（检测技术与自动化装置专业论文）基于图像处理的数字字符实时识别系统的设计.pdf

浙江大学硕士学位论文 摘要 图像检测系统可以快速获取大量信息，易于自动处理，也易于同设计信息加 工控制信息进行集成，因此，在现代自动化生产过程中，人们将图像检测系统广 泛地用于工况监视、成品检验和质量控制等领域。图像检测方法可以大大提高生 产效率和生产的自动化程度，是实现计算机集成制造的基础技术。 目前国内外许多科技工作者为基于机器视觉的数字识别做了深入的研究，做 出了不懈的努力，作者通过广泛查阅国内外论文，在把握数字字符识别趋势的基 础上，将着重针对钢坯标号、自动导引车辆数字工位等工程系统中的字符类进行 识别研究，构建了基于灰度图像处理的钢坯标号和基于彩色图像处理的用于自动 导引车辆的数字工位的实时识别系统，并提出了相对应的实时识别算法。本文主 要内容如下： ( 1 ) 对课题的研究背景以及研究现状做了详细的阐述，对实时图像的滤波、分 割以及字符识别作了较全面的综述。 ( 2 ) 构建了基于灰度图像处理的钢坯标号识别系统，包括总体设计方案及其算 法。在阐述c c d 摄像头及采集卡的选取、光源的选择、设备的布置形式及说明、 系统的工作流程的基础上，针对钢坯标号的特点，提出了基于图像处理技术，利 用先验信息粗定位，在m a r r 边缘提取算子的基础上结合自动阈值完成数字标号的 提取后进行灰度面积滤波，垂直投影分割后利用模板匹配算法，从而实现了数字 标号的自动识别。每个标号的识别总耗时少于1 5 s ，误识率低于5 ，稳定性和速 度都能满足钢坯自动化生产的需要。 ( 3 ) 以浙江大学自动化仪表研究所自主研制开发的新型视觉导航小车为平台， 构建了基于彩色图像处理的用于自动导引车辆的数字工位识别系统，包括总体设 计方案及其算法。在阿述c c d 摄像头的选取及安装、数字标号样式和颜色的选择、 光源与照明方式的设计、系统的工作流程的基础上，针对自动导引车辆的性能要 求和数字工位的特点，提出了基于图像处理技术，根据路面区域，导航线区域和 数字工位区域的不同颜色特征，以彩色图像中的胄分量( 红色分量) 为处理对象， 利用红色分量在每一副采集图片的象素分布寻找字符可能出现的区域；根据h i s 浙江大学硕士学位论文 颜色空间特征参数饱和度s ，提取数字；快速校正后，利用字符的整体结构特征 进行数字的初分类，优化字符特征区域的确定及统计办法，在改进的特征统计基 础上进行数字的再辩识。实验结果表明。数字工位提取耗时1 6 m s ，校正，识别 总耗时4 7 m s ，识别速度能满足自动导引小车运行时问的要求。当车辆处于静止 状态时，当没有较强的光线干扰时，可以识别出所有的数字工位；当车辆以一定 的速度运行时，发现该系统的识别准确率就会受到影响，但仍然高于9 0 。造成 识别错误的原因主要在于视野内光线的急剧变化所导致的校正不力和车辆运行 速度过快。优化系统的校正算法及合理地进行光源补偿，从而提高校正效果是下 一步研究的重点。 ( 4 ) 对全文的工作进行总结，并且提出了进一步研究的方向。 关键词：实时图像处理、图像分割、字符识别、字符校正、模板匹配 n 浙江大学硕士学位论文 a b s t r a c t b e c a u s ei m a g ed e t e c t i o ns y s t e mc a na c q u i r eq u i c k l yal o to f m e s s a g ea n di se a s y t op r o c e s sa u t o m a t i c a l l y , a tt h es a m et i m ei ti se a s yt oi n t e g r a t ed e s i g nm e s s a g ea n d m a c h i n i n gc o n 血- o lm e s s a g e ，s oi t i sa p p l i e di nm a n yf i e l d so fm o d e ma u t o m a t i o n m a n u f a c t u r e ，s u c ha sp r o d u c tm o n i t o r , f i n i s h e dp r o d u c ti n s p e c t i o na n dq u a l i t yc o n t r 0 1 i m a g ed e t e c t i o nt e c h n i q u e c a l li m p r o v eg r e a t l yp r o d u c t i o ne f f i c i e n c ya n da u t o i m m u - n i z a t i o nd e g r e e i ti st h eb a s eo f c o m p u t e ri n t e g r a t i o nm a n u f a c t u r e m a n ym e t h o d sh a v eb e e np r o p o s e df o rd i g i t a lc h a r a c f f e rr e c o g n i t i o nt h e s ed a