【正文】 模糊不清的。 方法 1：迭代法是基于逼近的思想 ,其步驟如下 : (1) 求 出 圖 象的 最 大 灰度值 和最 小 灰度 值 ,分別記為 Rmax 和 Rmin,令閾值 ? =(Rmax+Rmin)/2。 低通的數(shù)學(xué)表達(dá)式如下式所示 : ? ? ? ? ? ?vuHvuFvuG , ? （ 22） 式中 F（ u,v） 一含有噪聲的原圖像的傅立葉變換 。 本文是根據(jù)噪聲能量一般集中于高頻而圖像頻譜則分布于一個有限區(qū)間的這一特點(diǎn)，采用低通濾波方式來進(jìn)行去噪。 匹配識別預(yù)處理 在進(jìn)行匹配識別之前要先對待識別圖像進(jìn)行預(yù)處理，其中包括：灰度化、清晰化、傾斜調(diào)整、二值化、大小調(diào)整（調(diào)整成與模板大小一致） 灰度化 基于所研究的課題主要針對灰度圖像，而攝像機(jī)拍攝到的圖像都是彩色，需要將待識別的圖像轉(zhuǎn)化為灰度圖像。圖像的 Rodon 表換即圖像 I(x,y)在角度為 、與原點(diǎn)的距離為 （ =xcos( )+ysin( )）的直線上的投影。 數(shù)據(jù)歸一化 豎直方向幅度求和后，得到一組圖像特征，但各組特征中的數(shù)據(jù)差別比較大，這就有可能導(dǎo)致識別結(jié)果不準(zhǔn)確。函數(shù)形式如下： (25) 式中， 為數(shù)據(jù)序列的均值， 為數(shù)據(jù)的方差。 圖 2中， R為輸入量的個數(shù)， a=f(W*P+b), w為權(quán)向量， P為輸入向量， b為網(wǎng)絡(luò)偏移量。39。1,1,1]。 F=KJ。 K=fft2(I)。可以肯定的是不同的模版其效果不同，對特定的圖像要使用特定的模版。其次，是進(jìn)行特征點(diǎn)匹配時(shí)采用的鄰域窗口為矩形，當(dāng)需要配準(zhǔn)的兩幅圖像存在較大角度的旋轉(zhuǎn)和較大尺度的縮放時(shí)，特征點(diǎn)鄰域窗口的特征將產(chǎn)生較大的改變，因此對于圖像的旋轉(zhuǎn)和縮放就會比較敏感。 匹配效果如表 表 數(shù)字 匹配次數(shù) 失敗次數(shù) 成功率 1 300 79 65% 2 300 68 71% 3 300 56 72% 4 300 68 71% 5 300 50 80% 6 300 60 75% 7 300 45 83% 8 300 80 64% 9 300 79 65% 0 300 76 64% 第三章 改進(jìn)匹配算 模板修改 通過改變之前的模糊數(shù)字模板操作，將其統(tǒng)一轉(zhuǎn)化為只有一個像素點(diǎn)的數(shù)字模板也就是對所有的模糊數(shù)字模板進(jìn)行細(xì)化操作 得到只有一個像素點(diǎn)構(gòu)成的細(xì)化模板 。 提取筆劃特征的算法如下： 1）按從上到下，從左到右的順序掃描預(yù)處理后圖像并選擇黑像素點(diǎn) P； 2）計(jì) 算像素 P 的 8——— 領(lǐng)域之和 N； 3）若 N＝ 1，則像素 P 為端點(diǎn)，端點(diǎn)計(jì)數(shù)器加 1； 4）重復(fù)步驟（ 1）－（ 3），直到遍歷整個圖像。第二類是迭代算法，即重復(fù)刪除圖像邊緣滿足一定條件的像素，最終得到單像素寬帶骨架。 圖三 圖四 表三 數(shù)字 編號 1 編號 2 編號 3 標(biāo)號 4 標(biāo)號 5 編號 6 1 1 1 1 0 0 0 2 1 1 1 3 3 3 3 1 1 1 3 4 4 4 2 2 2 2 2 2 5 1 1 1 3 3 3 6 1 2 2 3 3 3 7 1 1 1 1 3 2 8 2 2 2 3 3 3 9 2 2 1 3 3 3 10 2 2 2 2 2 2 通過與模板庫存放的模板數(shù)據(jù)即‘表三’ 比較， DATA 數(shù)據(jù)跟數(shù)字 6 的最為匹配，可得所識別的字符為 6。 2《幾種基于模板匹配法的數(shù)字圖像識別分析》 吳小艷，王維慶 楊春祥 王小龍 新疆大學(xué)電氣工程學(xué)院。 16 《 Recognition of Number and Position using Image Processing Techiques for Solving dudoku Puzzles》 Pramod J Simha, Suraj K v, and Tejas Ahobala Electronics and Communications Department, VTUBNM Institute of Technology, Bangalore, India 畢業(yè)設(shè)計(jì)（論文）原創(chuàng)性聲明和使用授權(quán)說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計(jì)（論文），是我個人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。 