图像识别技术简介及应用

电子信息技术导论课程论文图像识别技术简介及应用图像识别技术简介及应用 作者：王琰 班级：11级电工二班 学号：201100120221 (山东大学信息科学与工程学院，山东济南 250100)摘要：随着计算机技术和信息科学技术的日益进步，图像识别这个领域在现代生活中的普及越来越广泛。本文介绍了图像识别技术的主要含义，着重描述了图像识别系统的基本工作原理，比较分析了各种算法的优缺点，讨论了其中的关键技术，并简单的介绍了图像识别技术在日常生活中的应用范围。关键词：图像识别；预处理；特征提取；图像匹配；技术应用。一、引言图像识别，是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。图像识别技术的定义十分广泛,主要指的是运用计算机采用数字技术方法，对系统前端获取的图像按照特定目的的原则进行相应的处理。图像识别包括条码识别、人脸识别、指纹识别、智能交通中的动态对象识别等等。图像识别技术就相当于是人类视觉认知的延伸，属于人工智能的一个重要领域。随着计算机技术和信息科学技术的飞速发展，图像识别技术逐步成为了人工智能的基础技术。它涉及的技术领域愈加广泛,应用也愈加深入，其基本分析方法也随着数学工具的发展而不断进步。当代社会的图像识别技术的应用范围已经远远超越了视觉的范围,而已经更多地体现在了机器智能、数字技术等方面。二、 图像识别过程自动图像识别的过程分为五个步骤：图像输入，预处理，特征提取，分类和匹配。其中预处理又可以分为图像分割，图像增强，二值化和细化四个部分。【1】图像输入是指将图像采集下来输入计算机进行处理，是图像识别的首要步骤。预处理是指为了减少后续算法的复杂度已达到提高效率的目的。背景分离是将图像区与背景分离，避免在没有有意义信息的区域进行特征提取，加速处理速度，提高图像特征提取的精度；图像增强的作用是改善图像质量，以恢复其原来的结构；图像的二值化的目的是将图像从灰度图像转变为二值图像；图像细化指的是把清晰但不均匀的二值图像转换为线宽只有一个像素的点线图像。【2】特征提取的目的为把能充分表示图片唯一性的特征以数值的形式表现出来，尽力保留下其真实的特征，滤除虚假特征。图像分类的原因是为了减少搜索时间并且降低计算的复杂度，需要将图像精确一致的分配到各自不同的图像库中。图像匹配是在图像预处理及特征提取的基础之上，把当前输入的测试图像特征与保存的模板图像特征一一进行比对，通过它们之间的相似度来判断这两幅图片是否一致。预处理的方法及意义预处理是图像识别技术中十分重要的一个步骤，它的好坏直接影响了图像识别最终的效果。经过预处理之后的图片被去除了噪声，变成了一幅清晰的点线图，以便提取出正确的图像特征。1.方向图的计算方法。方向图因其具有真实性，并能以简洁的形式直观地反映出图像的最基本特征，因此被广泛的运用于图像增强，图像特征提取，图像自动分类，方向模版匹配等等图像识别的关键处理环节当中。提取方向图的一般方法分为以下几步：第一步：将图像分割成许多子块；第二步：对每个小子块的每个点利用Sobel算子分别对其进行x方向梯度及y方向梯度的计算:（上式中S， 表示Sobel； f（i，j）表示各像素的灰度值。）第三步：根据梯度值得出的每个子块方向的计算公式：（上式中w表示图像块的宽度）2.图像分割传统的图像分割法包括灰度方差法分割以及局部灰度差法，但是这两种方法也有一定的局限性，对于太湿或太干的图像效果往往不明显。另外可以利用图像具有较强方向性的方向图进行分割法，但是基于方向图的分割效果对所求图像的方向图可靠性有较强依赖，但对图像对比度不敏感，以至于对于单灰度区域方向图分割法效果难以恭维。【3】总而言之当下的几种图像分割法各有利弊，仅仅采用一种图像分割方法很难得到理想的分割效果。因为我们应当尽量的采用多种方法同时处理的方法，对图像加以改进。对于同一副图片，我们可以把它分为四个区域：背景区、不可恢复区、清晰区和可恢复区。图像分割的就是保持后两类区域并且去除前两类区域。所谓的三级分割分别是指第一级先分割出背景区域，然后第二级从中分割出模糊得区域，第三级再从模糊区域中分割出不可恢复的部分。经过这样三个步骤既可以节约时间也可以提高分割的可靠性【4】。3.图像的增强在各种图像增强方法中目前应用的最为广泛的是是基于Gabor滤波增强算法，以及基于傅里叶滤波的低质量图像增强的方法。Gabor滤波增强是基于图像的数学模型的，定义形式如下：如果要将Gabor滤波器应用于图像处理，则需将偶Gabor函数改变为数字滤波器，如下式所示，将Gabor函数的实部作为模板，即可得到更真实接近图像的特征。【5】该方法综合的融合了图像的方向特性和频率特性，虽然滤波效果属于比较好，但Gabor滤波过程中频率计算以及滤波计算所消耗的时间在预处理的整体过程中所占时间比重过大，是需要继续改进的地方。4.二值和细化二值化算法研究的核心就是根据图像灰度的分布统计其最佳的阈值。传统的二值化算法分为静态算法和动态算法。