y s , b u tt h e ya g eo f t e ns u b j e c t e dt os u b s t a n t i a lc o n s w a i l l t s i nt h i sp a p e r , w eh a v ed e v e l o p e dap r a c t i c a lv i s i o ns y s t e mf o rr e c o g n i z i n gt h ed i g i t so ns t e e lb i l l e t s ，a n dw eh a v e a l s od e v e l o p e dan u m e r i c a lr e c o g n i t i o ns y s t e mf o ra u t o m a t e dg u i d e dv e h i c l e ( d i nc h a p t e r1a n d2o ft h i st h e s i s ，w ei n t r o d u c e dt h e s ei m a g ep r o c e s s i n ga l g o d t h m i n d e t a i l ：i m a g es e g m e n t a t i o n 、i m a g e f i l t e r , a n d c h a r a c t e r r e c o g n i t i o n , a n d t h e t h e o r yo f i m a g e - p r o c e s s i n gi si n t r o d u c e dt o o ( 2 ) as y s t e mi se s t a b l i s h e dt or e c o g n i z et h en u m b e r sf i l ls t e e lb i l l e t si nc h a p t e r3 t h ei n f r a s t r u c t u r eo ft h i ss y s t e m ，s u c ha st h es e l e c t i o no fc c da n dl i g h t i n g ，i sb c i n g s t a t e da tf i r s t a c c o r d i n gt ot h ec h a r a c t e r i s t i c so f t h en u m b e r st ob er e c o g n i z e d , an e w a p p r o a c hi sp r o p o s e d b a s e d 0 1 1i m a g ep r o e e s s i n gt e c h n i q u e , c a n d i d a t er e g i o n so f d i g - i t sa e x t r a c t e df r o ma l li m a g et h r o u g hu s i n gt h em e s s a g eo fi t ss t a t i o n a r yp o s i t i o n a f t e ru s i n gm a r re d g ed e t e c t o r 、a u t o - t h r e s h o l da l g o r i t h ma n dg r a y s c a l ea f e af i l t e r ， n o i s ew a sf i l t e r e da n dc h a r a c t e r sw e r ee x t r a c t e df r o mt h ei m a g e a ni m p m v e dt e m - p l a t em a t c ht e c h n i q u ew a s u s e dt or e c o g n i z et h ec h a r a c t e r s t h ee x p e r i m e n t a lr e s u l t s s h o wt h a tt h es y s t e mi se f f i c i e n t ，r o b u s ta n dr e l i a b l ef o rr e c o g n i z i n gt h ed i g i t s ( 3 ) t h er e s e a r c hw o r ko fc h a p t e r4r e l i e so nt h en e wt y p eo f v i s u a ln a v i g a t i o nr e - h i c l ep l a t f o r mw h i c hi sd e v e l o p e di n d e p e n d e n t l yb yt h ei n s t i t u t eo fa u t o m a t e di n - s t r u m e n t a t i o ne n g i n e e r i n gi nz h e j i a n gu n i v e r s i t y i