图像识别技术的基本原理精选(九篇)

第1篇：图像识别技术的基本原理范文

关键词 人脸识别；门禁设备；功能；实现

中图分类号TP39 文献标识码A 文章编号 1674-6708（2014）118-0238-02

我国的人脸识别门径技术是一种完全无接触的门禁考查识别技术，我国的人脸识别门禁系统被普遍的应用于中高端的商场大厦，基本上可以替代我国商场上目前存在的刷卡、指纹等类型的门禁考勤系统。那么人脸识别的门禁系统到底有哪些优点，他们又是如何工作，如何进行安防控制的呢？下面就由笔者一一作以介绍。

1 人脸识别门禁设备的概论

我国的人脸识别门禁设备可以实现刷卡人脸摄影技术，工号人脸识别技术，人脸识别技术以及刷卡人脸识别技术四种检测的方法，便于使用者选择，目前我国的人脸识别门禁技术来可以运用TCP/IP、U盘两种沟通形式，可以达到使用者应用数据以及识别门禁系统记录的传导的要求，是我国目前装备最专业的门禁考管理计术系统。

我国的人脸识门禁技术的工作原理是采用的人脸区域特征划分进行分析计算的识别技术系统，该项技术包含了我们的计算机图像处理系统以及生物统计处理系统两项大的方面，该技术可以应用计算机图像处理技术分析人脸的区域特征，再运用生物统计处理技术建立数学统计模型，建立人脸统计模板，进行检验管理。根据人脸的特征可以准确的分析确定是否进行验证的为同一个人，增加了安全管理的科学准确性。

2 人脸识别门禁技术的功能

伴随着我国经济技术的不断发展，我国对安全管理的要求也越来越重，我国的人脸识别门禁技术正是顺应时代的发展而出现的，该技术在进行工作时主要有以下三点功能。

第一，具有人脸跟踪和抓捕功能。我国的人脸识别门禁技术的人脸抓获功能是指计算机可以在一幅图像或视频中识别出目标人像内容并且可以把我们要检测的人像内容从图画背景中进行分，自动的进行保存管理的功能。人脸跟踪功能是应用在人脸捕获功能之下，是在进行人脸捕获时将我们制定捕获的人像在公共的摄像头工作的基本范围之内进行自动地跟踪的过程。该功能被广泛应用于公安工作。

第二，具有人脸鉴别和检索的基本功能。我国的人脸识别门禁技术的人脸鉴别和检索的基本功能指的是计算机统计系统将记录好的人像信息进行数学建模来进行获取人脸的区域特征的过程。在进行人脸的建模与检索的过程中，我们的人脸识别门禁技术还可以再将新的检测结果与记录的人脸模板进行对比识别，最终得到需要的人员信息，进行识别。

第三，具有进行图像质量检测的基本功能。我国的人脸识别门禁技术的图像检测功能是进行人脸识别检测技术的基础，图像检测质量的好坏，可以直接的关系到我们进行人脸识别的技术的基本效果，我们的人脸图像质量检测功能是将我们需要进行检测的人脸信息进行分析比较，然后根据检测结果进程质量分析，使我们进行检测工作的基础内容，该项功能大多被用于辅助识别工作。

3 技术应用的实现

我国的人脸识别门禁设备的实现过程大约分为三个方面，包括图像采集，检测定位以及维数设计三方面内容。

第一，图像采集：我国的人来能识别门禁技术目前是通过USB接口进行图像采集工作的运用的是最基本的操作工序进行图像采集工作，基本上是通过TCP/IP、U盘两种沟通形式来实现的。运用基本的图像增强效果进行图像设计，方便操作，易被接受，图像增强工作就是指运用计算机图像处理手段对一些不完全的图像内容进行还原，以及过滤的基本过程。使图像更加容易被接受，增加检测的基本效率。

第二，检测定位：我国的人脸识别门禁技术可以讲活化的人像进行检测识别，使用一定的方式方法进行人脸检测，从视频流以及图像背景中分离目标图像的过程，图像的检测定位工作是进行人脸识别门禁技术的工作基础，就目前来说，我国的人脸识别检测技术有来那个中方法，第一，运用知识结构进行的检测方法，该方法具有一定的直观性，第二，通过计算机统计进行人脸识别检测的方法。目前我国广泛应用的是第二种检测识别的技术方法。对于我国的门禁识别检测系统来说，进行人脸检测的活动目标较小，方便我们的检测人员进行控制，节约了时间，增加了我们进行门禁检测识别工作的工作效率。

第三，维数设计：就目前的现象来说，我国的人脸识别门禁技术在设计实验中最关键的工作就是通过进行人脸识别来完成门禁设备的控制，人脸识别门禁技术在实际的应用中可以根据人脸的区域特征对其进行识别监控，我国的人脸识别门禁技术是一种高维数，高精度的识别门禁技术，进行实际工作的难点是进行工作的人像模板较少，因此在进行实际的工作当中会出现较大的偏差。为了解决偏差，工作研究人员运用TCP/IP、U盘两种沟通形式，采用PAC进行数据处理，达到降低维数的目的。达到最高的识别检测性能，解决了人脸识别检测室出现的问题。

4 结论

我国的人脸识别门禁技术是一种比较新颖的公共安全管理应用技术，人脸识别门禁技术包含微机自动识别技术以及现代安全管理计划两项基本内容，可以是实现我国对城市小区的门卫安全的有效管理。实现了为小区业主和门卫人员工作生活的安全管理政策，为我们小区的基本工作生活带来了方便和安全。我国的人脸识别门禁技术对我们技术的运用者的自身与资产安全带来了极大的安全保护，现阶段我国对人脸识别门禁技术的应用范围已经得到基本上的普遍，给我国的安全管理工作带来了全新的力量。

参考文献

[1]徐雄飞.基于S3C2410的CS8900A驱动程序设计[J].软件导刊.2012（2）.

[2]张豪，杨春燕，汪筱阳.S3C2440A芯片及应用[J].电子设计工程. 2011（24）.

[3]钟文涛.一种基于Canny算子与颜色信息的人脸检测算法研究[J].江西理工大学学报，2011（3）.

[4]陈青.单片机控制的智能门禁系统设计[J].科技资讯，2011（14）.

第2篇：图像识别技术的基本原理范文

【关键词】计算机 图像识别 应用

1 计算机图像识别技术的特点及其发展现状

1.1 技术特点

计算机图像处理与识别技术又被称之为图像识别（Image Recognition，下面简称IR技术），它的技术核心是计算机与信息两种当前最为先进的技术，其中计算机系统是该技术得以实现的载体，主要负责完成各种输入图像的处理与分析，再将分析结果与数据库中的有关信息进行比对，从而实现对不同对象的准确识别。IR技术是时代进步的产物，它是一种非常强大的技术，可以帮助使用者从大量的图像当中得到有价值的信息，由此使得该技术在多个领域中获得了广泛的应用，其在对图像进行识别的过程中，主要是利用空间映射来获取基本的图像，然后再借助计算机的分析与处理能力，通过对图像特征的提取，并将之与数据库中存储的相关信息进行对比和匹配，确保了图像处理后的高清晰度和可识别性。IR技术之所以在各个领域内得到了广泛应用与其自身所具备的诸多特点有着密不可分的关系，下面对技术的一些特点进行简要阐述。

1.1.1 超大的信息处理量

IR技术是以计算机为载体，以系统软件和数据库作为支撑，在硬件与软件配置全部满足条件的前提下，它可以对大量的图像信息进行有效的处理，并在较短的时间内完成图像的识别。

1.1.2 超高的精确度

传统的图像识别由于受到技术水平的限制，只能够对单个的图像进行处理，通过将图像中的信息以数字化形式转换为2D数组，实现对图像的处理与识别，识别结果的精确度并不是很高。而IR技术借助了计算机系统强大的处理能力，并利用信息技术和数据库，使图像识别可以满足用户对图像精确度的要求。

