摘要 光學模式識別，以其實時、可并行處理等特點，只益在國防科技、自動控制以 及字符識別等領域得到廣泛應用。隨著模式識別技術的發(fā)展，其研究對象也從簡單 的目標逐步過渡到復雜的目標。自然背景下的目標識別技術，在軍事科學領域和民 用自動控制領域具有非常重要的意義。由于光學模式識別的固有特性，實現(xiàn)自然背 景下的目標識別存在很大的困難。而電子科學技術在模式識別方面發(fā)揮出越來越積 極的作用。因此光電混合的模式識別技術就成為模式識別領域的重要發(fā)展方向。本 文首先論述了聯(lián)合變換相關器的相關識別原理和技術。其次詳細討論了圖像處理技 術。接著介紹了基于d s p 圖像處理系統(tǒng)的軟件開發(fā)。最后給出實驗結果。 關鍵字：模式識別磁臺變換相關器圖像預處理圖像分割數(shù)字信號處理 a b s t r a c t o p t i c a lp a t t e r nr e c o g n i t i o n ，b e c a u s eo fi t sr e a l - t i m e ，p a r a l l e l - p r o c e s s i n gf e a t u r e ，h a s b e e nw i d e l ya p p l i e di nn a t i o n a ld e f e n s i v et e c h n o l o g y ，a u t o - c o n t r o l a n dc h a r a c t e r r e c o g n i t i o ni n c r e a s i n g l y w i t ht h ed e v e l o p m e n to fp a t t e r nr e c o g n i t i o n ，i t sr e s e a r c ho b j e c t c h a n g e df r o ms i m p l et a r g e tt oc o m p l e xt a r g e t t a r g e tr e c o g n i t i o ni nn a t u r a lb a c k g r o u n d i si m p o r t a n tt om i l i t a r ys c i e n c et e c h n o l o g ya n da u t o - c o n t r 0 1 b e c a u s eo ft h ei n h e r e n t f e a t u r eo fo p t i c a lp a t t e r nr e c o g n i t i o n ，i ti sq u i t ed i f f i c u l tt or e a l i z et a r g e tr e c o g n i t i o ni n n a t u r a lb a c k g r o u n d a tt h es a m et i m e ，t h ee l e c t r o n i ct e c h n o l o g yh a sp l a y e da ni m p o r t a n t r o l ei nt h ea s p e c to fp a t t e r nr e c o g n i t i o n t h e r e f o r e ，t h em e t h o dw h i c hc o m b i n e st h e o p t i c sa n de l e c t r o n i c st e c h n o l o g yh a sc o m ei n t ot h el e a d i n gr o l li nt h ep a t t e r nr e c o g n i t i o n i nt h i sp a p e r , t h ep r i n c i p l ea n dt h et e c h n o l o g yo fj o i n tt r a n s f o r mc o r r e l a t i o n ( j t c ) a r e f i r s t l ya d d r e s