tp r e s e n t sar e a lt i m ed i g i t sr e c o g - n i t i o ns y s t e mf o ra u t o m a t i cg u i d e dv e h i c l e ，w h i c hi n c l u d e st h eo v e r a l li n f r a s t r u c t u r e l 浙江大学硕士学位论文 o f t h i ss y s t e m 、t h es e l e c t i o no f s o m ei n s m m a e n t s ，s u c ha sc c d 、t h e d i g i t s 、l i g h t i n g b a s e do nm a c h i n ev i s i o n ，c a n d i d a t er e g i o n so fd i g i t sa r ee x t r a c t e df r o ma ni m a g e t h r o u g hf i l t e r i n ga p p r o a c hu s i n gc o l o rc o m p o n e n t sa n dt h r e s h o l ds e g m e n t a t i o na l g o - r i t h mb a s e do nh i sc o l o rs p a c e s i n c et h ed i g i t si nt h ei m a g eo f t e nh a v es k e wa n d s l a n t , t h ed i g i t sa l er e c o g n i z e da f t e rt h es k e wa n ds l a n tc o r r e c t i o n t h es k e wa n dt h e s l a n ti sc 0 饿：c t c du s i n gt h ec a l c u l a t e da n g l e s t or e c o g n i z et h ed i g i t s , a ne f f i c i e n td i g l t r e c o g n i t i o nm e t h o db a s e do ns t r u c t u r a la n ds t a t i s t i c a lc h a r a c t e r i s t i c so f t h en u m b e r si s p r o p o s e d i ne x p e r i m e n t s ，w eo b t a i n e dac o r r e c td i g i tr e c o g n i t i o nr a t eo fm o l et h a n 9 0 w h e ni tr u n n i n ga n dc a nr e c o g n i z ea l lt h en u m b e r sw h e ni ti ss t a t i o n a r y ，a n dt h e t o t a lp r o c e s s i n gt i m ei s6 3 m s t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h es y s t e mi se f f i - c i e n t , r o b u s ta n dr e l i a b l ef o rr e c o g n i z i n gt h ed i g i t s ( 4 ) i nc h a p t e l 5 ，s o m ec o n c l u s i o n sa n df u t u r er e s e a r c h e sa l ed r a w ni nt h i sd i s s e r - t a t i o n 1 畸w o l d ：r e a l - t i m ei m a g ep r o c e s s i o n , i m a g ed e t e c t i o n ，c h a r a c t e rr e c o g n i t i o n ， c h a r a c t e rc o r r e c t i o n , t e m p l a t em a t c h i v 浙江大学硕士学位论文 第一章绪论 1 1 数字图像处理的主要内容及发展动向 1 1 1 数字图像处理的主要内容 数字图像处理就是利用计算机系统对数字图像进行各种目的的处理。早期的 图像处理目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。 图像处理中，输入的是较差质量的图像，输出的是改善质量后的图像，常用的图 像处理方法有图像增强、复原、编码、压缩等，如图1 - 1 所示。 图1 - 1 图像处理 还有一类图像处理是以机器为对象，处理的目的是使机器或计算机自动识别 目标，称为图像识别。图像识别系统输入的是改善质量后的图像，一般称为预处 理后的图像，输出的是对图像中目标( 物体) 的识别或分类。