第四章主要研究了进行仿射不变性的特征提取的有效途径有哪些。首先,总结归纳现有的技术并进行实验验证,同时,对现有的特征提取方法的局限性和有效性进行分析。最后,提出算法,优化现有的特征提取算法以得到最优的算法。论文利用三个特征匹配算法对路标图像进行识别,分析比较然后得出结论,以确保结论的准确性。论文还提出了一种新的算法,八向识别法,即在基于很好的局部聚类之后得到的图像进行八个方向识别,这样就可以证明几何变换仿射不变的的特征。可以发现,通过实验验证所得出的结论,该算法实用性较强,准确性较高。
第五章主要考虑到计算机对加噪之后以及形变后的图像的识别的难度较大,而对加噪之后以及形变后的图像的识别的算法进行了研究,而如何将通过变换之后模糊的图像识别出来,便成为一大问题。本章算法在上诉问题的前提下使用了三种识别方法,三种方法都可以识别这类图像。最后,通过对多次实验结论的统一分析和比较进一步了解了论文所提形状仿射不变特征有效性和适用性。
第六章为论文的总结与展望,对本文存在的不足进一步进行了阐述,并对可能的研究方向进行了展望。
2 仿射理论基础
2.1 图像的预处理
2.1.1 滤波方法
均值滤波[3]是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素点和其本身像素点。再用模板中的全体像素的平均值来代替原来像素值。均值滤波采用的主要方法为邻域平均法,是用均值代替原图像中的像素值,对像素点 选择模板,而该模板由其邻近的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点 ,作为处理后图像在该点上的灰度值 ,即: 源`自,优尔`.论"文'网[www.youerw.com (2.1)
m为该模板中包含当前像素在内的像素总个数。均值滤波能够有效滤除图像中的加性噪声,但均值滤波本身存在着固有的缺陷,即它不能很好地保护图像细节,在图像去噪的同时也破坏了图像的细节部分,从而使图像变得模糊。均值滤波主要有算术均值滤波,几何均值滤波,谐波均值滤波以及逆谐波均值滤波,本文主要对算术均值滤波,几何均值滤波和逆谐波均值滤波进行研究。
2.1.2 二值化
由于计算机所能识别的像素只有黑白两种,所以,我们必须要多滤波之后的图片进行二值化[4]。图像的二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
二值化图像处理包括全局二值化和局部二值化和,全局二值化最常用的方法就是设定一个全局的阈值T,用T将图像的数据分成两部分:大于T的像素群和小于T的像素群。
局部二值化最常用的方法就是按一定的规则把图像划分为N个窗口,然后对这N个窗口再按一个统一的阈值T把该窗口内的像素值划分为两部分,在进行二值化处理。
2.2 图像分割技术
图像分割[5]是图像处理到图像分析的关键步骤,现有的图像分割方法主要有:阈值分割、区域分割、边缘分割以及特定理论分割方法等。论文大概介绍了阀值分割方法[6]。