1.1.3 超强的灵活性

利用IR技术进行图像识别时，借助计算机系统可对图像进行放大处理，这使得该技术变得更较灵活，再通过相关的运算方法便可完成整个图像的处理与识别过程。

1.2 发展现状

从IR技术的发展历程上看，其经历了以下三个阶段，第一个阶段是对文字信息的识别，第二个阶段是对数字化信息的处理，第三个阶段是对物体的识别。第一个阶段起始于上个世纪50年代，在当时，文字识别的主要对象是字母、符号等，很多领域中的专用设备对该技术进行了利用；第二个阶段是在上个世纪60年代中期，随着科技的不断发展，数字图像逐步被运用到了图像识别的研究领域当中，数字化的图像处理以其自身所具备的诸多优势，给图像识别的发展提供了条件；在前两个阶段的基础之上，IR技术利用人工智能化的各种研究成果实现了对物体的识别，至此该技术在各个领域及行业中得到了越来越广泛的应用。提升对图像的识别能力是IR技术发展过程中的核心及重点，目前，在业内专家学者的不懈研究下，该技术已经日趋成熟，经过计算机处理之后的图像信息，无论是在清晰度方面，还是在可识别性方面都有了非常显著的提升。

2 图像识别技术的应用及细节问题

现阶段，IR技术在各个领域及行业中获得了广泛应用，下面本文重点对该技术在交通、医学、安防和农业等几个领域中的应用及一些细节问题进行分析。

2.1 在交通领域的应用

在交通领域中，IR技术主要被应用于ITS系统当中，具体的应用范围包括以下几个方面：

2.1.1道路识别

在交通环境中，由于路况较为复杂，所以经常需要运用车载导航来识别不同环境下的路况信息，IR技术的应用，能够快速识别出各种不同的路况，从而为驾驶员提供有效的信息，确保了行车的安全性。

2.1.2车辆检测

对于交通监控系统而言，车辆检测是重要环节，而想要对交通路网中的各种车辆进行有效的识别与跟踪，就必须对车辆进行准确地分割，在此基础上才可以实现对交通流信息的测量与分析，换言之车辆检测是交通流各类参数测量的基础。利用IR技术能够将交通路网中的各种车辆进行准确地分割，为车辆计数、车流量、行车速度等交通流参数的测量提供了条件。

2.2在安防领域的应用

在当前的社会中，人们开始逐步认识到安防的重要性，由此推动了安防领域的发展，各种视频监控系统层出不穷。对于这类系统而言，在应用时，需要通过人工的方式对视频图像进行查看，这无形中增大了劳动强度。IR技术与安防技术的融合，使这一问题得到了有效的解决。基于IR技术的视频智能分析系统可以对前端采集到的图像信息进行智能分析，并将其中有效的信息提取出来，减轻了使用者的工作量，真正意义上地实现了视频监控自动化。

2.3 在医学领域中的应用

医学是与人类健康有关的重要领域之一，推动它的发展对于人类而言意义重大。目前，IR技术在医学领域中有着十分广泛的应用，尤其是在临床和病理研究中。例如，CT（电子计算机断层扫描），它实质上就是IR技术的扩展应用；又如微创手术中的手术导航技术，它是利用IR技术和医学影像，获悉患者的情况，据此制定最为合理可行的手术方案，并在手术前完成模拟操作。

2.4 在农业中的应用

我国是农业大国，农业的发展对于国民经济增长有着至关重要的作用。在农业生产中，应用IR技术可对农作物的生长过程进行监测与评价，还能对农产品进行质检。在农场中，通过IR技术可以进行病虫害的图像诊断，并对整个农场进行全景图像监控。

3 结论

综上所述，本文在简要阐述IR技术的特点及其发展现状的基础上，从交通、医学、安防和农业等几个领域，对IR技术的应用及细节问题进行了分析。期望通过本文的研究，能够在促进IR技术发展的同时，使其在更多的领域中得到更广泛的应用。

参考文献

[1]杨劲峰，陈清，韩晓日.数字图像处理技术在蔬菜叶面积测量中的应用[J].农业工程学报，2012（10）：78-79.

[2]杨小冬.宁新宝.自动图像识别系统图像分割算法的研究[J].南京大学学报，2014（12）：124-126.

[3]孙凤杰，崔维新，张晋保等.远程数字视频监控与图像识别技术在电力系统中的应用[J].电网技术，2012（5）：81-84.

[4]陈兵旗，孙旭东，韩旭.基于机器视觉的水稻种子精选技术[J].农业机械学报，2013（11）：99-101.

作者单位

第3篇：图像识别技术的基本原理范文

[关键词]数字图像技术 刑事图像 图像增强 图像处理

中图分类号：TP 文献标识码：A 文章编号：1009-914X（2014）31-0203-01

随着数字图像技术的理论和方法的不断进步，它在刑事技术领域的应用也不断的扩展和深入，显示出了无可比拟的优势和广阔的发展前景。本文拟对数字图像处理技术在刑事技术工作中的应用作初步探讨。

1、数字图像处理的概念

图像处理是指运用一定的理论，使用特定的设备和技术方法，对已经获得的图像进行加工改造，达到某种特殊目的的一种技术。根据处理对象和方法不同，图像处理可分为摹拟图像处理和数字图像处理两大类。摹拟图像处理的对象是具有连续色调的摹拟图像，即客观景物所生成的原始图像。由于摹拟图像大多可用一个连续函数来描述，所以摹拟图像处理也称作“连续图像处理”。摹拟图像处理是利用光学、化学等技术方法和相应设备，对图像本身进行的加工和处理。例如在暗房中对正负片进行减薄、加厚、变形矫正、放大、遮挡、着色、虚化、浮雕化、剪裁等。摹拟图像处理精度较差，处理方式也不够灵活。数字图像处理是利用计算机对数字图像进行去除噪声、增强、复原、分割、特征提取、图像重建等处理的理论和方法的总称。数字图像处理的对象是数字图像，即由一组带有不同颜色，具有一定尺寸，被称为像素的点有规律排列组成的。数字图像的特点决定了数字图像处理的灵活性。

2、数字图像处理的内容

在进行数字图像处理时，必须先将摹拟图像数字化，即通过取样与量化，将摹拟图像变换成能够用计算机识别和处理的数字形式。图像数字化最常用的方法是扫描和数码相机拍摄。在物证检验中，常用的数字图像处理技术包括：图像增强、对比度增强、图像的平滑处理、图像的锐化处理、图像消除背景处理、图像的彩色增强处理、变形图像矫正、图像复原、图像合成、图像识别等。

3、数字图像技术在刑事技术工作中的应用

3.1 图像采集、传输技术在刑事照相中的应用

3.1.1 应用于现场照相

传统的刑事照相使用胶片照相，只有经过拍照、暗房冲洗和印放的过程才能看到最终结果，工作中任何一个环节出现问题就会带来不可挽回的损失。数码照相的方法可以即时显示结果，又无需化学冲洗等繁琐过程，极大简化了工作。现场照相完成之后，可以将照片输入计算机，可使用图像处理软件对数字照片进行编辑、裁切、标注、打印，按照刑事照相制卷质量标准制作成卷。现场照相获取的各类物证图像信息可借助各类公安图像管理系统，如指纹自动识别系统、足迹查询系统、人相识别系统等，进行方便的归档、管理、查询、传报；也可借助于网络传输发送到异地进行移动办案或进行网上，网上追逃等。

