没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
26页
物体图像识别中的模式识别是一种从大量信息和数据出发,利用计算机和数学推理的方法对形状、模式、数字、曲线、字符格式和图形自动完成识别并且进行评价的过程。图形匹配是图像识别技术的一个重要分支,图形匹配指通过对图形的图像采用特定算法。本设计以MATLAB作为实现功能的操作平台,通过结合几何HU不变矩作为中间的连接数据,再运用图像预处理和欧式距离等数学方法,用Matlab进行编程,完成各个部分的效果,实现区域图像轮廓特征数据获取,计算欧氏距离,根据物体图像几何HU不变距的相似程度实现物体识别匹配的目的。计算机模拟结果表明该方法的有效性和可行性。
资源推荐
资源详情
资源评论
基于 Matlab 轮廓匹配的物体识别系统
摘要
物体图像识别中的模式识别是一种从大量信息和数据出发,利用计算机和数学推
理的方法对形状、模式、数字、曲线、字符格式和图形自动完成识别并且进行评价的
过程。图形匹配是图像识别技术的一个重要分支,图形匹配指通过对图形的图像采用
特定算法。本设计以 MATLAB 作为实现功能的操作平台,通过结合几何 HU 不变矩作为中
间的连接数据,再运用图像预处理和欧式距离等数学方法,用 Matlab 进行编程,完成各
个部分的效果,实现区域图像轮廓特征数据获取,计算欧氏距离,根据物体图像几何 HU
不变距的相似程度实现物体识别匹配的目的。计算机模拟结果表明该方法的有效性和
可行性。
关键词:几何 Hu 不变距 欧式距离 Matlab 轮廓特征
Object recognition system based on Matlab contour matching
Author: Wu Zeyuan Class: Class two Tutor: Wan Chagnlin Title: Lecturer
(School of Electronic Information and Electrical Engineering of Huizhou University, Guangdong, Huizhou,
516007)
Abstract
Pattern recognition in image recognition is a process of automatic recognition and
evaluation of shape, pattern, figure, curve, character format and figure by computer and
mathematical reasoning from a large number of information and data. Graph matching is an
important branch of image recognition technology. Graphic matching refers to the specific
algorithm of graphics. This design uses MATLAB as the operating platform to realize the
function. By combining the geometric HU invariant moments as the intermediate connection
data, and then using the image preprocessing and Euclidean distance and other mathematical
methods, Matlab is used to program the results of each part to achieve the image contour
feature data acquisition, the calculation of Euclidean distance, according to the object image.
The similarity degree of geometric HU invariant distance achieves the purpose of object
recognition and matching. Computer simulation results show that the method is effective and
feasible.
Key Words:Geometric Hu invariant distance Continental Distance Matlab Contour
features
目录
1 绪论 .................................................................... 1
1.1 研究背景及意义 ...................................................... 1
1.2 物体识别匹配技术的现状与趋势 ........................................ 1
2.系统的相关理论及技术概述 ................................................ 1
2.1 相关理论概述 ........................................................ 1
2.2 相关技术概念概述 .................................................... 1
3.系统需求分析及可行性研究 ................................................ 2
3.1 系统需求分析 ........................................................ 2
3.1.1 匹配系统功能分析 ............................................. 2
3.1.2 匹配系统性能分析 ............................................. 2
3.2 系统可行性研究 ...................................................... 2
3.2.1 技术可行性分析 ............................................... 2
3.2.2 经济可行性分析 ............................................... 2
4. 系统总体设计 ........................................................... 3
4.1 系统模块框图及运行流程图 ............................................ 3
4.1.1 系统模块框图 ................................................. 3
4.1.2 系统运行流程图 ............................................... 3
4.2 系统功能设计 ........................................................ 4
5. 系统详细功能设计说明 ................................................... 4
5.1 使用工具 ............................................................ 4
5.2 系统相关函数说明及概念解释 .......................................... 4
5.2.1 相关函数说明 ................................................. 4
5.2.2 相关概念解释 ................................................. 4
5.3 图像的预处理及加工 .................................................. 5
5.3.1 摄像头拍摄图像 ............................................... 5
5.3.2 图像灰度化 ................................................... 6
5.3.3 图像滤波 ..................................................... 6
5.3.4 图像的二值化 ................................................. 7
5.3.5 图像分割与截取 ............................................... 7
5.4 图像的边缘形状轮廓提取 .............................................. 9
5.5 图像的七个 HU 几何不变距计算 ......................................... 10
5.6 图像间的欧氏距离计算 ............................................... 10
5.7 根据 HU 不变距的相识程度进行轮廓匹配 ................................. 11
6.系统功能测试 ........................................................... 11
6.1.两张图像之间的匹配 ................................................. 11
6.2 与分割图像之间的匹配 ............................................... 13
7.结束语 .................................................. 错误!未定义书签。
参考文献 ................................................................. 15
致谢 ...................................................... 错误!未定义书签。
附录:主要代码 ............................................ 错误!未定义书签。
1
1 绪论
1.1 研究背景及意义
物体图像的识别与匹配是立体视觉的一个重要分支,轮廓匹配技术被广泛应用在军
事,宇宙探索、社会智能服务方面等重要方向,同时还包括应用于日常生活中的诸多领
域,如医疗诊断中各种医学图片的分析与识别、天气预报中的卫星云图识别、遥感图片
识别、人脸识别、指纹识别等
[1]
。本课题意在熟练运用物体图像的识别与匹配的方法,
利用物体轮廓特征匹配。物体图像轮廓匹配在很多领域都有着非常重要的应用,随着智
能时代的到来,物体图像匹配技术也将会发生更新换代的变化。在多媒体技术的各个领
域中,物体图像匹配技术占有非常重要的地位,被广泛的使用于农业,交通安全,车辆
导航,网络交流通讯,实时监控系统等诸多方面。因此,现今对技术领域的研究已日趋
活跃和繁荣,物体图像匹配有着不可替代的作用
[2]
。
1.2 物体识别匹配技术的现状与趋势
物体图像的识别匹配是图像处理领域被研究比较多的方向之一,一直都是研究的重
点内容,虽然己经取得的成果很多,但远没有待解决的问题多。图像识别匹配的发展经
历了三个阶段:文字识别、数字图像处理与识别匹配、物体识别匹配
[3]
。文字识别的研
究是从 1950 年开始的,一般是识别数字、字母和符号,从印刷文字识别到手写文字识
别,应用非常广泛,并且许多专用设备已经被研制出来。数字图像处理和识别匹配的研
究开始于 1965 年。数字图像与模拟图像相比具较多的优势,如存储更多、传输过程中
处理方便、传输方便并且可压缩、不易失真等巨大优势,推动数字图像处理与识别匹配
向图像识别匹配技术发展。物体的识别匹配以数字图像处理与识别为基础的结合人工智
能、系统学等学科的研究方向,其研究成果被广泛应用在各种工业及探测机器人上。现
代图像识别技术有不足处,如自适应性能差,如果目标图像被较强的噪声污染或是目标
图像有较大残缺,得出结果会有偏差。目前,在图像的匹配方法中,有基于轮廓的匹配、
基于 SIFT 的匹配和基于 SURF 特征的匹配等众多匹配机制。未来,物体图像匹配将继续
蓬勃发展,运用范围会继续扩大,金融、犯罪追捕以及基本的社会生活将设计这方面的
技术
[3]
。
剩余25页未读,继续阅读
资源评论
小泽园子
- 粉丝: 0
- 资源: 2
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功