图像识别的过程包 括图像预处理、图像分割、特征提取和图像分类，如图l - 2 所示。 图1 - 2 图像识别 完整的数字图像处理工程大体上可分为如下几方面：图像信息的获取；图像 信息的存储；图像信息的传送；图像信息处理；图像信息的输出和显示【l 】。其中， 图像信息处理主要包括如下内容：几何处理，算术处理，图像增强，i 虱像复原， 图像重建，图像编码，图像识别，图像理解。 1 几何处理 几何处理主要包括坐标变换，图像的放大，缩小，旋转，移动，多个图像匹 配，全景畸变校正，周长，面积，体积计算等。 浙江大学硕士学位论文 2 算术处理 算术处理主要是对图像进行+ ，一、，+ 等运算，该处理主要针对象素点 的处理，但非常有用。 3 图像增强 图像增强处理主要是突出图像中感兴趣的信息，而减弱或者去除不需要的信 息，从而使有用信息得到加强，便于区分或解释。 4 图像复原 图像复原的主要目的是去除干扰和模糊，恢复图像的本来面目。典型的例子， 如去噪，就属于复原处理。 5 图像重建 图像重建处理是从数据到图像的处理，即输入某种数据，而输出结果是图像。 图像重建的主要算法有代数法迭代法，傅立叶反投影法、卷积反投影法等。 6 图像编码 图像编码研究属于信息论中信息编码范畴，其主要宗旨是利用图像信号的统 计特性和人类视觉的生理学及心理学特性对图像信号进行高效编码，即研究数据 压缩技术，以解决数据量大的矛盾。 7 模式识别 模式识别是一个很宽的研究领域，通常可以把具有一定思维的或者物质的模 型统称为模式。模式识别的根本任务是把输入模式作分类。显示图像是一种模式， 图像分类是一种特定的模式识别，可称为图像识别。图像识别的过程包括图像预 处理，图像分割特征提取和图像分类。 8 图像理解 图像理解是由图像识别发展起来的方法，该处理输入的是图像，输出的是一 种描述。这种描述不仅是单纯的用符号做出详细的描绘，而且要利用客观世界的 知识使计算机进行联想，思考及推论，从而理解图像所表现的内容。 1 1 2 数字图像处理的发展动向 随着计算机技术的发展，数字图像处理技术也得到了快速发展，它的理论和 方法更加完善，其精确性、灵活性和通用性也大大提高，目前已经广泛应用于通 2 浙江大学硕士学位论文 信，医疗，遥感、宇宙探测、工农业生产等领域。 图像处理技术未来发展大致可归纳为以下四点： ( 1 ) 图像处理的发展将向高速高分辨率，立体化、多媒体化、智能化和标准 化方法发展。围绕着高清晰度电视的研制将开展实时图像处理的理论及技术的研 究。 ( 2 ) 图像，图形相结合朝着三维成像或多维成像的方向发展。 ( 3 ) 硬件芯片的研究，把图像处理的众多功能固化在芯片上将会有更加广泛的 应用领域。 ( 4 ) 新领域与新算法的研究。 在图像处理领域，近年来引入了一些新的理论并提出了一些新的算法，如： 小波，分形，形态，遗传算法和神经网络等。图像处理技术的发展涉及越来越多 的基础理论知识，雄厚的数理基础及相关的边缘学科知识对图像处理科学的发展 有越来越大的影响。多学科的交叉，融合将为图像处理系统开拓更广泛的应用领 域。l 圈此，图像处理科学无论在理论上还是实践上都存在着巨大的潜力。 1 2 课题背景简介 国家“十一五”规划指出，经济发展需要走节约型的增长道路，由高能耗、 低产出的粗放型向低能耗、高产出的集约型的转变。借鉴国外的经验，经济增长 方式的转变，必须依托科学的发展和技术的进步。 制造业是工业生产中的龙头，打造先进制造业基地，建设节约型社会，必须 依靠科技创新，需要学习发达国家工业企业的先进经验，引入新技术、新设备和 新方法，面对发展的严峻挑战，物流自动化和即时化柔性生产组织管理已成为众 多制造业企业不得不关注的热点。因此随着科学技术的发展，用户需求的日益多 样化、企业生产的日益国际化、以及企业阃的竞争日益激烈，促使企业采取各种 措施以提高生产效率和市场应变能力。 图像处理技术中机器视觉技术自诞生至今，由于它在适应恶劣环境，增加人 工智能，降低系统的投资和运行成本，增强系统性能等方面的优越性，引起人们 的广泛注意。工业应用中的编号识别是一个新的发展方向。它能将数字字符图像 通过处理识别，输出为几个字节大小的字符串，无论在提高系统自动化水平上， 3 浙江大学硕士学位论文 还是在存储空间、与管理数据库相连方面都有无可比拟的优越性。 数字识别作为模式识别领域的一个重要问题，应用范围非常广泛，其中包括： ( 1 ) 装配线上活塞的字符溯t j t 2 1 ；( 2 ) 汽车车牌字符识别3 1 4 1 ；( 3 ) i c 卡喷码实时识别【5 】： ( 4 ) 机场，港口等出入车辆管理；( 5 ) 视觉导航自动车辆的数字识另r j t 6 j ；( 5 ) 数字识 别在财务、税务、金融领域中的应用；( 6 ) 数字识别在邮件分拣中的应用；( 7 ) 数字 识别在大规模数据统计( 如：行业年鉴、人1 3 普查等) 中的应用等。