3.1.2 应用于物证照相

物证照相中的分色照相技术根据物质对不同色光的反射与吸收的特性不同，借助滤光镜来加强被摄物体之间的色彩反差，从而分离物证与背景。如今数字图像处理利用颜色模式与通道可以方便有效的实现数字图像的分色，基本淘汰了分色照相的方法。目前普通数码相机感光范围基本达到350-1100nm，而物证摄影专用的全波段ccd系统感光范围达到200-1200nm，对远红外、可见光、紫外光谱都有很好的响应，可以方便的进行长波紫外照相和红外照相，以进行文件字迹、体液、弹药残留、足迹等的显见和检验。

3.1.3 应用于辨认照相

利用数字图像存储与管理技术，对采集到的海量人犯面貌辨认照片、尸体照片、物证辨认照片进行有效管理，可快速的进行登记、查询、比对等。对于一些面貌不易辨识的尸体照片，可以进行适当修复，改善辨认条件。对于高度腐烂甚至白骨化的尸体可以使用颅像重合技术来辨认尸源。计算机人像组合技术使得没有专业绘画功底的人员也能方便快速的组合出嫌疑人像，增加效率并降低由手工模拟画像带来的主观性，使画像的辨识度大幅提高。

3.2 图像复原技术在刑事模糊图像处理中的应用。

图像在采集、传输的过程中，由于成像设备、外界条件、传输介质、人为等各种因素而引起图像质量降低从而形成模糊图像。图像复原技术分析图像退化的原因，试图建立起精确的图像退化模型，并对退化过程逆转从而将退化图像恢复本来面目。如监控中运动车辆的车牌号码识别是当前刑事图像复原的一个研究热点。针对不同类型的退化图像，图像复原技术建立相应的退化模型，运用维纳滤波、逆滤波等方法去除干扰和模糊。

3.3 图像几何矫正、标注、测量技术为物证对比鉴定提供辅助工具

图像几何变换可实现对图像进行坐标变换、缩放、旋转、变形、配准等，是对图像预先处理的常规方法。在物证检验经常出现存在于非平面客体上的痕迹，例如圆柱圆锥、弯曲物体的转弯处、不规则弧面上的手印、文字等，变形的痕迹给检验鉴定带来极大的困难，可以预先运用数字图像处理的几何变换方法矫正，降低工作难度。图像的标注和测量在物证鉴定中应用最广，传统人工测量检验操作复杂且误差较大，而使用数字图像测量比对技术，测量精确操作简单。如对印章印文进行测量比对、拼接比对；人相鉴定；笔迹分析鉴定；指纹对比鉴定；工具痕迹鉴定等工作均可以用数字图像处理工具进行辅助检验。

3.4 图像识别、比对、分析技术在刑事图像内容辨认与分析中的作用

图像识别与分析技术是建立在图像测量的基础之上自动识别场景中的目标特征，包括形状、颜色、纹理、运动、空间等特征，从图像信息得出数据和判断等结论。这项技术在刑事图像理解中有很重要的应用价值。如在影像资料中对人物衣着、毒物等的识别；基于几何形状对比根据面部器官形态符合程度进行自动的人像识别与检验；和法医人类学相结合的通过比较无名颅骨与失踪人照片的形态特征的颅骨与人相重合鉴定等。目前结合数据库管理的指纹自动识别系统，人像自动识别比对，dna图谱自动检索等广泛应用于刑事技术实战中，极大提高工作效率和减轻工作强度。

3.5 数字图像取证技术在刑事图像鉴定中的应用

随着数字图像技术的发展与图像处理工具的广泛普及，数字图像的编辑修改变得异常简单，伪造图像的大量出现给社会安全稳定带来隐患，因此数字图像取证技术成为当前图像处理与信息安全的研究热点。数字图像盲取证技术根据图像自身的成像原理、场景特征、设备引入噪声、篡改留痕的特征对可疑图像运用数学方法计算分析从而对图像真伪做出量化的鉴定结论。图像取证技术在刑事图像领域主要应用于数字图像真实性与原始性的检验。

3.6 数字图像合成重建技术在刑事影像合成演示中的应用

数字图像合成技术是利用计算机绘图技术来形成图像。数字图像重建技术则利用输入的空间、形态、时间等数据信息生成二维或三维图像。目前这两项技术在现场勘查、法医人类学中已成功应用。计算机人像组合技术可以根据目击者的描述用数据库中的面部器官部件组成人面部像，用于排查犯罪嫌疑人。计算机颅骨复原系统可以根据无名颅骨还原其生前的二维或三维头像。在犯罪现场获取的平面图像与空间测量信息可利用计算机图形学进行影像与事件的三维重建，例如对现场三维图像自动生成，对犯罪事件进行案情模拟演示等。

参考文献

[1]任玉苓.试析数字图像处理在刑侦技术工作中的应用[m].云南警官学院学报，2004，（3）64-65

第4篇：图像识别技术的基本原理范文

关键词：计算机；视觉技术；交通工程

中图分类号：TP391 文献标识码：A 文章编号：1674-7712 （2014） 04-0000-01

一、引言

随着科技的发展，计算机替代人的视觉与思维已经成为现实，这也是计算机视觉的突出显现。那么在物体图像中识别物体并作进一步处理，是客观世界的主观反应。在数字化图像中，我们可以探寻出较为固定的数字联系，在物体特征搜集并处理时做到二次实现。这既是对物体特征的外在显现与描绘，更是对其定量信息的标定。从交通工程领域的角度来看，该种技术一般应用在交管及安全方面。监控交通流、识别车况及高速收费都是属于交通管理的范畴；而对交通重大事件的勘察及甄别则是交通安全所属。在这个基础上，笔者对计算机视觉系统的组成及原理进行了分析，并形成视觉处理相关技术研究。

二、设计计算机视觉系统构成

计算机视觉处理技术的应用是建立在视觉系统的建立基础上的。其内部主要的构成是计算机光源、光电转换相关器件及图像采集卡等元件。

（一）照明条件的设计。在测量物体的表征时，环境的创设是图像分析处理的前提，其主要通过光线反射将影像投射到光电传感器上。故而要想获得清晰图像离不开照明条件的选择。在设计照明条件时，我们通常会视具体而不同处理，不过总的目标是一定的，那就是要利于处理图像及对其进行提取分析。在照明条件的设定中，主动视觉系统结构光是较为典型的范例。

（二）数据采集的处理。如今电耦合器件（CCD）中，摄像机及光电传感器较为常见。它们输出形成的影像均为模拟化的电子信号。在此基础上，A模式与D模式的相互对接更能够让信号进入计算机并达到数字处理标准，最后再量化入计算机系统处理范围。客观物体色彩的不同，也就造就了色彩带给人信息的差异。一般地黑白图像是单色摄像机输入的结果；彩色图像则需要彩色相机来实现。其过程为：彩色模拟信号解码为RGB单独信号，并单独A/D转换，输出后借助色彩查找表来显示相应色彩。每幅图像一旦经过数字处理就会形成点阵，并将n个信息浓缩于每点中。彩色获得的图像在16比特，而黑白所获黑白灰图像则仅有8比特。故而从信息采集量上来看，彩色的图像采集分析更为繁复些。不过黑白跟灰度图像也基本适应于基础信息的特征分析。相机数量及研究技法的角度，则有三个分类：“单目视觉”、“双目”及“三目”立体视觉。

三、研究与应用计算机视觉处理技术

从对图像进行编辑的过程可以看出，计算机视觉处理技术在物体成像及计算后会在灰度阵列中参杂无效信息群，使得信息存在遗失风险。成像的噪声在一定程度上也对获取有效信息造成了干扰。故而，处理图像必须要有前提地预设分析，还原图像本相，从而消去噪音。边缘增强在特定的图像变化程度中，其起到的是对特征方法的削减。基于二值化，分割图像才能够进一步开展。对于物体的检测多借助某个范围来达到目的。识别和测算物体一般总是靠对特征的甄别来完成的。