s e d t h e nd i s c u s st h ei m a g ep r o c e s s i n gt e c h n o l o g yi nd e t a i l ，f o l l o w i n g i n t r o d u c eh o wt od e v e l o pt h es o f t w a r eo ft h ei m a g ep r o c e s s i n gs y s t e mb a s e do nd s e f i n a l l y , t h er e s u l to f t h ee x p e r i m e n tw a sp r e s e n t e d k e yw o r d s ：p a t t e r nr e c o g n i t i o n j o i n tt r a n s f o r mc o r r e l a t o r i m a g ep r e p r o c e s s i n g i m a g es e g m e n t a t i o n d s p 顧1 。論文 光電實時模式識別技術的研究 1 緒論 1 1 課題研究背景 模式識別是一門研究對象描述和分類方法的學科。從計算的早期，人們就發(fā) 現(xiàn)設計和執(zhí)行算法來模仿人類對物體的描繪和分類能力是一項有趣而富有挑戰(zhàn) 性的任務。因此，和多種學科有著緊密聯(lián)系的模式識別系統(tǒng)和技術是科學研究的 熱門領域。 現(xiàn)代科學技術的發(fā)展，對模式識別和計算機視覺不斷提出更高的要求。模式 識別和計算機視覺的研究對象，也從簡單目標逐步發(fā)展到復雜的目標模型。自然 背景下的目標，由于其固有的復雜性和不確定性，一直是困擾模式識別技術向前 發(fā)展的難題之一。實現(xiàn)自然背景下的目標分割和識別，無論是對于軍事科學領域 還是民用自動控制領域，都具有非常重要的意義。 1 9 6 2 年m c l a c h l a n 提出利用光學相關實現(xiàn)模式識別，和兩年后v a n d e rl u g t 提出光學復空間濾波器1 2 1 之后，基于相關器的光學模式識別技術就己引起人們的 特別關注。因為，對于單靜止的目標圖像來醴，這種方法不僅具有高鑒別率和 平移不變性，而且由于光的高速并行性可以在一瞬間完成，其處理速度與圖像信 息量的大小無關。直到今f ，這些還都足無可比擬的誘人特點。 另一方面，對自動目標識另l l ( a u t o m a t i ct a r g e tr e c o g n i t i o n a t r ) 技術的社會 需求，也f 1 益迫切起來。囡為它是目標跟蹤和制導、自主機器人和機器視覺等廣 闊應用領域的核心技術。這些應用對a t r 所提出的要求主要是：高鑒別率、識 別畸變不變性和實時性。二者是互相矛盾的，但又缺一不可。雖然生物視覺系統(tǒng) 通?？梢院苋菀椎刈龅竭@些要求，但是用人二f 一系統(tǒng)來實現(xiàn)這些要求，卻是一個科 學技術難題。一般認為，光學相關模式諺 別( o p t i c a lc o r r e l a t i o np a t t e r n r e c o g n i t i o n o c p r ) 在高鑒別率和實時性方面具有明顯的優(yōu)勢，而在識別畸變刁i 變 性方面則有待側重地研究和解決。因此，對o c p r 的研究一直是光學技術科學中 的一個活躍的前沿領域【 j 。4 0 多年來，除了對用于o c p r 的實時器件和體系結構 不斷改進的大量工作外，人們對將o c p r 方法推廣為畸變不變性識別的研究i l 以 概括為3 個t 要方面： ( 1 ) 用j io c p r 的各種新型濾波器的綜合算法與制備方法【4 1 ； ( 2 ) o c p r 濾波前的各種不變性特征提取與卒刪變換方法與系統(tǒng)1 7 , 8 1 ； ( 3 ) o c p r 的多通道運行方法與系統(tǒng)以及濾波后的判別算法 91 0 l 。 