局部不變特征提取算法的研究及其在圖像識別中的應(yīng)用.pdf

1、本課題作為教育部留學回國人員科研啟動基金資助項目，在上海市出入境檢驗檢疫局的實際需求下產(chǎn)生，研究重點是棉、麻等天然纖維素纖維和各種異形纖維的計算機顯微圖像識別。本纖維自動識別系統(tǒng)集圖像采集、圖像預(yù)處理、特征提取和模式識別為一體，以實現(xiàn)纖維的自動識別為目的。整個識別過程要求在無人干預(yù)的情況下自動進行。在各種復(fù)雜的環(huán)境下計算機能夠?qū)崿F(xiàn)自動識別。
　　 本文以通過硬件設(shè)備采集到的纖維圖像為研究對象，研究方向為纖維圖像的預(yù)處理、纖維的特

2、征提取和特征識別，實現(xiàn)了一個新的基于SIFT特征提取算法及SVM分類算法相結(jié)合的異型纖維識別系統(tǒng)。本文的研究重點為纖維特征參數(shù)提取算法的實現(xiàn)，構(gòu)造纖維識別模型。
　　 在圖像預(yù)處理部分，本文首先介紹了小波變換的發(fā)展歷史和基本理論，然后根據(jù)纖維大圖的特點，分兩方面介紹了小波變換在纖維圖像預(yù)處理中的作用。在預(yù)處理中的邊緣增強部分，提出了一組非線性處理公式，對圖像的高頻系數(shù)進行變換，成功的對纖維圖像邊緣對比度不均，邊緣過弱等現(xiàn)象進行了

3、改善，同時在本文后面部分通過實驗結(jié)果驗證了其有效性。
　　 文章首先分析總結(jié)纖維特征參數(shù)提取的研究現(xiàn)狀，研究圖像特征提取的相關(guān)理論及其經(jīng)典算法，討論其中的關(guān)鍵技術(shù)和難點并進行分析和比較，針對目前具體的纖維識別對象，指出目前纖維截面特征提取及纖維識別存在的缺陷和不足，確定出解決方案。
　　 特征提取是模式識別必要的前期準備，特征參數(shù)的有效性直接影響纖維的識別率。本文對局部不變特征提取算法進行了廣泛的研究和對比，通過對近年流

4、行的SIFT局部不變特征提取算法進行研究，分析其特點和優(yōu)勢，將其運用于異型纖維圖像的特征提取，并與SVM分類算法相結(jié)合，取長補短，獲得了較好的識別結(jié)果。
　　 支持向量機算法是一種專門研究有限樣本預(yù)測的學習方法，能很好地解決有限數(shù)量樣本的高維模型的構(gòu)造問題。支持向量機基于結(jié)構(gòu)風險最小化準則工作，能在訓練誤差和分類器容量之間達到一個較好的平衡。纖維識別系統(tǒng)要能自適應(yīng)地從有限樣本中學習并提煉出區(qū)分各種纖維種別的決策規(guī)則，因此本文創(chuàng)新