四、分析处理三维物体技术

物体外轮扩线及表面对应位置的限定下，物体性质的外在表现则是其形状。三维物体从内含性质上来看也有体现，如通过其内含性质所变现出来的表层构造及边界划定等等。故而在确定图像特征方面，物体的三维形态是最常用的处理技术。检测三维物体形状及分析距离从计算机视觉技术角度来看，渠道很多，其原理主要是借助光源特性在图像输入时的显现来实现的。其类别有主动与被动两类。借助自然光照来对图像获取并挖掘深入信息的技术叫做被动测距；主动测距的光源条件则是利用人为设置的，其信息也是图像在经过测算分析时得到的。被动测距的主要用途体现在军工业保密及限制环境中，而普通建筑行业则主要利用主动测距。特别是较小尺寸物体的测算，以及拥有抗干扰及其他非接触测距环境。

（一）主动测距技术。主动测距，主要是指光源条件是在人为创设环境中满足的，且从景物外像得到相关点化信息，可以适当显示图像大概并进行初步分析处理，以对计算适应功率及信息测算程度形成水平提高。从技术种类上说，主动测距技术可分为雷达取像、几何光学聚焦、图像干扰及衍射等。除了结构光法外的测量方法均为基于物理成像，并搜集所成图像，并得到特殊物理特征图像。从不同的研究环境到条件所涉，以结构光法测量作为主要技术的工程需求较为普遍，其原理为：首先在光源的设计上由人为来进行环境考虑测算，再从其中获取较为全面的离散点化信息。在离散处理后，此类图像已经形成了较多的物体真是特征表象。在此基础上，信息需要不断简化与甄别、压缩。如果分析整个物体特征信息链，则后期主要体现在对于数据的简化分析。如今人们已经把研究的目光转向了结构光测量方法的应用，体现在物体形状检测等方面。

（二）被动测距技术。被动测距，对光照条件的选择具有局限性，其主要通过对于自然光的覆盖得以实现。它在图像原始信息处理及分析匹配方面技术指向较为突出。也通过此三维物体之形状及周围环境深度均被显露。在图像原始信息基础上的应用计算，其与结构光等相比繁杂程度较高。分析物体三维特性，着重从立体视觉内涵入手，适应物体自身特点而存在。不过相对来说获得图像特征才是其适应匹配的条件保障。点、线、区域及结构纹理等是物象特征的主体形式。其中物特较为基础与原始的特征是前两个特征，同时它们也是其他相关表征的前提。计算机系统技术测量基本原理为对摄像机进行构建分析，并对其图像表征进行特征匹配，以得到图像不同区间的视觉差异。

五、结束语

通过对计算机视觉技术的研究，悉知其主要的应用领域及技术组成。在系统使用的基础上深入设计，对系统主要构成环节进行分析。从而将三维复杂形态原理、算法及测量理论上升到实际应用。随着社会对于计算机的倚赖程度增加，相信该技术在建筑或者其他领域会有更加深入的研究及应用。

参考文献：

[1]段里仁.智能交通系境在我国道路空通管理中的应用[J].北方工业时报，2012（06）.

[2]王丰元.计算机视觉在建筑区间的应用实例分析[J].河北电力学报，2011（04）.

第5篇：图像识别技术的基本原理范文

论文关键词：彩信查询 图像检索 对象识别 图像分析

论文摘要：墓于对象的彩信图像检索系统是继图像检索和彩信检索结合的新一代信息检索技术，介绍了目前热门的墓于对象的图像检索系统的概念，以及应用到彩信检索领域的工作原理。在基于对象的图像检索墓础上，加入了对图像中区域对象的识别过程，并将识别结果存入图像属性索引数据库，然后在检索过程中根据用户输入的对象查询请求，到数据库里进行检索，最终将检索结果返回给彩信用户。

0引言

随着彩信技术的快速发展和多媒体编码技术的不断进步，其数字化图像资源日益丰富，并在彩信领域中扮演着越来越重要的角色。面对如此庞大的图像数据资源，如何方便快捷地获取自己需要的图像显得尤为重要。由于在图像检索过程中，图像中的对象(如图像的主体和背景)往往才是人们感兴趣的检索内容。因此，基于对象的图像检索成为了一项重要研究课题。本论文的主要工作是针对彩信图像中主体对象的识别问题进行了一项有益的尝试。

本研究在图像分析和彩信图像文本提取的基础上，实现一种利用图像对象的视觉特征和知识库来识别对象(图像中的主要区域)的方法，并将图像对象名、对象的视觉特征等存人图像属性索引数据库中，实现基于对象语义的图像检索。

1基于文本的图像检索技术

传统的图像检索技术，主要是通过图像进行人工分析，对图像特征进行文字标注，也称为基于文本的图像检索tbir(textbasedimageretrieval)。这种检索方式是用关键词和描述性的文本的检索，是先对图像文件建立相应的关键词或描述字段，并对图像的存储标识和关键词对应起来，以结构化的查询语言或超链接方式进行检[1]。

这种传统的图像检索技术在图像信息飞速增长的今天有很大的局限性:

l)手工操作，劳动强度大，不能充分揭示和描述图像有代表性的特征;

2)主观性大，由于个人的感知差异，不同的人对相同的图像有不同的理解;

3)处理速度慢，不能快速提出检索的相关结果;

4)漏检，检索中不能充分利用各种特征，容易忽略事先没有注意到的特征。由于这种检索技术根据图像的文本等一些与图像相关的因素来确定图像的内容，而不是抽取图像本身的外部特征或从更高的语义层次来获取图像的内容，由此确定的图像内容可能与图像实际内容存在着偏差，从而直接影响图像检索结果的可靠性。

2基于对象的图像检索系统

2.1cbir的概念

为了解决基于文本的图像检索存在的问题，基于对象的图像检索cbir(eontentbasedlm路eretrieval)逐渐被人们所重视。这种技术由机器自动提取包含图像内容的可视特征:颜色、纹理、形状、对象的位置和相互关系等，对数据库中图像和查询样本图像在特征空间进行相似匹配，检索出与样本相似的图像[2]。

2.2cbir的检索方法

其主要的cbir的检索方法有:基于颜色特征、纹理特征、轮廓特征、形状特征、空间特征、时间关系及时空关系、语义特征等特征的检索[3]。

3墓于对象的彩信图像检索系统

基于对象的彩信图像检索系统使用visualc++6.0作为开发工具，采用面向对象的体系结构，具有较好的可移植性和可扩展性。后台数据库系统采用microsoftacces 2000，访问方法为ado访问。该系统的功能是:用对象识别系统将图像分析和对象识别的结果存入图像属性索引数据库;根据用户输人的检索要求，检索系统利用图像属性索引数据库进行检索，根据相似度由大到小排列检索结果，然后将检索结果信息(包括图像的缩微图)发送到彩信群发器，再发送到用户。

3.1系统设计思想

3.1.1图像数据库组成

图像数据库系统是在传统数据库、数字图像处理与模式识别等技术的基础上发展起来的一门新兴的综合技术。图像数据库技术一直致力于解决海量数字图像的有效存储和管理问题。图像数据库的产生拓展了传统数据库技术的应用，又为图像处理技术提供了有力的支持[4]。