碩l 論文光電實時模，識別技術的1 i 究 以上研究的目的，主要是解決運動目標的圖像在輸入平面內或目標在空間上 發(fā)生旋轉和尺度變化，以及待識別的目標不止一個時，如何保持o c p r 的高鑒別 率、識別不變性和高速度等優(yōu)點。這里問題的提法已經不是“單一靜止目標”的識 別，而是“多個運動目標”的識別，即：多目標的光學相關模式識別和具有畸變不 變性的光學相關模式識別。4 0 多年來，盡管已發(fā)表了大量有創(chuàng)新性的方法與技 術，也不乏o c p r 成功應用的例子和實驗系統(tǒng)的報道，但是o c p r 至今仍未成為 a t r 實際應用的主流技術。究其根源，除了價格高、靈活性差和體積笨重等原 因外，對于基于光學相關器的純光學模式識別的存在性問題一直是理論研究的難 點。 在純光學模式識別研究受阻的情況下，電子科學技術卻在飛速發(fā)展。特別是 計算機技術的發(fā)展，使數(shù)字模式識別得到廣泛的研究和應用。現(xiàn)在的數(shù)字處理系 統(tǒng)具有高性能的處理器，大容量的存儲介質，可編程，在處理過程中，控制、分 析、判斷和存儲靈活，運算精度高。所以結合計算機技術的光學模式識別就給停 滯不前的傳統(tǒng)光學模式識別帶來新的發(fā)展空間。其中光電混合處理系統(tǒng)既具有數(shù) 字處理器的靈活性和準確性。又具有光學處理器的并行性、直接性、速度快、容 量大等特點，隨著光電器件價格不斷下降，理論上可以滿足模式識別系統(tǒng)價格低 廉和高計算速度的要求，在民用和軍事方面具有重要應用價值。其可行性在國外 已有將小型化光電混合處理系統(tǒng)安裝于導彈頭部的報道。然而，這種軍事應用技 術存在的難度顯然超過”般模式識別技術的難度，而且缺乏深入的系統(tǒng)的研究。 光電混合模式識別系統(tǒng)目前國內仍以實驗室研究為主，成熟的實用系統(tǒng)還有許多 有關光電計算的理論和實踐問題需要解決。 1 2 光電混合模式識別的發(fā)展概況 傳統(tǒng)的光學模式識別，是建立牲光學匹配濾波的理論基礎之上的。光學結構 如圖1 1 所示。先用全息法制作待識別目標g ( x ，p ) 的匹配濾波器g + ( “，、，) ，然后 將其放入鈔系統(tǒng)的頻譜面上。被相干光均勻照明的輸入目標f ( x ，經過第一個 傅立葉變換透鏡之后，其頻譜與匹配濾波器相乘，根據相關原理，經過第二個傅 立葉變換透鏡之后，在后焦平面l ：得到輸入圖像f ( x ，y ) 與圖像g ( x ，y ) 的相關結 果。通過檢測相關特征判斷輸入日標的類另0 。 碩二i ：論文光i u 實時模式識別技術的研究 i t ” 廠、 弋 功 ， r 、， h 7 、 。 i f t lf t 2 o 卜l 斟i1 匹配濾波器結構圖 匹配濾波器的相關輸出包含三部分：一是沿光軸方向生成的物體廠( t y ) 的 幾何像。二是圖像f ( x ，y ) 和g ( x ，y ) 卷積像，中心位于( 一b ，d ) ，這兩部分對相關 識別不起作用。三是圖像f ( x ，y ) 和g ( x ，y ) 的相關像，與卷積像對稱分布，巾心 位于( b , o ) 。二者相同則產生明顯的相關亮斑。 為了改善經典匹配濾波器的相關性能，減弱中心直流分量，增強互相關項， 陸續(xù)出現(xiàn)了許多改進濾波器，如純位相濾波器p o f “。13 1 ，通過將傳統(tǒng)匹配濾波器 的模置l ，解決了頻譜面飽和的問題，增大了衍射效率，其性能類似高通濾波器， 故可產生較傳統(tǒng)匹配濾波器更高的相關峰。二值化純位相濾波器b p o f 1 4 - 1 7 1 ， b p o f 可以用空間光調制器s l m 實時實現(xiàn)，相關輸出近似為6 函數(shù)，故光學效 率最高。而且這些濾波器在有一些類型的噪聲出現(xiàn)的情況下也可達到比較好的u 別性能。 j 匹配濾波相關器相比，聯(lián)合變換相關以別不需要提- f i f s n 作濾波器，且調試 中不存在中心嚴格對準的要求，i n , t ：發(fā)展為光學模式識別中的研究熱點。聯(lián)合變 換相火器( j t c ) 的原理結構如圖1 2 所示。