目前国内外许 多科技工作者为基于机器视觉技术的数字识别做了深入的研究，例如m i a oy a l i n 识别出印刷体的数字和标记1 7 ；y a m a g u c h i 3 = 发出电话号码识别系统嘲； j m m o l i n a 等研究了机场内飞行器尾部数字编号的识别 9 1 0 0 ；j c m l e e 等识别了 处于静止，运动容器上的数字标号【儿l ；a n d r a d eel 辫识了球场队员衣服上的数 字编号1 1 2 】；王荣本，金立生等研究了用于导引车辆的数字快速识别闱；在国外方 面，英国i b m l 2 8 7 光学文字阅读器既可以识别出l o 个阿拉伯数字，已在邮局推广 使用，误识率仅为0 4 ；n e c 研制的邮区编码信函分拣机可以识别出印刷字体的 数字和字母，处理速度可达3 0 0 0 0 件，j 、时。因此采用基于机器视觉的方法建立的 数字识别系统具有广泛的应用前景。 1 3 本文主要内容及章节安排 1 3 1 主要内容 本文主要开展了两方面的研究：一是基于灰度图像处理的钢坯数字标号实时 识别，二是基于彩色图像处理的用于自动导引车辆的数字工位的实时识别。 近年来，人们对钢铁的消费与日俱增，钢铁业的自动化程度在逐渐提高，例 如国内外很多单位对钢坯自动标号等相关设备进行了研究，设计出设备，从而使 钢厂自动化程度提高，大大降低了生产成本。但国内标号机的后续验证标号是否 正确仍然依靠人工来完成。无论工人多么熟练，标号出现偏差乃至错误，但没有 被发现仍是免不了的。因此本实验室以钢坯标号机的辅助设备钢坯标号识别的 需求为背景，对钢坯标号的自动化检测进行了算法研究和系统设计。一张采集到 的图片比较大，但标号相对却很小，而且有实时性的要求，这使标号的检测更加 困难。本文针对钢坯标号的特点，设计了系列的图像处理算法来对标号进行自 4 浙江大学硕士学位论文 动识别。 生产物流系统和生产装配过程直接联系，现有的人工配送方式存在诸多难以 克服的问题，所以物流自动化系统的建立、物流网络的管理和相关物流设备的开 发都具有巨大市场潜力，是一个诱人的研究开发项目。而在生产物流自动化系统 研究中，物流装备作为物流系统的硬件设备，是决定系统柔性的关键技术之一， 国内外一直在寻求机械化和智能化的搬运技术和装备，非常值得注意的是基于视 觉技术的自动导引技术近几年来在该领域得到了重视。视觉导航车辆在导航过程 中采集到的信息量大，图像本身信息丰富，包括了日常生活及工厂中经常遇到的 数字、文字、图形、字母等，所以视觉导航车辆可以遥过机器视觉技术在对实用 自动导引车辆设置不同的数字或者字母工位号、停车、加速符等来实现车辆的定 位停车、分支路径设置等多项功能。因此，对数字识别进行研究是必要的，也是 反映视觉导航优越于其他导航方式的一个标志。本文第四章以浙江省重点科研资 助项目( 2 0 0 6 c 2 1 0 3 7 ) 为依托，开发出用于自动导引车辆的数字工位实时识别 系统。 为此，本论文以工业应用中的数字的识别为工程背景，对工业应用中的数字 字符识别( 钢坯标号和自动视觉导航车辆的数字工位) 展开针对性的研究，分析影 响数字字符识别的各种因素，着重研究针对识别的速度、准确率以及对字符局部 污染和残缺情况下的识别鲁棒性等问题开展研究。 本论文的主要研究内容为： ( 1 ) 针对钢坯标号和自动视觉导航车辆的数字工位的特点，分别架构出视觉识 别系统，其中包括c c d 摄像头的选取及安装、数字标号样式的选择、光源与照 明方式的设计、设备的布置形式及说明等。 ( 2 ) 在系统架构的基础上，分别开发出高效的数字图像处理算法。 ( 3 ) 验证数字识别算法的有效性和可靠性。 1 3 2 章节安排 论文共分五章： 第一章：叙述了图像处理的理论背景和发展状态，叙述了数字图像处理的主 要内容及发展动向，并简要介绍论文的工程背景和主要研究内容。 5 浙江大学硕士学位论文 第二章：这一章主要是对图像处理的相关算法迸行综述。文中对近些年关于 这类问题的研究现状作了较详细的阐述。其中算法主要介绍了三方 面的内容：图像滤波、图像分割和字符识别。 第三章：本章介绍了基于灰度图像处理的钢坯标号识别系统的构建以及实时 识别算法。首先论述了开发钢坯标号识别系统的必要性，构建了既 考虑了特定的工业环境所造成的影响，又考虑了实时性和准确性的 要求的数字字符快速识别系统。 第四章：本章介绍了基于彩色图像处理的用于自动导引车辆的数字工位实时 识别算法。本章在介绍现今国内外研究近况的基础上，根据特定工 业应用中的识别要求，选取相应的硬件，确定数字的形式和颜色， 构建了既考虑了特定的采集视角所造成的图像畸变，又考虑了实时 性和准确性要求的数字字符快速识别算法。 第五章：结论与展望。 1 4 本章小结 本章首先对图像处理的目的，理论依据发展做了简要的介绍：介绍了数字 图像处理的主要内容及发展动向；然后对课题的研究背景以及研究现状做了详细 的阐述；最后阐述了本文的研究工作及章节安排。 6 浙江大学硕士学位论文 第二章数字图像处理算法文献综述 2 1 图像滤波 2 1 1 引言 图像滤波包括低通、高通和带通滤波等处理。低通滤波即平滑处理，可以消 除国像中迭加的高频噪声与干扰，并突出图像中的低频信息，使曲线光滑、色调 柔和。高通滤波与低通滤波相反，它突出图像中的对比度和灰度变化的高频成份， 使图像轮廓清晰和锐化，锐化后的图像消除了缓慢变化的背景，把快速变化的细 节及边缘轮廓突出出来。带通滤波是将一部分频率成份保留，可用于消除每隔一 定间隔出现的干涉条纹的噪声。 图像的常见噪声主要有加性噪声、乘性噪声、量化噪声和椒盐噪声等。