3.1.2图像属性索引数据库建设

图像属性索引数据库中存放着从彩信页中获得的所有图像及其属性，以供用户查询使用。

3.1.3动态链接库(dll)中执行函数的实现

在试验平台imagehuntplatform征生成和图像检索函数的实现，采用了动态链接库(dll)中的执行函数。动态链接库(dll)是用作共享函数库的可执行文件。dll中的代码在运行时动态加载。

visualc++中的类库mfc以3种不同的方式支持dll的开发，即:

l)与mfc静态链接的常规dll与mfc动态链接的常规dll及与mfc动态链接的扩展dll。

2)与mfc动态链接的常规dll与mfc动态链接的常规dll也是内部使用mfc的dll，dll中的导出函数可以被mfc和非mfc可执行程序调用。与前者的区别是，这种类型的dll在建立时使用的是mfc动态链接库。导出函数使用的也是标准c接口，但必须使用宏afx_manage_state兀来设置mfc模块状态[5]。

3)与mfc动态链接的扩展dll与mfc动态链接的扩展dll是从已有的mfc来派生新的可再用类的dll。扩展dll在建立时使用的是mfc动态链接库。扩展dll中的导出函数只能由动态链接mfc的mfc应用程序调用。使用扩展dll，可以从mfc派生新的自定义类，然后提供mfc扩展版给调用dll的应用程序。

在试验平台中，要求特征生成和图像检索函数作为dll库的导出函数。特征生成函数的原型为voidgeneratechar()，无参数。图像检索函数的原型为b00lcolorhuni(cstringust*positivepath，cstringust*nagetivepath，cobarray*fsimi-lararray)，其中positivepath为正例图像的路径链表，nagetive-path为反例图像的路径链表，fsimilararray为返回结果的对象链表(包括检索图像的id、检索图像的路径和示例图像的相适度)。动态链接库的方式可采用与mfc动态链接的常规dll或与mfc动态链接的扩展dll。以图像检索函数为例，在试验平台中动态加载dll库的主要代码如下:

hinstance hdll;

ypedefbool(callback·myproc)(cstringliat*，cstringlist*，cobarray*);

myproc dllproc;

hdll=loadlibrrary(“dll所在路径”); //可与从windows注册表中动态取得

if(hdll!=null)

{dllproc=(myproc)cetprocaddress(hdll,funname);

if(dllproc==null) {afxmessagebox(“输入检索图像的函数名称有错误！”);return;}

dllproc(…,…,…);

}

3.2系统工作流程

其主要的工作流程为:用户根据自己的需求输人所孺要的图像模型;将对象的轮廓区域从背景中区分出来;分析、提取并识别对象区域的视觉特征(颇色、形状、纹理、位置、大小、方向等)，建立数据参数或语义级的文字描述;根据对象视觉特征知识库和相关文本(彩信中的相关对象名和对象特征关键词)识别对象，建立概念级的图像对象文本标注;利用对象的文本标注和视觉特征描述，实现基本对象的图像检索;将检索到的图像通过彩信群发器发送出去。具体工作流程如图l所示。

第6篇：图像识别技术的基本原理范文

关键词：图像火焰检测器；间接辐射型火焰检测器；火焰识别

中图分类号：TL413+.1 文献标识码：A

1概述

间接辐射型火焰检测器就是目前在火力发电厂广泛使用的可见光、红外线及紫外线型火焰检测器的统称，是一种在技术及工艺制造方面都已非常成熟的产品。图像火焰检测器则是九十年代未才开始在火电厂试用的产品，它是采用数字视频图像识别技术开发的新型火焰检测器产品。由于技术还不成熟，在大型火电机组中还很少做为FSS核心的灭火保护产品，仅在等离子点火、微油点火系统中略有应用。

2 现从以下几个方面对这两类产品的技术性能做以比较和分析。

2.1 工作原理不同

图像火检是根据数字图像信号与火焰图像样本，采用模糊算法和相似性原理进行温度场梯度和与样本火焰图像相似性识别分析方法，来判断燃烧器火焰的建立与熄灭状态。

间接辐射型火焰检测是根据火焰燃料燃烧时辐射红外线、可见光或紫外线的强度，以及火焰的脉动频率的双重特征，来对火焰的真实性进行识别，是目前应用最为广泛的火焰检测器。

2.2 安装方法

图像火检一般安装在侧墙与一次风道中心形成约40度左右的夹角时，才能采集到有效的火焰图像。

间接辐射型火焰检测器一般安装在二次风箱内，与二次风道中心线平行，监视区域基本上始终处于火焰包络形状的焰心位置，信号的稳定性好。

2.3 鉴别准确性和稳定性

图像火检从理论上来讲由于采集了更加丰富的火焰信息，因此鉴别的准确性会比而间接辐射火焰检测器有很大提高。如果直观的比喻就是图像火检识别做的是面火焰识别且直观，而间接辐射型火焰检测器做的是点火焰识别，但图像火检的技术优势由于技术还不成熟、运行的稳定性差导致还仅仅体现在理论上。

图像火检鉴别的稳定性低于间接辐射型火焰检测器，这是因为火焰图像形态是实时动态变化的，且基本上无变化规律和无法做出变化趋势判断，从而很难找到一个或者甚至几个火焰图像参照样本适用于各种工况，因此，会经常性的发生识判无火信号，导致锅炉误跳闸。这是积于以下多种因素所致：

①锅炉火焰图像是一种实时动态变化的图像而非人脸基本那样固定不变的，火检探头安装角度、火检设备性能、探头光纤损坏情况、炉型、锅炉的燃烧特性、煤质、配风、负荷状态、运行人员水平、设备质量等任何因素都会影响到火焰图像的形态，即使在不同的负荷工况下，火焰的形态都会有很大差别。

②煤质变化大，中国火力发电机组受经济环境影响大，往往实际燃烧的煤种与设计煤种都会不很大差别，图像火检对煤种变化的适应能力非常差，因此，煤质一变，原有的火焰参照样本就不适用了，需要重新进行火检调试。

③锅炉结构和锅炉的周边环境影响探头的准确安装，图像火检对探头的安装角度精确度要求高，但受锅炉结构和锅炉周边障碍物干涉的影响，图像火检探头不能做到精准安装，因此就不能监视到相对稳定的火焰图像。

④图像火检有时不能做到全工况投入尤其是在锅炉刚点火阶段时，由于炉膛烟大，图像火检经常会做出误判。

间接辐射型火焰检测器鉴别的准确性与图像火检相比的确差一些，但间接辐射型火焰检测器设备运行的稳定性则远高于图像火焰检测器，这是由于间接辐射型火焰检测器采集的火焰焰心初始燃烧区域的光辐射频谱信号，它受锅炉负荷、锅炉的结构、煤质、光纤受损面积、积灰面积影响的适应能力非常强，火检处理的是数字信息，因此数据的处理量远远少于图像火检数据的处理量，因此故障率远远低于图像火检，而且间接辐射型火焰检测器准确性略低、偷看相对图像火检略高的不足方面完全可以通过软件逻辑闭锁解决，这正是间接辐射型火焰检测器长期以来始终占据于应用主导地位的关键。

结语

图像火焰检测器价格高，但性价比低，图像火焰检测器应具有的双重功能优势并没有发挥出来。但相信随着图像火检技术的日趋完善，性价比的逐渐提高，未来广泛使用将成为可能，这需要一段长时间的等待。在实现FSSS所需要的基本功能方面，无论技术的成熟度、性能价格比以及设备运行的稳定性方面间接辐射型火焰检测器均优于图像火焰检测器，因此间接辐射型火焰检测器仍是目前火检产品的首选。

第7篇：图像识别技术的基本原理范文

关键词：土地利用，遥感影像，变化监测，地理信息

中图分类号： F293 文献标识码：A

文章编号：1001-9138-(2012)06-0077-80 收稿日期：2012-05-06

1 引言

为保证土地管理的科学性，及时准确掌握耕地和各种土地利用现状的最新数据尤为重要。3S技术特别是新型遥感和地理信息技术的应用将为我们提供重要的技术保证。基于多时相遥感影像间进行土地利用变化监测研究的上述问题结合相关研究提出的方法，本文提出基于土地利用现状GIS数据（矢量数据）和单时相遥感影像间进行土地利用动态变化监测研究的简单方法和技术流程。