將目標圖像和參考圖像同時置f 輸入面 上，在頻譜面上用平方律探測器什接收聯(lián)合功率譜j p s ，再將聯(lián)合功率譜輸入到 第個傅立葉變換透鏡上，在后焦、t i 衙l 得到目標圖像和參考圖像的相關輸：n 。 碩l 論文 光電實時模武識別技術的研究 幽i 2 聯(lián)合變換相關器結構框圖 經典聯(lián)合變換相關器存在兩個方面的弱點：一方面，由于聯(lián)合變換相關存在 較強的零衍射級，從而使輸出面中相關輸出的衍射效率較低，影響相關峰的探測； 另一方面，聯(lián)合變換相關輸出面中零級衍射峰的寬度很大，限制了其輸入面的目 標圖像和參考圖像的大小和相對位置，降低了對輸入面空間帶寬積的使用。因此， 削弱或去除零衍射級，抑制旁瓣，增強互相關峰的強度，提高相關性能，就成為 設計各種新型的聯(lián)合變換相關器的依據。由此人們提出了很多有效的改進方法。 如非線性聯(lián)合變換相關器、條紋調制聯(lián)合變換相關器、振幅調制聯(lián)合變換相關器、 聯(lián)合小波變換相關器以及功率譜相移等方法，極大地提高了聯(lián)合相關的性能。 根摒相關的原理，只有相同性質的兩個點才會相干。聯(lián)合變換相關器輸入而 卜的目標圖像和相關圖像只有由相同性質的點組成才會被識別為真目標。也就是 說聯(lián)合變換相關器只能識別相同的目標。隨著光學模式識別技術的廣泛應用，研 究的對象已經不局限于簡單的相| 司的目標。當目標發(fā)生諸如旋轉、己度、傾角等 類型的畸變超過一定的范圍時，聯(lián)合變換相關器的識別性能急劇卜降。所以實現(xiàn) 畸變不變模式識別就成為聯(lián)合變換相關器能否實用的關鍵。到目前為l j j ，人們提 出了多種畸變不變的方法，主要有坐標變換法【i r - 2 1 1 ，綜合識別函數(shù)法s d f 2 2 - 2 6 1 ， 圓請函數(shù)展丌法【2 7 - 3 0 1 ，本缸圖像法 3 1 - 3 3 】，濾波器庫的設計【3 4 , 35 ，神經網絡濾波法 ”1 等等。在實際應用中，同標不會單獨存在，而是融于各種各樣的復雜背景中。 所以在做畸變不變之前必需先要從背景中得到目標。迄今為止，對于自然背景的 抑制和消除，還處在一個比較低級的研究階段。山于自然背景f 著力別，準確的 捕述自然背景的特征是相當困難的，岡此對其進行抑制和消除的難度相當大。日 前，對自然背景的紋理分析技術，還僅僅停留f 在對其扶度分布進行統(tǒng)計分析的階 段，通過計算出一定面積圖像的均值、方差、相關性以及熵等特鉦，進行背景和 1 標的判別和分割。其計算基礎是定面積的圖像，對于f 1 標和背景邊界處的特 順l 論殳光電實時模，c 識別技術的研究 征計算缺乏準確性，利用其進行目標分割顯然會產生邊緣定位誤差，給后期的識 別增加難度。所以目標提取是光學模式i j , gj j 技術中的一個難點，也是必需要解決 的問題。 1 3 課題的研究內容、目的和意義 光電實時模式識別技術有三大問題需要解決。核心問題是實現(xiàn)對采集圖像的 同標提取，這是所有后續(xù)工作的前提，h 標提取問題解決不好，就無法丌展下面 的工作。其次是畸變目標的畸變不變識別，根據本課題研究目標圖像的特點j 1 ：發(fā) 出一種合適的畸變不變識別算法。這是光電實時模式識另0 技術研究重要的步， 算法的實用性直接影響開發(fā)系統(tǒng)的應用。最后要做到模式識別的實時性，這是識 別軍事目標的關鍵問題，戰(zhàn)場是瞬息萬變的，識別過程不能做到實時，就算識別 出目標也沒有意義。因此我們考慮采用最新的d s p 實時圖像處理系統(tǒng)，這將大 大提高處理速度。另外我們還將該系統(tǒng)不斷的小型化，使之具有更強的實用性。 通過對該課題的研究，解決真實目標模式識別技術中的關鍵問題，研制開發(fā)出一 套可以對飛機、機場等軍事目標實現(xiàn)實時識別的可彈載的模式識別系統(tǒng)。 1 4 論文的主要工作和內容安排 本文的主要工作包括如下： 1 聯(lián)合變換相關器小型化研究。由丁原理裝置體積較大為了能用于導彈 等系統(tǒng)上小型化是一個重要技術問題。這主要通過轉折光蹄，縮小焦 距，將平面結構拓展為空間結構等束實現(xiàn)。 2 圖像預處理。