大学学报(自然科学版),2001年02期:67-73
[40]陈轩飞,陈志刚.车牌字符的预处理研究.现代电子技术,2005年第02期:64-66
[41]白雪梅,赵松山.对主成分分析综合评价方法若干问题的探讨.统计研究,1995年第06期: 47-50
[42]任瑞治.MODIS卫星遥感图像预处理方法研究:[博士学位论文],吉林:吉林大学,2011,22-24
[43]叶晨洲,廖金周.一种基于纹理的牌照图象二值化方法.微型电脑应用,1999年15卷6期:28-29
[44]高朝晖,黄卫.基于彩色图像车牌分割研究.公路交通科技,2004年第8期:114-117
[45] HIPPERT H S,Pefreira C E.Souza R C Neural network for short-term load forecasting:Areview and evaluation [外文期刊] 2001(02) doi:10.1109/59.910780
[46]刘胜,杨焕荣,陈书明,李勇,侯申.一种基于核心数据区监视的交叉验证方法.国防科技大学学报,2011年04期:1-6
[47] Y.Nakagawa,A.Rosenfeld.A note on the use of local min and max operations in digital picture processing.IEEE Trans.,Syst.,Man,Cybern., 1978,8(8),632-635
[2]任永政.基于计算机视觉的板材成形件三维测量:[硕士学位论文],吉林:吉林大学,2004,6-10
[3]胡舒姝.图像处理技术在双目视频序列分析中的应用:[硕士学位论文],武汉:武汉理工大学,2007,8-10
[4]迟健男.图像形态学和小波分析在图像增强与边缘检测中的应用:[硕士学位论文],沈阳:东北大学,2005,13-14
[5]宁天夫.数字图像处理技术的应用与发展.舰船电子工程,2009年第1期:38-41
[6]张浩.图像识别技术在电力设备在线监测中的应用:[硕士学位论文],北京:北京交通大学,2009,5-6
[7]吴学明.图像分割的算法研究:[硕士学位论文],成都:成都理工大学,2006,6-7
[8]杨晓敏,周强,吴炜,何小海.基于支持向量机的车牌字符识别.四川大学学报(自然科学版),2009年第4期:1-2
[9]高彦平.图像增强方法的研究与实现:[硕士学位论文],山东:山东科技大学,2005,25-27
[10]高玉瑞.红外图像增强技术研究:[硕士学位论文],青岛:青岛理工大学,2010,6-8
[11]张浩.图像识别技术在电力设备在线监测中的应用:[硕士学位论文],北京:北京交通大学,2009,11-12
[12]艾实有.等离子熔积熔池与焊道的可视化研究:[硕士学位论文],武汉:华中科技大学,2009,9-10
[13]陈武凡.彩色图像边缘检测的新算法.中国科学(A辑),1995,25(2):219-24
[14]赵春燕.基于模糊分析的图像处理方法及其在无损检测中的应用研究:[硕士学位论文],山东:山东科技大学,2004,17-18
[15]万明.基于视觉导航的无人机自主着陆飞行参数估计方法:[硕士学位论文],南京:南京航空航天大学,2009,7-9
[16]彭寿星.基于USB接口的指纹采集与识别系统的设计:[硕士学位论文],南京:南京理工大学,2006,13-15
[17]杨合超,周雪梅.几种图像分割技术的比较.电脑知识与技术,2009年第09期:412-414
[18]李晖.脑部医学图像挖掘技术研究:[硕士学位论文],贵阳:贵州大学,2007,8-9
[19]张晓萌,付燕.图像分割技术研究.科技情报开发与经济,2007年第18期:183-184
[20]葛雯,高立群.基于小波变换和数学形态的足迹边缘检测算法.仪表技术,2008年第03期:55-56
[21]文卫平,汪滢.一种基于小波变换数据融合的边缘检测算法.现代电子技术,2009年第15期:132
[22]秦红玉.基于EMD的多光谱图像融合:[硕士学位论文],武汉:华中科技大学,2008,4
[23]杨生友.聚类分析在医学图像中的应用:[硕士学位论文],兰州:兰州大学,2009,8
[24] Haralick R, Shanmugam K, Dinstein I, Texture feature for image classification, IEEE Transactions on System, Man, and Cybernetics, 1973,3(6): 610-623
