基于matlab图像识别.ppt

膨胀处理 膨胀处理后 * 区域填充 膨胀运算后，图像的边缘得到了很好的描述 然而，在目标物的内部，仍然存在一些空洞，可通过区域填充消除空洞 * 区域填充后 标记连通区域 为了能够更加清楚的观察分割结果，我们对上图中的连通区域进行标记，并且用不同的颜色显示 从图中可以看出，共得到四部分分割区域，并分别用红色，黄色，深蓝色和蓝绿色表示出来 * 对象提取 在二值图像中，对象是指值为1且连接在一起的像素的集合。 根据上图中不同目标物的不同坐标，提取出特定的连通区域，选择特定的对象 * 分别显示出只含有一个对象的二值图像 5 特征提取 5.1形状特征 5.2 颜色特征 * 5.1形状特征 图像经过边缘提取和图像分割等操作，就会得到边缘和区域，也就是获得了目标的形状。 任何物体的形状特征均可由其几何属性（如长度、面积、距离、凹凸等），统计属性（如投影）和拓扑属性（如连通、欧拉数）来进行描述。 可以用来表示形状的特征包括几何特征和矩特征。 可供选择的几何特征有：周长、面积、偏心率、欧拉数、角点、横轴长度和纵轴长度。 矩特征有质心、方向、主轴关于方向的矩、不变矩和特征矩等。 本例识别目标物较少，因此不必选择过多特征，我们只选择了面积，横轴长两个特征，并用图像分析得到的特征值建立了一个小型的特征库 * 5.2 颜色特征 由于颜色特征具有旋转不变性和尺度不变性，因而，在图象识别技术，颜色是使用最广泛的特征之一。 而颜色特征的提取是利用颜色特征进行图象识别的关键之一。 目前，大部分系统都采用颜色比例分布作为颜色基本特征， 这就是图象领域中的直方图法。 * (a) （b） (c) （d） 图(a)~(d)分别为香蕉，青椒，梨和西红柿的直方图 横轴为色调Hue，纵轴为H（p）。 相似度量 颜色特征提取后，如何用数值来有效的表示图像在颜色上的相似程度，这便是相似度量问题 相似度量也是直接影响识别效果的重要环节，在模式识别技术中，特征的相似度量均采用距离法 ，即特征的相似程度用特征向量的空间距离来表示 * 6 识别结果 经过彩色边缘检测，图像分割和特征提取，对分割后的图像进行模式匹配，并制作出用户界面，最终实现图像的分类和识别。 当按下界面上的控制按钮时，计算机会自动识别出相应的水果。 例如：按下按钮“梨”时，界面上就会显示出梨。按下按钮“关闭”，界面关闭。 * 最终效果图 * （a） 原始图像 (b) 梨 指纹识别技术 生物识别技术正越来越多地影响着人们的日常生活。 通过取代个人识别码和口令，生物识别技术不仅可阻止非授权访问，还能防止盗用ＡＴＭ、蜂窝电话、智能卡、桌面ＰＣ、工作站以及计算机网络。 生物识别技术也可在电话、网络进行金融交易时进行身份认证，或在办公场所取代现有的钥匙、证件、图章等。 指纹锁 生物特征 普遍性 唯一性 持久性 可采集性 识别性能 可接受性 人脸 高 低 中 高 低 高 指纹 中 高 高 中 高 中 手型 中 中 中 高 中 中 掌纹 中 中 中 中 中 中 虹膜 高 高 高 中 高 低 视网膜 高 高 中 低 高 低 签名 低 低 低 高 低 高 语音 中 低 低 中 低 高 生物识别技术比较 * 指纹门禁考勤机 指纹鼠标 全球首款带有指纹识别的手机 * 指纹是指手指末端正面皮肤上凸凹不平产生的纹路。 这些纹路的存在增加了皮肤表面的摩擦力，使得我们能够用手来抓起重物。 尽管指纹只是人体皮肤的一小部分，但是，它蕴涵大量的信息。 这些皮肤的纹路在图案、断点和交叉点上是各不相同的，在信息处理中将它们称作“特征”， 医学上已经证明这些特征对于每个手指都是不同的，而且这些特征具有唯一性和永久性， 因此我们就可以把一个人同他的指纹对应起来，通过比较他的指纹特征和预先保存的指纹特征，就可以验证他的真实身份。 * 指纹识别 公元前７０００～６０００年，古代的亚述人和中国人就意识到了指纹的特点，并使用指纹作为个人身份的象征。 １９世纪中叶对指纹的研究产生了两个重要的结论： 没有任何两个手指指纹的纹线形态一致； 指纹纹线的形态终生不变。 这些研究使得一些政府开始使用指纹进行罪犯鉴别。 在现代的科学研究领域，指纹的识别属于“模式识别”。 该系统的核心是ＯＣＲ（光学字符识别）技术。 通过ＣＭＯＳ摄像头提取指纹，然后输入计算机，再通过一系列复杂的指纹识别算法，现代技术就能在极短的时间内