低質(zhì)量可見光圖像的處理技術(shù)和識別方法研究.pdf

1、低質(zhì)量可見光圖像在現(xiàn)實生活中大量存在且應(yīng)用廣泛。但是在許多重要成像領(lǐng)域，很多因素會導(dǎo)致圖像的退化、細節(jié)部分的丟失，它們會造成圖像的混疊，降晰和扭曲。因此觀察到的圖像往往不能滿足實際應(yīng)用對圖像質(zhì)量的要求。這個特點使得對它們的研究難以直接借用現(xiàn)有的圖像處理技術(shù)，因而成為光學(xué)圖像識別中的一個新的研究領(lǐng)域。本文在教育部博士點基金項目資助下，開展了如下研究工作： 研究了低質(zhì)量可見光圖像的重建方法。針對低質(zhì)量可見光圖像存在的像素過低、偏斜、

2、旋轉(zhuǎn)以及斷裂等不同問題，分別研究了斷裂圖像的重建技術(shù)、圖像的填充方法、以及低分辨率可見光圖像的超分辨率重建技術(shù)。這些圖像重建技術(shù)的研究是圖像特征提取以及識別的前提，具有重要的理論價值和指導(dǎo)作用。 提出了基于小區(qū)域模板匹配的低質(zhì)量可見光圖像識別方法?，F(xiàn)有的模板匹配及其改進算法存在匹配時間過長，不適合工業(yè)生產(chǎn)使用的缺點，提出了基于小區(qū)域模板匹配的算法原理，并分別對激光刻蝕標(biāo)牌字符圖像和低質(zhì)量可見光空間目標(biāo)進行了實驗。實驗證明該方法可

3、以有效的縮短算法的匹配時間，具有較高的識別率。在此基礎(chǔ)上，將相關(guān)系數(shù)法引入到低質(zhì)量空間目標(biāo)的類別識別與姿態(tài)識別之中，當(dāng)測試樣本與模板庫樣本尺寸大小不一時同樣可以進行匹配。從實驗結(jié)果來看，這種基于特征相關(guān)系數(shù)的匹配方法很適合于空間運動目標(biāo)的匹配，由于這種匹配方法能夠很容易地克服圖像中輕微存在的變形、噪聲和局部遮擋，因而具有較高的匹配精度。 研究了低質(zhì)量可見光圖像的旋轉(zhuǎn)不變性矢量提取方法，解決了樣本存在偏斜、旋轉(zhuǎn)等情況時造成識別率下

4、降的問題。首先將矩特征引入到圖像的不變性矢量生成之中，給出了具體的算法。然后針對不同旋轉(zhuǎn)下的圖像，分別對文中方法和傳統(tǒng)方法所提取的矢量曲線進行了對比說明，實驗驗證了文中方法的有效性。 提出了基于概率PCA模型的觀測數(shù)據(jù)集本征維數(shù)確定方法。對于觀測數(shù)據(jù)集的主分量確定方法的研究，國內(nèi)外學(xué)者多采用經(jīng)驗式的方法來確定其本征維數(shù)，或者直接采用觀測數(shù)據(jù)相關(guān)矩陣（或協(xié)方差矩陣）中特征值所在總體的方差貢獻率大小的方式來定量的得到觀測數(shù)據(jù)集的本征

5、矢量維數(shù)。針對這一問題，首先給出了概率PCA模型；然后采用AIC、CAIC和BIC準(zhǔn)則給出了本征矢量維數(shù)的確定方法；對影響主分量確定的模型的各個參數(shù)進行了仿真，并給出了相應(yīng)的仿真實驗結(jié)果；對于不同類型的觀測樣本集，給出了三類準(zhǔn)則的適用范圍；對提取到的新的特征矢量曲線數(shù)據(jù)集合，分別用以上三種準(zhǔn)則給出了本征矢量維數(shù)的確定方法，對于三種準(zhǔn)則在字符圖像上的適用性給出了說明；最后，采用粗略估計子空間維數(shù)區(qū)間和精確判定最優(yōu)本征矢量維數(shù)相結(jié)合的方法，

6、大大減低了錯誤出現(xiàn)的可能，提高了算法的魯棒性，同時也減少了算法的運行時間。對比實驗表明，本文提出的方法與傳統(tǒng)方法相比具有更高的識別率。 提出了基于端點、三叉點和四叉點等結(jié)構(gòu)特征的二級壓印凹凸字符識別方法。為了解決統(tǒng)計特征區(qū)分相似字符、旋轉(zhuǎn)字符能力弱的問題，建立了基于端點、三叉點和四叉點等結(jié)構(gòu)特征的壓印凹凸字符二級識別網(wǎng)絡(luò)。在第一級基于統(tǒng)計特征識別的基礎(chǔ)上采用由三叉點等結(jié)構(gòu)特征組成的第二級識別網(wǎng)絡(luò)進行識別和校驗。實驗表明，該二級分