基于線條和結(jié)構(gòu)模塊識別的圖像語義識別方法.pdf

1、隨著計算機的普及，移動智能設(shè)備的流行，人們在日常生活中越來越多的接觸和使用到海量的圖像。由于計算機不能直接從圖像中獲得圖像語義，所以在圖像特征和語義之間存在著語義鴻溝，計算機不能由圖像的二維數(shù)據(jù)而理解圖像的內(nèi)容。
　　本文從考慮點與點相互關(guān)系，重點考慮線條的識別，來進行圖像的語義分類。本文先簡要介紹課題背景，以及目前圖像識別中特征提取和語義識別常用的算法。簡要介紹了常用的圖像語義中的特征描述方法，包括全局和局部特征，以及語義映射的

2、算法。由于本文后面的算法涉及到Canny邊緣檢測算法，以及受到句法模式識別的啟發(fā)，所以做了一下這兩個方面的相關(guān)知識。其中邊緣檢測算法用來對圖像進行預(yù)處理達到簡化數(shù)據(jù)和識別難度的目的。當(dāng)前大多數(shù)圖像語義識別算法都是基于統(tǒng)計模式識別的，而句法模式識別是非基于數(shù)學(xué)統(tǒng)計的模式識別方法，句法結(jié)構(gòu)模式識別中提出的基元結(jié)構(gòu)思想的方法給了我們思考問題的另外一種途徑。
　　首先提出的一種圖像語義識別算法:基于線條識別的方法?；诰€條識別的方法是識別

3、圖像中輪廓線條的方法。為了簡化數(shù)據(jù)首先利用Canny邊緣檢測算法將灰度圖像轉(zhuǎn)換為二值線條輪廓，然后提出一種方法從圖像中識別具有不同特征（不同線條長度和曲率變化率）的線條，并根據(jù)線條線長和曲率變化率的分布范圍，來對不同類別的待測目標(biāo)物體圖像進行不同語義的圖像分類。最后通過實驗證實了本文算法的有效性，實驗在僅需要少量樣本的情況下，就獲得了較高的識別率。然后介紹基于模塊結(jié)構(gòu)識別的方法，適用于有清晰結(jié)構(gòu)、有限基元的圖像，如文字圖像。先要根據(jù)樣本