2 原理与技术流程

2.1 基本原理

基于T1时期的土地利用图与T2时期相应尺度的遥感影像间进行土地利用动态变化监测时，虽然T1时期的土地利用GIS数据（矢量数据）中已有一些图斑在T2时期已经发生了改变，但仍有大量的未变化的图斑信息包含其中。因此，我们可以利用这一信息做辅助，利用T2时期对应尺度的遥感影像数据基于遥感影像的分类识别技术实现变化图斑的动态监测。具体技术原理为：假设用T1_GIS_D表示T1时期的土地利用现状GIS数据（矢量数据），用T2_RS_D表示T2时期的相应尺度的遥感影像数据，那么，首先利用T1_GIS_D和对应区域的DEM数据对T2_RS_D进行几何变换运算，目的是产生T2时期的正射影像数据（T2_DOM_D）。然后实现T1_GIS_D和T2_DOM_D间的配准并叠置。这样，我们依据T1_GIS_D中的图斑多边形作为T2_DOM_D兴趣图斑区，借助影像判读库，利用遥感影像的分类和识别技术对每个兴趣区的图斑进行识别。如果兴趣区识别的结果与T2_RS_D中的对应图斑的土地利用覆盖类型一致，则该图斑视为未变化图斑，否则，判定该图斑的土地利用覆盖类型发生了变化，并进一步分析其新土地利用覆盖类型和变化面积统计分析。

2.2 技术流程

为了实现上述的技术原理，本文设计了图1所示的土地利用变化自动监测技术流程。其中，T1 期数据为土地利用现状图，T2 期为与T1期现状图尺度相应分辨率的遥感影像。在图1中，DEM数据主要是用于非平坦区域的高差修正；影像判读知识库是指根据先验知识及土地利用现状图中与影像中一致图斑的信息而建立的各类地物的均值、方差和纹理等知识；分类识别是以相异图斑的矢量图作为兴趣区，仅对T2时期影像的兴趣区内影像进行分类并对地物进行识别，这样的好处在于可以大大减少计算的数据量，提高计算的速度，同时由于涉及的类别较少，从而提高分类和识别的准确性。

3 试验及结果

为了验证本文提出方法和技术流程的可行性和有效性，本文利用当前主流遥感影像处理软件Erdas对主要技术进行了试验。

3.1 数据准备

试验中，本文选择了天津市一个较小的区域作为兴趣区（如图2），土地利用现状矢量数据和遥感影像数据均来自于天津市国土资源和房屋管理研究中心。由于所选实验区域的土地利用现状图斑和影像数据中图斑的一致性较好。因此，为了配合本文的试验，试验中首先将现状图中的几个不同的地类图斑合并为一个图斑（如图3）。

3.2 试验

在试验中首先将监测区的土地利用现状图和影像图进行叠加（几何纠正和配准事先已做好），叠加结果如图4所示。为了观察的方便，叠加后我们调整了矢量的透明度。从叠加的结果我们可以看出，图中所选的兴趣区就是发生了变化的图斑。因此，接下来的试验是对兴趣区的影像进行分类和识别，结果表明在土地利用现状图中为同一土地利用覆盖，而在影像中为两种土地利用覆盖类型。这就表明这个图斑发生了变化。

4 结论与展望

本文提出了一种基于土地利用现状图和相应尺度的卫星遥感影像间进行土地利用变化监测的方法。初步试验表明，本文提出的技术思路和技术流程是有效和可行的。变化监测运算仅局限于T1期土地利用现状图斑与T2期影像中图斑不一致的图斑进行，这样可以大大提高变化监测的运算速度。此外，变化监测算法主要以分类和识别为主，数据挖掘的规则仅作为辅助。相对于基于数据挖掘的方法挖掘有益规则而言，这一方法可以有效降低算法的复杂性。

参考文献：

1.李天峻 阎君 李伯衡.遥感综合时空信息在土地利用动态监测中的应用概述.国土资源与遥感.1997.2

2.李发明 程秀英 魏怀东等.武威市黄花滩生态移民区近十几年来土地利用变化监测.甘肃林业科技.2006.4

3.胡召玲.徐州市土地利用变化的遥感监测.徐州师范大学学报(自然科学版).2007.2

作者简介：

阮柏林，供职于天津市国土资源和房屋管理研究中心。

An Object-based Land Cover Change Detection Approach of

Using Single-temporal Satellite Image and GIS Data

Ruan Bailin

Abstract： While a variety of change detection approaches using multi-temporal satellite images have been reported, few approaches using GIS data of land use and single-temporal high spatial resolution satellite image have been reported. This paper proposes an object-based land cover change detection approach using single-temporal high spatial resolution satellite image and GIS data of land use. Compare with the pixel-based change detection approach, the object-based approach must be more suitable for in high spatial resolution images. To test the validity of the proposed approach, we applied it to the actual data, and primary result reveal that the proposed approach is valid.

第8篇：图像识别技术的基本原理范文

关键词：计算机视觉；案例推理；图像处理；图像描述

中图分类号：TP391.41 文献标识码：A文章编号：1009-3044(2007)04-11102-03

1 引言

基于案例推理(case-base reasoning)是人工智能中正不断发展的一项重要推理技术。基于案例推理与类比推理方法相似，案例推理将旧经验或教训转换为知识，出现新问题时，首先查找以前是否有相似的案例，并用相似案例解决新问题。如果没遇到相似案例的,经过推理后解决新问题的方法，又会成为新的案例或新经验，下一次再遇到相同问题时，就可以复用这些案例或经验。

这与人遇到问题时，首先会用经验思考解决问题的方式相似，这也是解决问题较好的方法。基于案例推理应用于工业产品检测或故障诊断时具有以下特点：

CBR智能化程度较高。利用案例中隐含的难以规则化的知识，以辅助规则推理的不足，提高故障诊断系统的智能化程度。

CBR较好解决“知识获取”的瓶颈。CBR知识表示以案例为基础，案例的获取比规则获取要容易，大大简化知识获取的过。

CBR求解效率较高。是对过去的求解结果进行复用，而不是再次从头开始推导，可以提高对新问题的求解效率。

CBR求解的质量较高。CBR以过去求解成功或失败的经历，可以指导当前求解时该怎样走向成功或避开失败。

CBR持续不断的学习能力，使得它可以适应于将来问题的解决。

所以基于案例推理方法正不断应用在产品质量检测和设备故障诊断方面，并取得较好的经济效益。为了产品检测和设备故障诊断中，更为智能化，更容易实现现场检测和诊断，计算机视觉技术起到很大的作用。

计算机视觉是研究用计算机来模拟人和生物的视觉系统功能的技术学科，使计算机具有感知周围视觉世界的能力。通过计算机视觉，进行图像的获取预处理、图像分割与特征抽取、识别与分类、三维信息理解、景物描述、图像解释，让计算机具有对周围世界的空间物体进行传感、抽象、判断的能力，从而达到识别、理解的目的。

计算机视觉随着科学技术发展，特别计算机技术、通信技术、图像采集技术、传感器技术等，以及神经网络理论、模糊数学理论、小波的分析理论等计算机视觉理论的不断发展和日趋成熟，使计算机视觉从上世纪60年代开始兴起发展到现在，取得快速发展，已经从简单图像质量处理发展到围绕着纹理分析、图像编码、图像分割和滤波等研究。图像的分析与处理，也由静止转向运动，由二维转向三维，并主要着眼于对图像的识别和理解上，也使计算机视觉的应用领域更为广泛，为案例推理中运用计算机视觉打下基础。