图像 中的噪声往往和信号交织在一起，尤其是乘性噪声，如果平滑不当，就会使图像 本身的细节如边界轮廓、线条等变得模糊不清，如何既平滑掉噪声又尽量保持图 像细节，是图像平滑主要的研究任务。本节主要对图像平滑( 即低通滤波) 相关 内容进行综述。 2 1 2 线性滤波器 线性滤波器以其完善的理论基础，数学处理方便，易于采用f n 和硬件实现 等优点，一直在图像滤波领域占有重要地位，其中以均值滤波器、维纳滤波器理 论和卡尔曼滤波理论为代表。 1 均值滤波器 标准均值滤波是对含噪声原始图像f ( x ，y ) 的每个像素点取一个邻域s ，计算 s 中所有像素灰度级的平均值，作为空间域平均处理后图像g ( x ，y ) 像素值。 均值滤波往往使图像中的边界、轮廓变模糊。为此，人们提出了许多改进算 法：如滑动窗口规定了在取均值过程中窗口各个像素点所占的权重，也就是各个 7 浙江大学硕士学位论文 像素点的系数，这时候就称为加权均值滤波；另外将边界、轮廓先提取出来，待 平滑后再加入图像；或采用部分平均，即若某点的值与邻域平均值超过丁，用平 均值代替，进行平均处理，否则仍保留原值，不进行平均运算。 2 维纳滤波器 也称为最小乘方滤波，是一种经典的线性去噪滤波器，是一种图像恢复技术。 常用于从加性噪声中恢复信号，在均方误差最小的最优准则下，维纳滤波是一种 最优滤波器。其原理是是恢复图像和原始图像的均方差最小。 3 卡尔曼滤波器 自j w w o o d s 等人提出缩减更新的卡尔曼滤波方法1 1 3 1 后，出现了基于各种图 像模型的卡尔曼滤波方法【1 4 1 。卡尔曼滤波器一般有状态模型、测量模型和递归 迭代方法组成。这些方法的共同点都是假设图像上的空间关系可由一个二维可分 的、呈指数衰减的自相关函数近似，从而得到一个图像模型。并假设原始图像的 自相关函数是己知的，而实际上不可能得到无噪声图像去准确地计算自相关函 数，解决这一问题的常用方法是在完成滤波过程的同时进行模型参数的辨识，其 缺点是需要进行大量的计算。它能最佳地滤除加性噪声和p s e 模糊，具有数学 分析简单、易数学实现等优点，缺点是使图像边缘变平滑，亦不能有效抑制脉冲 噪声干扰。 卡尔曼滤波是处理背景自适应跟踪问题的最好方法之一，但卡尔曼滤波计算 复杂，往往很难适应自适应背景更新的实时性要求，因此文献【1 5 】将公式进行简 化改进使其适应自适应背景更新的实时性要求。 线性滤波器存在计算复杂度高不便于实时处理等缺点。虽然它对高斯噪声 有良好的平滑作用，但对脉冲信号干扰和其它形式的噪声干扰抑制效果差，信号 边缘模糊。 2 1 3 排序统计学滤波器 为了克服线性滤波器的缺点，t u k e y 提出非线性滤波器中值滤波器， 即把局部区域中灰度的中值作为输出灰度，并将其与统计学理论结合起来，使用 迭代方法，比较理想地将图像从噪声中恢复出来，并且能保护图像的轮廓边界， 不使其变模糊。 8 浙江大学硕士学位论文 1 中值滤波器 中值滤波器是一种空域低通非线性滤波法，它是用一个有齐数点的滑动窗 口，将窗口中心点的值用窗口内各点的中值代替。 在一定的条件下，中值滤波器可以克服线性滤波器带来的图像细节模糊，而 且对滤除脉冲干扰及图像扫描噪声最为有效。但是对一些细节多，特别是点、线、 尖顶细节多的图像不宜采用中值滤波的方法。为克服中值滤波的不足，人们提出 了多种改进算法，例如用于纹理性较强的图像平滑的采用狭长窗口的方向加权中 值滤波，多尺度多方向中值滤波，极值中值滤波等等。文献【1 6 】在分析了中值滤 波的属性的基础上，提出了一种基于邻域统计和奇异点检测的中值滤波器的改进 算法。 2 邻域平均器 邻域平均法是一种局部空问域处理的算法阚。该算法简单，计算速度快， 但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边沿、细节处，邻 域越大，模糊越厉害。 3 中值混合滤波器 均值滤波对于高斯噪声有较好的降噪能力，而对脉冲噪声的降噪能力很差； 相反，中值滤波对脉冲噪声的降噪能力很好，而对高斯噪声的降噪能力则较差。 当图像同时受到高斯噪声和脉冲噪声的污染时，以上两种滤波器的效果都不是很 好。但若能将受高斯噪声和脉冲噪声污染的样本分开，采用不同的滤波方法滤波， 就能很好地滤除两种不同的噪声。混合滤波就是基于以上原理的一类滤波器。算 法的基本思想是首先依据某种法则判断滤波窗口是否存在边界点，若不存在边界 点，则以中心象素点的值为窗口的均值，若存在边界点，则中心象素点的值为窗 口中不同区域均值的中值。 4 层叠滤波器 层叠组合滤波器简称层叠滤波器是一类基于滑动滤波窗口的新型非线性数 字滤波器，其概括了排序统计滤波器和形态结构滤波器在内的所有非线性滤波 器。层叠滤波器具有层叠组合特性和阈值分解特性，采用阈值分解技术，使得对 多值信号的滤波处理简化为对二值层叠信号的处理，由此设计的滤波器具有并行 处理结构，利于并行处理和v i s i 实现。 9 浙江大学硕士学位论文 5 a _ 裁剪均值滤波器 a 一裁剪均值滤波器是一种特殊的o s 滤波( 其基本思想是将窗口内像素灰度 值进行排序，再取部分像素的某种线性平均) 方法。具体就是，只取窗口内m 个 最小灰度的像素点进行算术平均的滤波。其特点是在普通均值滤波的基础上，增 强了对脉冲型噪声的滤除能力。