人工智能课程论文讲述.doc

 摘 要 数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点，基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像形状的边缘提取和识别分类。论文主要论述了利用MATLAB实现对图像中的三角形，正方形，圆，椭圆，菱形的边缘提取和自动识别分类。 关键词：MATLAB；数字图像处理图像 目 录 1 引言 2 1.1 课题研究目的及意义 2 1.2 国内外研究现状 2 2 数字图像形状及预处理 3 2.1 概述 3 2.2 数字图像的预处理 4 2.2.1 数字图像 4 2.2.2 采样 6 2.2.3 量化 6 2.2.4 采样、量化和图像细节的关系 7 2.3 几种典型的形状特征描述方法 7 3 形状特征及提取分类 8 3.1 矩形度 9 3.2 圆形度 9 3.3 矩 10 3.4 不变矩 10 3.5 基于不变矩的形状特征提取 11 3.5.1 特征提取步骤 11 3.5.2 边缘提取算子的确定 11 3.5.3 边缘提取常用算子 11 3.5.4 Canny算子 12 3.6 边缘提取实验结果及分析 14 3.6.1 边缘提取算法分析 14 3.6.2 图像形状识别结果 14 结 论 24 参考文献 25 附录： 26 1 引言 本章简略介绍课题的研究目的及意义，该课题国内外研究现状以及论文内容安排等。 1.1 课题研究目的及意义 随着信息化多媒体时代的到来及世界范围内Internet的风行，人们在工作和生活中越来越多的接触到大量的各种各样的图像信息。图像作为一种重要的信息载体，具有直观、内容丰富、无语言限制和便于国际交流等特点，是组成多媒体信息的重要内容。图像处理技术已经广泛深入的应用于各行各业中。设计制造、医疗卫生、艺术文化、建筑工程、地理、公安等领域相继建立了各种图像库。 在浩如烟海的信息中，寻找感兴趣的资料是极其耗时的，人们对信息检索和系统的依赖日益加强。图像的特征提取是基于内容的图像检索系统部分的核心内容。 本文研究的重点就是如何从静态图像中提取出图像的形状特征。 典型框架是：对图像的形状进行人工标注分类。这种方法当图像数量不大时，不失为一种简单易行的方法。然而，当图像数据量非常庞大时，基于文本的图像检索存在着诸多困难，此时图像形状的自动识别就派上用场了。 1.2 国内外研究现状 因为图像特征提取及识别具有很强的实用性，国内外测绘界、计算机视觉、模式识别与人工智能等领域都对其进行了深入研究。国外如美国的Mckeown实验室、英国的VGG实验室、德国的波恩大学、奥地利的格拉茨大学等，国内如清华大学、北京大学、中科院等，在这方面都做了许多工作，取得了很大的成绩，有的成果己具备初步的实用价值。在上述研究的基础上，近年来国内外推出了一系列图形图像软件，它们具备了较强的图像特征提取和识别的功能。国外流行的图像特征提取及识别的软件，例如：德国softelec公司的VPStudio，日本日立公司的Imageseries，美国GTX公司的GTXRaster series，挪威Rasterex公司的RxAutoImage Pro 2000等。国内图像特征提取及识别软件，例如：东大阿尔派的SEAS系统，华中理工大学的EDIS工程图信息系统，西工大CAD中心的NPPU-EDRS工程图智能输入与识别系统，清华紫光的TH-DAIMS图纸处理系统等。 从上面特征提取和识别的研究现状来看，由于特征提取及识别问题本身的多样性和复杂性，现有的理论和方法离实际要求还有相当距离，一些根本的问题还有待进一步深入研究。现有的特征提取和识别算法基本上还是处于实验阶段，其实用性、通用性、准确性等方面离大规模实际应用的要求还有一定差距。所有这些应用都是和问题的性质密不可分的，至今还没有发展成统一、有效的可应用于所有模式识别的理论。虽然各特征提取与识别算法的处理能力、特征提取能力、特征识别能力的效果方面各有所长，但是仍然在算法的性能、通用性、自动化程度、准确率方面存在很多不足。因此，为了弥补这些不足，对于图像特征提取及识别技术的研究需要更多的关注，付出更多的努力。 2 数字图像形状及预处理 2.1 概述 形状特征是对图像中边界清晰的目标的最好表达方式。是