基于图像特征提取的算法设计与应用

论文摘要

随着工业的集约化发展,表面产品的生产量持续大幅度增长。在生产中,对表面加工质量高水平的苛求,尤其是一致性的要求,对图像识别技术提出了更高的要求。本文研究了表面图像预处理、分类识别技术、特征提取、模式识别问题,针对传统滤波算法在抑制噪声的同时,也会对图像的边缘及细节有比较大的损害,使图像的边沿及细节变模糊的问题,提出了加权有向平滑滤波算法。并在图像分割上融合了几种分割方法,提出一种改进的基于双正交小波变换的多分辨率图像融合方法和基于融合技术的小波变换和形态学边缘检测算法,优化了分割效果,为后续特征提取打下了很好的基础。本文最后采用“车牌字符识别实验”对图像分类识别进行实现。本文从颜色特征角度来描述,根据各参数分布情况,选择标准差较小的参数作为分类器输入特征向量;以及采用主分量分析法进行特征提取,降低纹理特征维数,消除模式特征之间的相关性,突出其差异性,满足识别层的输入要求。实验结果证明:根据图像的纹理特征和颜色特征,运用数字图像处理技术,来解决图像的分割和识别等问题,是行之有效的途径。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究背景和意义
• 1.1.1 课题的研究背景
• 1.1.2 课题的研究意义
• 1.2 本文研究的内容
• 1.3 应用的技术方向
• 1.4 本文所做的工作
• 第二章 图像识别预处理技术
• 2.1 概述
• 2.2 图像增强处理
• 2.3 图像灰度处理
• 2.4 图像锐化处理
• 2.5 图像的预处理
• 2.6 图像的几种分割技术
• 2.6.1 基于区域的图像分割
• 2.6.1.1 并行区域分割技术
• 2.6.1.2 串行区域分割技术
• 2.6.2 结合特定理论工具的图像分割
• 2.7 本章小结
• 第三章 图像分类识别技术
• 3.1 图像纹理特征的提取
• 3.2 图像色彩特征的提取
• 3.3 图像分类器的选择
• 3.4 图像主成分分析
• 3.4.1 图像主成分分析原理
• 3.4.2 基于主成分分析的降维算法
• 3.5 SVM 算法原理
• 3.6 本章小结
• 第四章 车牌字符识别实现
• 4.1 车牌字符识别算法实现的流程
• 4.2 车牌字符图像预处理
• 4.2.1 车牌图像采集与转换
• 4.2.2 车牌的定位与分割
• 4.2.3 矫正与区域字符分割
• 4.2.4 细化
• 4.3 车牌字符图像特征提取
• 4.4 车牌字符主成分分析的算法
• 4.5 车牌字符图像主成分分析的图像识别
• 4.6 识别结果
• 4.7 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献