但依旧存在模糊边缘的缺点。 2 1 4 小波滤波器 在数学上，小波去噪的本质是一个函数逼近问题，即如何在有小波母函数伸 缩和平移版本所展成的函数空间中，根据提出的衡量准则，寻找对原信号的最佳 逼近，以完成原信号和噪声信号的区分。由此可见，小波去噪也就是寻找从实际 信号空间到小波函数空间的最佳映射，以便得到原信号的最佳恢复。 小波滤波主要方法有：模极大值法、阙值滤波法、多小波去噪等。阈值滤波 法因其算法简单和处理过程短而被广泛使用。 2 1 5 形态滤波器 数学形态学是一种非线性滤波的方法【1 7 1 。基于数学形态学的形态滤波器是根 据图像信号的几何特征，利用预先定义的结构元素( 相当于滤波窗口) 对图像进 行匹配，来过滤图像信号，同时保持细节特征和抑制噪声。数学形态学首先被用 来处理二值图像，后来也被用来处理灰度图像，现在又有学者开始用软数学形态 学和模糊形态学来解决计算机视觉方面的问题 1 8 l 。 形态滤波器的主要性能取决于所采用的形态变换类型和结构元素。如何自适 应地优化确定结构元素已成为形态滤波器领域的一个研究热点和难点。 2 1 6 基于子波变换的滤波器 子波交换的原始概念是由法国地质学家m o r l e t 和g r o s s m a n 在7 0 年代分析 地址数据是引起的，现已有比较系统的理论和计算方法，并在许多邻域中发挥作 用。近年来，子波变换域的降噪处理方法越来越受到人们的重视。目前，子波变 换域降噪处理方法主要有阈值滤波法【1 9 1 、模极大值法闭和多子波降噪法【2 1 】嘲 1 0 浙江大学硕士学位论文 等。在各种子波变换域图像处理方法中，阈值滤波因其算法简单和处理速度快而 被广泛应用。 2 1 7 图像滤波小结 以上将图像滤波领域有代表性的方法做了一个比较全面的综述，从众多文献 中可看出该领域几个比较明显的趋势：( 1 ) 单一的滤波方法难以得到满意结果， 人们在继续致力于将新概念、新方法引入图像滤波领域的同时，更加重视多种滤 波算法的有机结合；( 2 ) 目前为止，还未有一个一般意义的滤波方法，因而人们 注意力转向在某些特殊领域中的应用，根据这些领域的特殊问题，利用特有的相 关知识来解决。 2 2 图像分割 2 2 1 引言 图像分割是一种重要的图像处理技术，它是将一幅图像分解为若干互不交迭 的有意义区域的集合，每个区域的象素有着相同的特性。图像分割的质量直接影 响着计算机对图像的识别分类的效果，它在多数自动图像模式识别中是一个基本 的预备性步骤。对于图像分割质量，目前还没有一个统一的评介判别准则在实 际应用中，分割的程度取决于要解决的问题，当感兴趣的对象已经被分离出来时， 就停止分割。图像分割算法一般是基于亮度值的两个基本特性之一：不连续性和 相似性。第一类性质的应用途径是基于亮度的不连续变化分割图像，比如图像的 边缘；第二类性质的主要应用途径是依据事先制定的准则将图像分割为相似的区 域。基于亮度值的上述两个基本特性，图像分割方法大体上也可以分为两大类： 一类是基于边缘的分割，即通过边缘检测得到图像属性变化较大的物体边缘象 素，然后利用这些边缘象素将图像分割；另一类是基于区域的分割，即利用象素 间的相似性来区分图像中有意义的区域。下面将图像分割领域有代表性的方法做 了一个比较全面的综述。 浙江大学硕士学位论文 2 2 2 基于边缘检测的分割方法 边缘分割方法是基于区域边缘上的像素灰度值变化比较剧烈，通过检测不同 区域间的边缘来解决图像分割问题。 边缘检测技术f 3 0 】可以按照处理的顺序分为串行边缘检测和并行边缘检测。 最简单的边缘检测方法是并行微分算予法，它是利用相邻区域的象素值不连续的 性质，采用一阶或二阶导数来检测边缘点。近年来还出现了基于曲面拟合的方法， 基于反应扩散方程的方法，串行边界查找，基于变形模型的方法。 1 并行微分算子 并行微分算子法对对图像中灰度的变化进行检测，通过求一阶导数极值点 或二阶导数过零点来检测边缘。常用的一阶导数算子有r o b e r t 梯度算子、p r e w i t t 算子和s o b e l 算子，二阶导数算子有l a p l a e i a n 算子、k i r s e h 算子和w a l l i s 算子 等非线性算子。这类算子因为简单易行仍被广泛使用。微分算子类边缘检测方 法的效果类似与空间域的高通滤波，有增强高频分量的作用，因而，该类算子 不仅对边缘信息敏感，而且对图像的噪声也很敏感。为减少图像的影响，通常 在检测边缘前先对图像进行滤波。滤波平滑了噪声，同时也平滑了真正的边缘， 所以，边缘检测实际上是寻求噪声平滑和边缘定位的最佳折衷口1 1 。 2 基于曲面拟合的方法 这种方法最早是p r e w i t t 提出的，它的基本思想是将灰度看成高度，用一个 曲面来拟合一个小窗口内的数据，再对拟合出的曲面使用微分算子类方法进行 边缘检测，由于拟合的曲面是满足一定平滑性的有理曲面，因而能够使图像噪 声得到有效的平滑。 较有代表性的方法是p r e w i t t 多项式拟合、h a r a l i e k 斜面模型和h u e e k e l 算 法。国内外对此做了深入的研究，例如v i s h v j i t s n a l v a 等人提出一种用一维曲面 来拟合局部窗口数据的方法1 3 2 1 ；r o b e r tm h a r a l i c k 提出一种二维三次多项式来 拟合小窗口内图像数据的方法1 3 3 】。 