本課題處理的圖像來自客觀世界，受到各種不同的自然條 件或人為因素的影響。最大限度降低這些干擾，能提高模式識別的準確 度。 3 圖像分割。根據識刖目標所在背景的特點，提m 相應的去除背景的方法， 并分割圖像，提取出需要的目標。 4 畸變不變。根掘f i l 標類別特征，在綜合比較了當前流行的畸變小變方法 后提出了針對性的方案，較好解決了本課題需要處壬| ! 的這一類同標的畸 變不變問題。 5 d s p 系統(tǒng)實時圖像處理軟件開發(fā)。光電實時模式識別技術的實用要求要 對軍用目標圖像實現(xiàn)實時識別，岡此d s p 系統(tǒng)的丌發(fā)是重點。這要求將 由計算機完成的1 ：作編制成可l l d s p 系統(tǒng)統(tǒng)一處t ! t ! f 1 9 袱序。 壩i 淪文光電實時模式識別技術的研究 6 建立光電實時模式識別系統(tǒng)并進行實驗，根據實驗結果分析系統(tǒng)的性能， 產生誤差的原因，并分析系統(tǒng)具有多大限度的容差性，并提出解決辦法。 碩士論文 光電實時模式識別技術的研究 2 聯(lián)合變換相關器識別原理及實現(xiàn) 2 。1 聯(lián)合變換相關器原理 聯(lián)合變換相關器的結構如圖2 1 所示。設輸入面中放置的目標圖像和參考圖 像分別為f ( x ，y y ) 和r ( x ，y + y ) ，即聯(lián)合輸入圖像為 f ( x ，y ) = r ( x ，y + y ) + t ( x ，y y ) ( 2 1 ) 則傅立葉頻譜為 f ( u ，v ) = e ( u ，v ) l e x p ，( “，v ) e x p ( j v y ) + l t ( u ，v ) l e x p 6 b , ( 1 1 , v ) l e x p ( 一w ) ( 2 , 2 ) 聯(lián)合功率譜j p s 為 i f ( u ，v ) l2 = l 尺( “，v ) i2 + i 丁( “，v ) j 2 + 2 l r ( u ，v ) 0 7 1 ( “，v ) | c o s 辦( “，v ) 一以( “，v ) + 2 v y 】( 2 3 ) ( “，v ) 是空間頻率坐標，以2n ，標度。l e ( u ，v ) i 和i r ( u ，v ) 1 分別為參考圖像和目 標的傅立葉變換的振幅，廬，( “，v ) 和，( “，v ) 為各自頻譜的位相。由上式可以看出， 聯(lián)合相關變換的功率譜是振幅調制的正弦型光柵結構的干涉強度分布，其相關峰 可以視為該正弦光柵結構的一級衍射峰。經典的聯(lián)合變換相關輸出就是直接對上 式進行逆傅立葉變換得到的。前兩項的傅立葉變換產生參考圖像和目標圖像各自 的自相關輸出。屬于零衍射級，后一項產生我們所需要的互相關輸出。 設聯(lián)合輸入圖像如圖2 1 所示，經典聯(lián)合變換相關器所得到的相關結果如圖 2 2 所示。由圖可以看出，經典聯(lián)合變換相關器的直流分量( 零級項) 占相關輸出 面的大部分能量，而互相關輸入與零衍射級相比，能量很弱。當目標圖像和參考 圖像之間的中心距離很近時，互相關項將被淹沒于零級項中，導致識別困難。 幽2 1 聯(lián)合輸入網像 碩卜論文 光電宴時模式識別技術的研究 圖2 2c j t c 的相關輸出結果 與匹配濾波相關器相比，聯(lián)合變換相關器具有如下優(yōu)點： ( 1 ) 實時識別和自適應的特點，因為它不需要提前制作濾波器，只需將參考 圖像存儲于計算機中，相關時將其與目標圖像同時顯示在液晶電視l c t v 或其他 空間光調制器s l m 上。 ( 2 ) 探測聯(lián)合變換功率譜可以是一個非線性的處理過程，從而提高相關性 能。 ( 3 ) 由于我們對相關峰的形狀并不特別感興趣，所以可以選擇功率譜的一部 分來產生干涉條紋。 似) 如果采用短焦距傅里葉變換透鏡加一個放大透鏡，系統(tǒng)的總長度可以大 大縮短。 目前聯(lián)合變換相關器技術已經j “泛應用于諸如指紋識別f 4 0 1 、光纖檢測f 4 1 a 2 l 、 工業(yè)零件識別【4 3 】、汽車牌照識別【4 4 l 以及三維跟蹤等領域，并取得了很好的識 別效果。 