2 案例推理系统的主要关键技术

（1）案例的表示与组织

案例的表示与组织即是如何抽取案例的特征变量，并以一定的结构在计算机中组织存储。如何将信息抽取出特征变量，选择什么语言描述案例和选择什么内容存放在案例中，案例按什么组织结构存放在存储器中，这关系到基于案例推理方法的效率，而且对于案例数量越来越多，结构十分复杂的案例库，尤其重要。

（2）案例的索引与检索

案例的索引与检索即是为了查找最佳相似案例，如何建立案例索引和相似度算法，利用检索信息从案例库中检索并选择潜在可用相似案例。后面的工作能否发挥出应有的作用，很大程度上依赖于这一阶段得到的案例质量的高低，因此这一步非常关键。

（3）案例的复用和调整

案例的复用即是如何根据旧案例得出新解，涉及到找出案例与新问题之间的不同之处，案例中的哪些部分可以用于新问题，哪些部分不适合应用于新问题的解决。而复用还分案例的结果复用，案例的求解方法复用。

（4）案例的学习

案例的学习即是将新解添加到案例库中，扩充案例库的案例种类与数量，这过程也是知识获取。此过程涉及选取哪些信息保留，以及如何把新案例有机集成到案例库中，包括如何存储，如何建立索引等等。

针对案例推理的关键技术，根据检测和故障诊断系统的特点，计算机视觉主要解决如何将产品图像输入系统，如何将产品图像特征进行抽取和描述，如何区别产品不同之处。以便案例推理系统进行案例建模，确立案例的表示形成和案例相似度的计算。本文主要从计算机视觉如何运用在案例推理系统进行探讨。

3 产品输入系统

产品输入系统在不同产品类型和生产环境可能有不同之处，主要应有传感器单元和图像采集单元。如图1。

图1 产品输入系统结构

传感器单元主要判断是否有产品存在，是否需要进行图像采集，是否继续下一个产品图像的采集。这简单传感器可使用光电开关，配合光源，当产品经过时，产品遮挡住光源，使光电开关产生一个0值，而没有产品经过时，光电开关产生相反的1值，系统通过判断光电开关的值，从而判断是否有产品。

图像采集单元简单地说是将产品拍摄并形成数字化图像，主要包括光源、反射镜、CCD相机和图像采集卡等组成。光源和反射镜作用主要使图像中的物体和背景之间有较大灰度。CCD相机主要是拍摄设备。图像采集卡主要是将图像数字化。通过传感器判断有产品后，光源发出的光均匀地照在被测件上，CCD相机拍摄，拍摄图像经过图像采集卡数字化后输入存储设备。存储设备即为计算机硬盘。存放原始图像、数据、处理结果等。

这是案例推理系统的原始数据,是图像处理、图像特征抽取描述的基础。

4 图像处理

在案例推理系统中，需要对案例的组织和案例建模，案例的组织即案例的表示，相对计算机而言，即图像特征的抽取，即某图像具有与其它图像不同之处，用于区别其它图像，具有唯一性。同时，又能完整地表示该图像。所以案例的表示要体现案例的完整性、唯一性、操作容易性。

图像中有颜色区别、又有物体大小之分以及图像由不同的物体组成。如何表示图像，或说图像内部包含表示的本质，即图像的描述。根据图像特点，确立图像案例的表示，以图像的像素、图像的数字化外观、图像物体的数字组成等属性。这需要对产品输入的原始图像进行处理。

在计算机视觉技术中，对原始图像主要进行图像增强、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。具体工作流程如图2所示：

图2 计算机视觉的任务与工作流程

图像预处理是将产品的数字图像输入计算机后，首先要进行图像的预处理，主要完成对图像噪声的消除以及零件的边缘提取。预处理的步骤为：图像二值化处理；图像的平滑处理；图像的边缘提取。

图像二值化处理主将灰度图形二值化的关键是阈值的选取，由于物体与背景有明显的灰度差，可以选取根据灰度直方图中两峰之间的谷值作为阈值来分割目标和背景。

图像的平滑处理技术即图像的去噪声处理，主要是为了去除实际成像过程中因成像设备和环境所造成的图像失真，提取有用信息。

图像边缘提取是为了将图像中有意义的对象与其背景分开，并使之具有某种指定的数学或符号表达形式，使计算机能够理解对象的具体含义，检测出边缘的图像就可以进行特征提取和形状分析了。可采用多种算法，如采用Sobel算子提取边缘。

图像预处理是为下一步的特征描述打基础，预处理的好坏直接影响案例推理的结果和检测诊断的效率。

特征提取是对图像进行描述，是案例建模关键，案例建模是根据案例组织要求抽取图像特征，是建立案例索引和检索的关键。如果图像没有特征，就谈不上进行检索。图像特征可通过图像边界、图像分割、图像的纹理等方法，确定图像特征，包括是什么产品、产品形状大小、产品颜色，产品有什么缺陷、产品缺陷在什么位置等特征，根据这些图像特征进行描述，形成计算机中属性值，并从数据库查找相应信息资料，从而确定产品之间的关系，相似度，也就是案例推理的方向。

5 系统的检索

根据案例推理原理和相应算法，建立案例推理系统模型，如图3所示。

图3 案例推理系统

对话系统：完成人机交互、问题描述、结果显示和系统总控制。

案例库系统：由案例库及案例库管理系统组成。

数据析取系统：对各种已有的源数据库的数据通过转换而形成所需的数据。

多库协同器：根据问题求解的需要，按照一定的数据抽取策略，完成问题求解过程中对模型库系统、方法库系统、知识库系统和数据库系统等资源的调度与协调。

知识库系统：由产生式规则组成，这些知识包括专家经验和以规则形式表示的有关知识，也可以是数据挖掘结论，支持案例检索、案例分析、案例调整等。 模型库系统：由模型库、算法库、模型库管理系统组成。完成模型识别和调用，并把结果综合，送入对话系统显示，作为补充信息供案例检索、调整使用。

数据库系统：存放待决策支持的所有问题，并完成其维护与查询等功能。

由于系统主要应用产品的现场实时检测监控或故障诊断，所以系统的检索时，也必须输入检索值，即输入现场产品的图像，在通过产品预处理、图像的二值化、分割和边界处理后，进行图像特征描述，根据图像描述进行分类识别。根据案例推理的算法检索案例库中，是否有相似的案例。即确定相似度。相似度确定主要由案例推理的算法确定，如贴近分析法。确定相似度最大作为结果，并将案例的解输出，给相关控制系统进行决策。如产品质量检测，确定产品质量是否合格，是否有不合格产品，不合格产品是什么原因造成，故障源是什么，如何解决和排除故障，等等。

6 结论

案例推理方法有效地解决计算机视觉技术中图像检索问题。对提高图像检索的效率和准确度提供了平台。

计算机视觉技术也为案例推理系统实现产品现场实时检测、监控、诊断提供技术支持。计算机视觉技术现场的数据采集、处理为案例推理打好基础。

两者的结合设计的系统适用范围很广，只要产品需要进行质量检测、监控，或设备需要进行故障诊断和维护，都可以适用。

系统提供的实时检测、监控和诊断功能，提高企业的生产效益，降低了生产成本。

参考文献：

[1]（美）桑肯（Sonka,M）.图像处理分析与机器视觉[M].人民邮电出版社.

[2]王宏等译.计算机视觉[M].电子工业出版社.

[3]蔡建荣.自然场景下成熟水果的计算机视觉识别[J].农业机械，36(2)：61-64.

[4]王宇辉.基于计算机视觉的锥体零件尺寸在线检测算法[J].重型机械，2005,2：4-6

[5]骆志坚.基于计算机视觉检测技术自动计数系统的研究与应用[J].仪表技术与传感器,2005,3：41-43.

[6]左小德.贴近度分析法在案例库推理中的应用[J],南大学学报(自然科学版)，1997，18(1):21-26.