3 基于边界曲线拟合的方法 这种方法用平面曲线来表示不同区域之间的图像边界线，试图根据图像梯度等 信息找出能正确表示图像边界的曲线，从而得到图像分割的目的，而且它直接 1 2 浙扛大学硕士学位论文 给出的是边界曲线，而不像有些方法给出的是离散的、不连续的边缘点。 l a w r e n c eh s t a i b 等给出了一种用f o u r i e r 参数模型来描述曲线的方法【3 4 】； a r d e s h i rg o s h t a s b y 用有理g a u s s i a n 曲线和曲面来设计和拟合二维及三维形状的 方法【3 5 1 ；m i n g - f a n gw u 等人给出了一种双变量三维f o u r i e r 描述子来描述三维 曲面【3 6 1 。 4 图像滤波方法 图像滤波的方法是基于卷积运算的如下性质： j ( ，( z ) g ( x ) ：要，( ，) g ( z ) = 厂( ，) 要g ( x ) ( 2 1 ) “ “m 对图像进行滤波就是用某个滤波算子与图像做卷积运算，由上式可知，对 滤波算子与图像的卷积结果求一阶导数，相当于用算子的一阶导数与图像做卷 积，高阶导数有同样的结果。这样，只要事先给出算子的一阶或二阶导数，就 可以将图像的平滑滤波与对平滑后的图像求一阶或二阶导数在一步完成。因而， 这种方法的核心问题是滤波器的设计问题。& c a n n y 对这个问题进行了比较深刻 的研究 3 刁。近年来研究的滤波器还有可控滤波器( s b 瞅曲l e ) f 3 s 1 、b 样条滤波器1 3 9 1 。 w t f r e e m a n 等文对l o g ( l a p l a c i a no f g a 啮s i 雒) 滤波算子进行了较全面研究。 图像滤波器的方法是基于平滑滤波后的图像求其一阶导数的极大值或二阶 导数的过零点来决定边缘的，问题是一阶导数的极大值或二阶导数的过零点对应 的像素是否真的就是边缘点? c a n n yj 、j j c l a r k 、m h e w i l k i n s o n 等提出了判 断真假边缘点的方法( 3 7 j 4 q 【4 2 】。 5 多尺度方法 多尺度方法的主要思想是在较大的尺度下能相对精确地检测到边缘点，而去 掉伪边缘点，但在大尺度下边缘点的定位是不准确的；在较小的尺度下，虽然检 测出许多伪边缘点，但对边缘点的定位比较准确。在大尺度下检测边缘点，计算 量小，侧重于寻找目标的大致轮廓，然后逐渐减小尺度，跟踪到小尺度下进行边 缘点的准确定位，侧重得到目标的精确分割结果，大尺度下的粗分割结果对小尺 度下的细分割结果具有定的指导作用，减少了不必要的操作。国内外对此做了 深入的研究，例如，才辉等对多尺度进行了改进，从而应用于布匹瑕疵检测中1 4 3 ) 。 蔡晋辉提出了种基于多尺度面积重构日项改进变换的图像分割方法，并成功 应用于两相流图像分割中闱。 浙扛大学硕士学位论文 6 基于反应。扩散方程的方法 基于反应- 扩散方程的方法是从传统意义上的g a u s s i a n 核函数多尺度滤波发 展来的。h u m m e l 指出如果从反应一扩散方程的观点来看待多尺度高斯滤波，可以 被看作热传导中的线性扩散方程： i ( x ，y ，n = d i v ( v i ) = l 。+ l 口( 2 - 2 ) p i e t r o p e r o n a 等人提出了非线性扩散的概, 念t - j ，上式变为： i = d i v ( c ( x , y , t ) v 1 ) = c ( x , y , t ) a i + v c o v l ( 2 - 3 ) 其中c ( x , y ，r ) 是扩散系数，v 和分别表示梯度算子和l a p l a c i a n 算子。文献 【5 3 】给出c ( x ，y ，f ) = g ( i p ( 工，y ，f ) i d ，g ( ) 是一个非负单调减函数，即扩散系数随 图像梯度的增大而减小，这样可以保证在区域内部( v 1 小) 以较快速度扩散， 而在边缘点( v i 大) 则不再扩散，从而起到边缘增强的作用。 7 串行边晃查找 串行边界查找通常是查找高梯度的象素，然后把它们连接起来形成曲线表示 对象的边缘。串行边界查找方法在很大程度上受起始点的影响，以前检测对象 的结果对下一像素的判断也有较大的影响。其困难是如何连接高梯度象素，因 为在实际图像中它们通常不相邻。另一个问题是噪声的影响，因为梯度算子具 有高通特性，噪声也是高频的，因此可能造成一些错误边缘象素的检测。 一 最有代表性的串行边缘检测方法是将边缘检测的问题转化为图论中寻求最 小代价路径的问题。为求最小代价，通常有两种方法：一种是贪婪法，另一种是 动态规划的优化方法。a x f a l e a o 等人在检测过程中引入了入机交互作用和判断 力，提出l i v ew i r e 分割方法【4 5 l 。 & 基于形变模型的方法 基于形变模型的方法综合利用了区域与边界信息，是目前研究最多，应用最 广泛的分割方法。在基于模型的技术中，形变模型提供了一种