經典聯(lián)合變換相關器存在兩個方面的弱點：“方面，由于聯(lián)合變換相關存在 較強的零衍射級，從而使輸出面中相關輸出的衍射效率較低，它影響相關峰的探 測：另一方面，聯(lián)合變換相關輸出面中零級衍射峰的寬度很大，限制了其輸入面 的目標圖像和參考圖像的大小和相對位置，降低了對輸入面空i d j 帶寬積的使用。 因此，削弱或去除零衍射級，抑制旁瓣，增強互相關峰的強度，就成為設計 各種新型的聯(lián)合變換相關器的依據。目前研究最多的有以下幾種類型：非線性聯(lián) 合變換相關器，條紋調制濾波聯(lián)合變換相關器，振幅調制濾波聯(lián)合變換相關器。 本課題組的上膩博仁袁祥巖在這方面投入了大量的工作，最終得出基于振幅調 碩士論文 光電實時模式識別技術的研究 制濾波的聯(lián)合變換相關器最適合本課題的研究丁作。下面簡要介紹振幅調制濾波 f e n g 等人提出的振幅調制濾波函數(shù)( a m f ) 為： 柏叫，_ j ，刮：m ，訓 眨z 【 1 j 月( “，v ) 2 d ( n l ，”，) 一 矗二，一一+ ( 3 2 10 ) ( 3 2 1 1 ) ，7 是圖像中每個像素的m n 的鄰域。 然后對每一個像素估計出灰度值 6 ( l i ，1 2 一+ 等訓 。2 1 2 這里v2 是圖像噪聲中的方差。圖3 2 8 為自適應濾波前后效果。 3 2 4 銳化 ( b ) 幽3 2 8 自適應濾波( a ) 原始蚓像：( b ) 濾波后的圖像 銳化技術用于加強圖像中的目標邊界和圖像細節(jié)。常用的方法是對圖像進行 微分處理。圖像模糊是常見的圖像降質問題。在圖像攝取、傳輸及處理過程中有 許多因素可以使圖像變模糊。電子系統(tǒng)高頻性能不好也會損失圖像高頻分量，而 使圖像不清晰。在對圖像進行數(shù)字化時，實際取樣點總是有一定的面積，所得的 樣本是這個具有一定面積的區(qū)域的亮度平均值，若取樣點正好在邊界上，則使樣 本值降低，從而使數(shù)字圖像的邊界變的不清楚。 大量的研究表明，各種圖像變模糊的物理過程的數(shù)學模型+ 般含有求和、平 均或積分運算。所以可以在空域中運用微分運算增強圖像，也可以在頻域中用加 強高頻分量的方法增強圖像。銳化效果可見圖： 2 8 。 嬰! ：堡苧堂皇莖墮塑苧望型墊查墮墮壅 ( b ) 圖3 28 銳化( a ) 原始圖像：( b ) 銳化后的圖像 3 3 圖像分割5 2 - 6 2 3 3 1 圖像分割定義 在對圖像的研究和應用中，人們往往僅對圖像中的某些部分感興趣。這些部 分常稱為目標或前景( 其它部分稱為背景) ，它們一般對應圖像中特定的，具有獨 特性質的區(qū)域。為了辨別和分析目標，需要將這些有關區(qū)域分離提取出來，在此 基礎上才有可能對目標進一步處理，如進行特征提取和測量。圖像分割就是把圖 像分成各具特性的區(qū)域并提取出感興趣目標的技術和過程。這早特征可以是灰 度、顏色、紋理等，目標可以對應單個區(qū)域，也可以對應多個區(qū)域。本課題是對 灰度圖像的研究，因此可以利用目標區(qū)域和背景區(qū)域在灰度方面的差異，實現(xiàn)對 圖像的分割，即基于灰度的圖像分割。 圖像分割可以借助集合的概念用如下比較正式的方法定義： 令集合r 代表圖像區(qū)域，對r 的分割可看作將r 分成若干滿足以f5 個條 件的非空子集( 子區(qū)域) 島，r 2 ，q ，： l 1 叫j r k 尺 扛l ( 2 ) 對所有的z 和j ，f t 有尺，n r ，= o ； ( 3 ) 對江1 , 2 ，3 ，門，有p ( r i ) = 豫砸； ( 4 ) 對j ，有戶( ru r j ) = 剮。踞； ( 5 ) 對，= 1 ，2 , 3 ，門，r i 魁連通的區(qū)域。 碩i j 論文 光電實時模式識別技術的研究 其中p ( r i l 是對所有在集合兄中元素的邏輯謂詞，是空集。 上述條件( i ) 指出分割所得到的全部子區(qū)域的總和( 并集) 應能包括圖像中所 有象素，或者說分割應將圖像中的每個象素都分進某個子區(qū)域中。條件( 2 ) 指 出各個子區(qū)域是互相不重疊的，或者說一個象素不能同時屬于兩個區(qū)域。