[7]姜丽红.案例推理在智能化预测支持系统中的应用研究[J].决策与决策支持系统,1996,6(4):63-69.

第9篇：图像识别技术的基本原理范文

为解决红外迷彩对传统热成像系统的干扰问题，达到在战场上识别红外伪装目标的目的，进行了长波红外偏振成像与光强图像融合的实验研究。采集了典型战场背景的长波红外偏振图像，利用MATLAB编程对红外偏振图像处理得到了长波红外偏振度图像，进一步对偏振度图像和光强图像进行了融合。实验结果表明，红外偏振度图像比原始红外图像的灰度均值提高了53%，灰度标准差提高了90%，平均梯度提高了2.04倍；融合后的图像比红外偏振度图像的灰度均值提高了15%，灰度标准差提高了4%，平均梯度提高了17%。

关键词：

长波红外偏振成像； 图像融合； MATLAB

中图分类号： TN 219文献标识码： Adoi： 10.3969/j.issn.10055630.2013.05.006

引言

红外热成像系统具有隐蔽性强、全天候工作、识别可见光伪装、视距远等优点，已成为各国军方主战夜视装备[1]。工作于8～14 μm的长波红外热成像系统主要用于对地面和水面目标的侦察、瞄准和跟踪，其大规模投入战场已成为改变作战模式和影响未来战争走向的因素[2]。随之出现的红外伪装技术，通过降低或扭曲军事目标表面热辐射特征，严重影响传统红外热成像系统的作战效能[3]，探索与之对抗的伪装识别系统十分必要。目前红外伪装识别技术主要有多光谱或高光谱成像[4]、背景减除算法[5]、伪彩色编码和图像融合[6]、红外偏振成像等。其中红外偏振成像具有识别效果好、系统结构简单等优点。

由于红外光强成像与红外偏振成像在特征量、目标和背景的辐射特性、成像过程、图像特征等方面的不同，同一场景的红外光强图像与偏振图像具有差异性和互补性[7]，利用图像融合技术将红外光强与偏振图像融合起来，可以综合二者的优势[8]。

本文在8～14 μm的长波红外波段，通过在红外热成像系统之前加装可旋转的红外偏振片，获取了目标与背景的偏振图像。基于MATLAB平台编程对偏振图像进行处理，得到了场景的红外偏振度图像和偏振角图像。利用MATLAB小波工具箱对偏振度图像和原始光强图像进行了融合。结果表明：融合图像比原始偏振图像的灰度均值提高了15%，灰度标准差提高了4%，平均梯度提高了17%，获得了更加丰富的纹理细节特征，增强了对比度，明显增强了观察效果。

1偏振的描述

根据菲涅尔公式的有关理论可知，光在介质表面上的反射将改变其偏振态[9]，由能量守恒定律，物体的热辐射同样也存在偏振分量，其偏振特性和物体本身有关。对偏振光的描述常用的有琼斯矢量和斯托克斯矢量。琼斯矢量用振幅和相位描述光波的偏振态，斯托克斯矢量则利用4个参量（斯托克斯参量）来描述光波的偏振态和强度。与琼斯矢量的参量不同的是，斯托克斯参量均是光强的时间平均值，具有强度的量纲，可以直接被探测器探测[10]，因此应用更加广泛。其形式为[11]：

因此只需测出3个不同方向的线偏振分量光强，即可解得斯托克斯参量S0、S1、S2。本文中测量与X轴夹角为0°、60°、120°方向上的光强，记为I0、I60、I

2实验方法与过程

2.1实验装置

为实现目标的热辐射偏振信息获取及处理，实验系统由检偏器、红外热成像系统、数据采集与处理系统三个部分构成。

实验系统采用Thorlabs公司的KRS5偏振片作为检偏器，有效光学口径50 mm，栅网间距0.37 μm，透过率为70%（在波长为12 μm处），偏振度为99.6%，消光比为300∶1。偏振片由旋转支架支撑并放置于热成像系统之前。

采用FLIR公司SC325型热像仪，探测器为非制冷焦平面阵列，工作波段7.5～13 μm，像元总数320×240，帧频60 Hz，热灵敏度

2.2目标的选择

实验目标包含了山地、林地、道路。涵盖了战场条件下常见的环境要素。实验日期为2012年3月18日。实验现场温度16.5 ℃，湿度79%，晴空无云，微风。

2.3实验过程

由于实验数据需要获取三个方向偏振图像，采用手动旋转偏振片的方式实现。为尽可能消除误差影响，采用连续测量16组数据并求平均的方式。

3实验结果处理与分析

利用实验装置采集到长波红外偏振图像，利用式（3）方法，基于MATLAB平台编写了程序，计算得到S0、S1、S2分量，并利用式（4）方法计算得到偏振度图像（见图2）。

3.1定性分析

从实验结果可以看出，融合以后的图像比偏振度图像的对比度有了明显提高，纹理细节更丰富，对目标具有更高的发现和识别概率。

3.2定量分析

根据参考文献[12]的评价指标（灰度均值、灰度标准差和平均梯度）对原始长波红外辐射强度图像和处理得到的偏振度图像进行了评价。

从表1和表2中可以看出：（1）场景的红外偏振度图像比原始红外图像的灰度均值提高了53%，灰度标准差提高了90%；融合后的图像比原始红外图像的灰度均值提高了76%，灰度标准差提高了98%。（2）红外偏振度图像平均梯度显著增大，比原始红外图像平均梯度提高2.04倍；融合后的图像比原始红外图像平局梯度提高了2.56倍。与前文定性分析结果相符。（3）融合后的图像比偏振度图像的灰度均值提高了15%，灰度标准差提高了4%，平均梯度提高了17%，明显增强了观察效果。

4结论

搭建了长波红外偏振成像实验系统并利用MATLAB平台编程对采集到的原始红外偏振图进行处理，得到了场景的长波红外偏振度图像，并进一步对偏振度图像和光强图像进行了融合。实验结果表明，红外偏振度图像比原始红外图像的灰度均值提高了53%，灰度标准差提高了90%，平均梯度提高了2.04倍；融合后的图像比红外偏振度图像的灰度均值提高了15%，灰度标准差提高了4%，平均梯度提高了17%，获得了更加丰富的纹理细节特征，增强了对比度，明显增强了观察效果。

参考文献：

[1]俞信.红外热成像技术：技术进展与展望[J].光学技术，1994，20（6）：1-3，20.

[2]陈胜哲，陈彪.红外技术在军事上的应用[J].光学技术，2006，32（增刊）：581-586.

[3]杨丽，乔亚.光学动态伪装技术研究[J].红外，2006，27（11）：9-14.

[4]张朝阳，程海峰，陈朝晖，等.高光谱遥感的发展及其对军事装备的威胁[J].光电技术应用，2008，23（1）：10-12.

[5]张品，陈亦望，傅强.使用GMM背景减除的红外伪装人体目标快速识别算法[J].红外与激光工程，2012，41（4）：975-983.

[6]王加，蒋晓瑜，杜登崇，等.基于伪彩色编码和图像融合的伪装目标识别方法[J].探测与控制学报，2008，30（2）：43-46.

[7]杨风暴，李伟伟，蔺素珍，等.红外偏振与红外光强图像的融合研究[J].红外技术，2011，33（5）：262-266.

[8]许抗，徐伯庆.一种基于HSI和小波变换的可见光和红外图像融合新方法[J].光学仪器，2010，32（4）：11-15.

[9]周敏秀.偏振光理论在激光经纬以上的应用[J].光学仪器，2010，32（3）：46-48.

[10]王新，王学勤，孙金祚.基于偏振成像和图像融合的目标识别技术[J].激光与红外，2007，37（7）：676-678.