动态算法的效果好于静态算法，对于质量差的图像静态算法将产生大量的伪特征点，在一定程度上动态算法能够弥补静态算法的缺陷，但同时也会引入更多的噪声。近来在图像二值化方面又出现了一些新的方法，如“基于方向图的动态阈值图像二值化方法”。该方法是从灰度图像中直接获取动态阈值后再对图像二值化，一次性完成预处理中的分离无效区域，滤波，增强，二值化的过程。【6】对细化的问题，国内国外已经提出了很多的细化算法，各有特点也有不足，其中以下几种细化算法较具代表性：“经典快速细化算法、RWHall细化算法、Rosenfeld细化算法、及Zhang & Suen细化算法”等等。目前，使用较多的图像细化算法有两种：基于形态学处理的快速细化算法以及OPTA算法及其改进形式。快速细化算法为四连通并行细化算法，方法为判断出图像纹线的边界点后逐步删除。本算法的速度很快，但是细化不彻底，细化后的纹线成为非单像素宽。图像的特征提取和分类图像的提取如果直接从图像原始灰度开始效率较高，但可能会附带提取出来大量的伪特征信息。相反基于全局结构特征的分类方法是通过提取分析方向图和奇异点等全局结构的特征来实现分类的。模仿人类进行图像分类是一种具有较强鲁棒性的做法，但仅限于在图像质量较好时才能提取出比较可靠地结构特征。目前的主流特征提取以及分类算法都是基于局部细节特征的算法。局部细节特征提取的算法如下：利用一个33的模版来对细化后的图像进行端点和分歧点的特征提取，如下图所示，M是待检测的点，沿顺时针排列的P1，P2，P3，P8是它的8个邻域点，R(1)，R(2)，R(3)R(8)分别是P1，P2，P3，P8的灰度值。如果M是端点，则它的邻域点满足下式：P8P1P2P7MP3P6P5P4特征提取模板如果M分支点，则它的邻域点满足下式：通过对图像进行遍历。可以找到图像的特征点，同时记录它们的类型和位置。【7】三、图像识别技术的应用范围图像识别是立体视觉、运动分析、数据融合等实用技术的基础，在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域重要的应用价值【1】：1)遥感图像识别：航空遥感和卫星遥感图像通常用图像识别技术进行加工以便提取有用的信息。该技术目前主要用于地形地质探查，森林、水利、海洋、农业等资源调查，灾害预测，环境污染监测，气象卫星云图处理以及地面军事目标识别等。2)通讯领域的应用：包括图像传输、电视电话、电视会议等。3)军事、公安刑侦等领域的应用：图像识别技术在军事、公安刑侦方面的应用很广泛，例如军事目标的侦察、制导和警戒系统；自动灭火器的控制及反伪装；公安部门的现场照片、指纹、手迹、印章、人像等的处理和辨识；历史文字和图片档案的修复和管理等等。4)生物医学图像识别：图像识别在现代医学中的应用非常广泛，它具有直观、无创伤、安全方便等特点。在临床诊断和病理研究中广泛借助图像识别技术，例如CT(Computed Tomography)技术等。5)机器视觉领域的应用：作为智能机器人的重要感觉器官，机器视觉主要进行3D图像的理解和识别，该技术也是目前研究的热门课题之一。机器视觉的应用领域也十分广泛，例如用于军事侦察、危险环境的自主机器人，邮政、医院和家庭服务的智能机器人。此外机器视觉还可用于工业生产中的工件识别和定位，太空机器人的自动操作等.四、总结上文中对图像识别系统的关键算法步骤进行了讨论和比较研究，并且举例论证解释。完整图像识别的过程步骤很多，每个步骤都有若干种算法，算法的好坏很直接的影响了后续步骤的效果。虽然图像识别技术已经取得了十分巨大的成就，但现阶段的方法应用于质量略差的图像的效果并不理想，算法的效率低等等问题都是图像识别需要解决的，还需要注重和提高以下的几个方面：第一：由于Gabor变换对特征点区域有着不敏感性，因此这部分的增强效果不佳，经常无法判断是端点还是分支点，导致这一特征信息的无效，因此我们要注意能否做出一定的改进，使得特征点类型划分的可信度更高。第二：可以利用伪特征点在数学形态学上的分布规律，对伪特征点进行删除。第三：基于曲线结构和三角法的点模式匹配算法也可以提高识别速度综上所述，现在的图像识别技术还并不完善成熟，还有很多待改进的地方，因此要如何改善缺点，优化过程，提高运算速度等等是我们下一步的研究方面和发展目标参考文献【1】章毓晋. 图像处理和分析基础M. 北京:高等教育出版社,2002.【2】章毓晋. 图像分割M. 北京:科学出版社,2001.【3】唐良瑞，谢晓辉基于D-S证据理论的图像图像分割方法J计算机学报，2003，26(7)：887892【4】杨小冬，宁新宝自动图像识别系统图像分割算法的研究J南京大学学报2004，40(4)：424431【5】康剑莉，陈罡，毛金明基于Gabor小波特征的磨粒图像识别新方法激光与红外2005335(3)【6】李建华，马小妹基于方向图的动态阈值图像图像二值化方法J大连理工大学学报. 2002，42(5)：626628【7】崔屹. 图像处理与分析数学形态学方法及应用M. 北京:科学出版社,2000.4