條件( 3 ) 指出在分割后得到的屬于同一個區(qū)域中的象素應該具有某些相同特性。條件( 4 ) 指出在分割后得到的屬于不同區(qū)域中的象素應該具有一些不同特性。條件( 5 ) 要 求同一個子區(qū)域內的象素應該是連通的。對圖像的分割總是根據一些分割的準則 進行的。條件( 1 ) 和( 2 ) 說明分割準則應可使用于所有區(qū)域和所有象素，而條件( 3 ) t n ( 4 ) 說明分割準則應能幫助確定各區(qū)域象素有代表性的特性。 根據以上定義和討論，可按如下方法對分割算法進行分類。對灰度圖像的分 割?？苫谙笏鼗叶戎档牟贿B續(xù)性和相似性。區(qū)域內的象素一般具有灰度相似 性，而在區(qū)域之間的邊界上一般具有厭度不連續(xù)性。所以分割算法可分為利用區(qū) 域問灰度不連續(xù)性的基于邊界算法和利用區(qū)域內灰度相似性的基于區(qū)域的算法。 另外根據分割過程中處理策略的不同，分割算法又可分為并行算法和串行算法。 在并行算法中，所有判斷和決定都可以獨立的和同時的做出，而在串行算法中， 早期處理的結果可被其后的處理過程利用。一般串行算法所需計算時間比并行算 法長，但抗噪聲能力也較強。上述這兩個準則互不重合又互為補充，所以分割算 法可根據這兩個準則分成四類：1 并行邊界類：2 串行邊界類：3 并行區(qū)域類： 4 串行區(qū)域類。這種分類方法既能滿足上述分割定義的五個條件，也可以包括圖 像分割所常用的各種算法。例如基于邊緣檢測的方法可以是并行的或串行的，主 要取決于邊緣連接或跟蹤時采用的策略，閩值分割法和象素分類法都屬于并行區(qū) 域類，而區(qū)域生長和區(qū)域分裂合并法則屬于串行區(qū)域類。根據本課題所研究圖像 的特征及要求，主要采用中問兩類分割算法。 3 3 2 并行區(qū)域技術 取閾值是最常見的并行的直接檢測的分割方法。在利用墩閡值方法來分割灰 度圖像時一般都對圖像有一定的假設。也就是說，是基于一定的圖像模型的。晟 常用的模型可描述如下：假設圖像由具有單峰灰度分布的目標和背景組成在目 標或背景內部的相鄰象素問的扶度值是高度相關的，但在目標和背景交界處兩邊 的象素在灰度值上有很大的差別。如果一幅圖像滿足這些條件，它的灰度直方圖 基本上可看作是由分別對應目標和背景的兩個單峰直方圖混合而成。此時如果這 兩個分布大小( 數(shù)量) 接近且均值相距足夠遠，而且均方差也足夠小，則直方圖 應是雙峰的。對這類圖像?？捎萌￠}值方法來較好地分割。 碩士論文 光電實時模式識別技術的研究 最簡單地利用取閾值方法來分割灰度圖像的步驟如下。首先對一幅灰度取值 在g m l 。和g 。之問的圖像確定一個灰度閩值7 1 ( g m i 。 t ( z ，y ) 丁 ( 3 叫 按式( 3 | 3 1 ) 處理得到黑背景圖像，按式( 3 3 2 ) 處理得到白背景圖像。其中 m a x g r a ，a l 取值為灰度圖像的最大灰度級，一般灰度圖像中象素灰度用8 位表示，灰度分為2 5 6 級即0 2 5 5 。所以這罩m a x g r a ，a l 取2 5 5 。 圖像的單閾值處理比較簡單，相應的圖像也比較簡單。如圖3 3 1 和圖3 f 3 2 原始圖像背景單一，灰度均勻，且和目標的灰度值明顯不同，其直方圖為明顯的 雙峰結構。背景為灰白，對應直方圖中1 5 0 15 5 之間的灰度級；目標較暗，對應 直方圖中o 15 0 之間的灰度級。 ( b ) 劁3 3 i 單閾值分割( a ) 原始圖像：( b ) 處理后的圖像 碩1 。論文 光電實時模式識別技術的研究 圖3 3 2 直方圖( a ) 剴3 3 1 ( a ) 的直方圖；( b ) 圖3 3 1 ( b ) 的直方圖 圖像的多閾值分割較為復雜，首先要對待處理的圖像有一定的認識，根據圖 像中不同區(qū)域的灰度值范圍來確定多個閾值，其基本原理與單閾值分割一樣。 3 3 3 串行邊界技術 邊緣檢測可歸屬于串行邊界技術，是所有基于邊界的分割方法的第一步。邊 緣是所要提取目標和背景的分界線，提取出邊緣才能將目標和背景區(qū)分開來。在 圖像中，邊界表明一個特征區(qū)域的終結和另一個特征區(qū)域的開始，邊界所分開區(qū) 域的內部特征或屬性