第12章 图像识别第12 图像识别第12章 图像识别第12章 图像识别.ppt

第12章 图像识别 图像识别技术是数字图像处理技术中重要的组成部分之一，在工程和现实生活中得到了广泛应用。MATLAB提供了专业的图像处理算法，拥有强大的图像处理能力，但是对于图像的获取和对图像处理结果的应用却不足。而VC正好能够弥补此缺陷，所以Matlab和VC++混合编程技术具有重要意义。本章将介绍图像识别技术相关的基础知识，并介绍图像识别领域的几种常见的识别方法，最后给出使用VC++和MATLAB混合编程进行图像识别处理的实例。 12.1 图像识别的混合编程规则和接口设计 MATLAB与VC++都能够独立的实现图像的识别，并各具优点与缺点。对于不同的工程和现实生活的应用要求，采用MATLAB、VC++以及两者混合编程的方法有时都能够达到要求，但是其技术实现难度以及开发成本却截然不同。正确的把握三种方法各自的优缺点可以降低程序复杂程度与开发成本。 12.1.1 VC++和MATLAB图像识别的混合编程原则 前面章节已经进行过说明，VC++能快速建立应用软件的用户界面，并且VC++开发的应用软件界面友好、代码效率高、执行速度快，因此VC++已成为广泛采用的前端开发工具之一。MATLAB的优点在于图像处理的专业算法方面，而VC++的优点在于可视化界面的编程。VC++与MATLAB的各自优点，因使得两者混合编程进行图像识别和处理成为一种理想的解决方案。 12.1.2 VC++和MATLAB图像识别的接口设计 使用VC++和MATLAB进行图像识别编程时，目前主要使用基于COM的混合编程接口方式。其它的方式还包括使用MATCOM工具和调用MATLAB引擎的方式。 12.2 图像识别概述 图像识别是利用计算机智能处理算法对数字图像进行处理、分析和解释，以达到识别各种不同状态的目标和对像的技术，是人工智能的一个重要领域。图像识别目前已经成为了人工智能领域的重要学科，在科学研究与工业生产中得到了广泛应用。其主要用途就是利用计算机对图像进行加工处理，以得到某些预期的效果，并从中提取有用信息，实现人对事物或现象的分析、描述、判断和识别。 12.2.1 图像识别的发展阶段 图像识别技术经历文字识别，图像信息处理和模式识别及物体识别等三个发展阶段。 12.2.2 图像识别的基础 相似性理论和方法是图像识别的理论基础。需要进行识别的图像中的对象通常具有独特的形状和性质，这样才能够根据特性将其识别出来。当人眼识别某一物体时，视线总是集中在图像中物体的主要形状和特征上。在图像识别过程中，人眼通过对图像包含的信息进行提取，抽取出关键信息，并将提取的信息进行整合，从而获得一个完成的特征映像。 12.2.3 图像识别原理 使用图像识别技术对图像中个性特征进行提取时，可以采用模板匹配模型。所谓模板匹配是指根据图形中的图案编排与一幅图像的各部分的相似度判断其是否存在，并求得对象物在图像中位置的操作方法。使用模板匹配模型按照某一被识别的物体的所有特征进行制作模板，实际工程中多以轮廓信息作为模板，并将这些模板以数据结构的形式存储到存储空间内存中。在进行图像识别时，只需将模板进行一一比对对比匹配，便可识别出所需要识别的目标。 12.3 主要图像识别方法 基于图像识别的基本原理，不同领域的学者针对自己领域的图像识别问题进行了了大量研究工作，涉及到计算机科学、信息科学、生物科学、神经科学、心理学等学科，并衍生了多种图像识别的理论和方法。这些方法也为图像识别技术的成功应用打下了基础。本节将简要介绍常用的图像识别方法。 12.3.1 统计模式的识别方法 统计模式的识别方法又叫决策理论方法，其基本原理是将图像转换成计算机能够识别并处理的二进制数字信息。其处理过程如下： （1）对图像进行数字化。 （2）对数字信息进行预处理，除去混入的干扰信息并减少失真和变形。 （3）对数字信息进行特征提取，将图像的数字信息从对象空间转换到特征空间。在特征空间中，图像信息被表示为一个点或特征矢量，这样不仅压缩了图像信息，并且易于分类。 12.3.2 结构语句的识别方法 在图像识别问题中，往往需要了解图像的结构信息。图像识别的目的不仅要能够把图像进行分类，而且还要描述图像的形态。这时可以使用语言结构法来识别图像。结构语句的方法支持用一小组简单的模式基元和语法规则来描述一大组复杂的图像模式。 12.3.3 模糊集识别法 模糊集识别方法是伴随着模糊数学而产生的识别方法。将模糊技术应用于不同的问题领域，就产生了一些新的学科分支，例如模糊神经网络、模糊控制技术和系统和模糊模式识别等。 12.3.4 神经网络识别法 神经网络模式识别方法的一个重要特点就是，它能够较有效地解决非线性问题，而且在很多工程应用中取得了成功。在一些方面的研究取得了进展，例如统计学习理论为研究模式识别