[25] Stone HS, Li CS, Image matching by means of intensity and texture matching in the Fourier domain, in: Proceedings of SPIE: Storage and Retrieval for Image and Video Databases IV , San Jose, CA, USA, 1996: 337-349
[26] Manjunath BS, Ma WY, Texture features for browsing and retrieval of image data, IEEE Transactions on Pattern Analysis and Machine Intelligence, 1996,18(8): 837-841
[27]刘鹏宇.基于内容的图像特征提取算法的研究:[硕士学位论文],吉林:吉林大学,2004,38-41
[28]王业琴,赵志国.基于直方图和颜色矩方法的表面颜色特征的表达.林业科技,2006年第05期:76-80
[29]王辉.基于灰度共生矩阵表面纹理模式识别方法的研究:[硕士学位论文],哈尔滨:东北林业大学,2007,21-23
[30]王维枫.山杏常见叶部病虫害图像识别技术研究:[硕士学位论文],北京:中国林业科学研究院,2008,16-18
[31]徐孟春,王相海.基于不完全小波树型结构的图像纹理特征研究.中国图象图形学报,2009年第07期:1341-1346
[32]梁永全.基于内容的多媒体信息检索的研究:[博士学位论文],北京:中国科学院研究生院计算技术研究所,2006,7-12
[33]邓乃扬,田英杰.数据挖掘中的新方法-支持向量机.北京:科学出版社,2005,120-122
[34]张润楚.多元统计分析[M].北京:科学出版社,2006,32-35
[35] M Stricker, M Orengo, Similarity of color images,in: Proc. of SPIE Storage and Retrieval for Image and Video DatabasesⅢ, 1995,2185: 381-392
[36] SC Liew, H Lim, LK Kwoh, GK Tay, Texture analysis of SAR images,IEEE 1995 International Geoscience and Remote Sensing Symposium Proceedings (IGARSS 1995), Firenze,Italy, 1995,2:1412-1414
[37] J.P.Marquesdesa著.吴逸飞译.模式识别一原理、方法和应用.第1版.北京:清华大学出版社,2002,97-102
[38]李艳双,曾珍香.主成分分析法在多指标综合评价方法中的应用.天津:河北工业大学学报, 1999年第28卷第1期:94-97
[39]张旭丽.两种基于空间域聚类分析的彩色图像分割方法比较.贵州工业大学学报(自然科学版),2001年02期:67-73
[40]陈轩飞,陈志刚.车牌字符的预处理研究.现代电子技术,2005年第02期:64-66
[41]白雪梅,赵松山.对主成分分析综合评价方法若干问题的探讨.统计研究,1995年第06期: 47-50
[42]任瑞治.MODIS卫星遥感图像预处理方法研究:[博士学位论文],吉林:吉林大学,2011,22-24
[43]叶晨洲,廖金周.一种基于纹理的牌照图象二值化方法.微型电脑应用,1999年15卷6期:28-29
[44]高朝晖,黄卫.基于彩色图像车牌分割研究.公路交通科技,2004年第8期:114-117
[45] HIPPERT H S,Pefreira C E.Souza R C Neural network for short-term load forecasting:Areview and evaluation [外文期刊] 2001(02) doi:10.1109/59.910780
[46]刘胜,杨焕荣,陈书明,李勇,侯申.一种基于核心数据区监视的交叉验证方法.国防科技大学学报,2011年04期:1-6
[47] Y.Nakagawa,A.Rosenfeld.A note on the use of local min and max operations in digital picture processing.IEEE Trans.,Syst.,Man,Cybern., 1978,8(8),632-635