作者簽名： 日期： 年 月 日 學(xué)位論文版權(quán)使用授權(quán)書 本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。 9 《一種高精度的圖像匹配算法》 主兆仲 周付根 劉志芳 楊建峰 北京航天航空大學(xué)。若是沒有他們的幫助，再次衷心甘心李老師以及所有個哦我提供幫助的同學(xué)們。如果 p1=1(即黑點(diǎn) )時(shí)，下面 4 個條件同時(shí)滿足， 則刪除 p1(p1=0)：① 2≤ N(p1)≤ 6，其中 N(p1)是 p1 的非零鄰點(diǎn)的個數(shù)；② S(p1)=1，其中 S(p1)是以 p2， p3， p4，?， p9 為序時(shí)這些點(diǎn)的值從 0 到 1 變化的次數(shù)；③ p2p4p6=0 或者 S(p1)≠ 1；④ p4p6p8=0 或者 S(p1)≠ 1。 細(xì)化即將二值化的數(shù)字圖像按一定的規(guī)律縮小到成單像素點(diǎn) 構(gòu)成，但保持源圖像的結(jié)構(gòu)特征。 2）再取水平三條直線，分別取在 1 ／ 3， 1 ／ 2， 2 ／ 3 處，分別記下這三條水平直線與數(shù)字筆段的交點(diǎn)數(shù)。 2）矩形窗口的選用仍然是該類法的缺憾。而該方法只是將模板的概念應(yīng)用到了特征點(diǎn)局部的鄰域窗口，以特征點(diǎn)鄰域窗口的灰度信息值作為該特征點(diǎn)的描述符，直接進(jìn)行比較來實(shí)現(xiàn)特征點(diǎn)的匹配 ? 具體步驟： 首先對需要配準(zhǔn)的兩幅圖像 I1和 I2分別提特征點(diǎn)，分別得到兩個特征點(diǎn)集合，記作 p={p1,p2,p3......pn}和 p′ ={p1′ ,p2′ ,p3′ ...... pn′ }，以每一個特征點(diǎn)為中心，將其鄰域窗口（記作 w）的像素值作為該特征點(diǎn)的描述符，對于圖像 中的每一個特征點(diǎn) 分別計(jì)算其與圖像 I2中提取的各個特征點(diǎn)的鄰域像素值差的平方和： SSD= 取其最小者作為圖像 中與 pi 匹配的點(diǎn)。剪切之前計(jì)算好邊緣位置，邊緣位置的計(jì)算可利用投影技術(shù)獲取 。 3 利用 fft2 函數(shù)將其進(jìn)行傅里葉變換并將其直流分量移到移動頻譜中心，接著對其進(jìn)行歸一化處理得到其頻譜圖。same39。 M2=[1,1,1。 模糊數(shù)字圖像增強(qiáng) 加入噪聲 圖 待識別的數(shù)字圖像的預(yù)處理，在某些圖像邊緣不是很清晰的情況下，可以通過加入噪聲 的方法使其變得清晰化，如圖 :所示 圖像的平滑： 鄰域平均模板 加權(quán)平均模板 M1= M2= M3= M4= 圖 對有噪聲干擾而造成模糊的數(shù)字圖像可以通過領(lǐng)域平均的方法將其除去，如圖 所示 。這種“正向計(jì)算輸出一反向傳播誤差”的過程不斷重復(fù)進(jìn)行，直至誤差降至可以接受的范圍， BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程也就隨之結(jié)束。函數(shù)形式如下： =( )/( ) (24) 式中， 為數(shù)據(jù)序列中的最小數(shù)； 為序列中的最大數(shù)。 為了提高訓(xùn)練和辨識精度，只需要對頻譜圖中央?yún)^(qū)域計(jì)算幅度和。在頻譜圖中，呈 現(xiàn)出亮暗相間的平行線條紋，這些條紋的方向與運(yùn)動模糊方向垂直，而間距則與運(yùn)動模糊尺度有關(guān)系。 建立模板 本文在在建立 標(biāo)準(zhǔn)的字符模板庫時(shí)需要手動將樣本輸入，建立臨時(shí)標(biāo)準(zhǔn)的字符模板庫，然后保存，這就需要在之前已經(jīng)有模板樣本，進(jìn)行必要的樣本訓(xùn)練。噪聲種類很多，如：電噪聲、機(jī)械噪聲、信道噪聲和其他噪聲。 這個函數(shù)可以幫助我們獲得一個合適的閾值， 利用這個閾值通常比人為設(shè)定的閾值能更好地把一張灰度圖像轉(zhuǎn)換為二值圖像。 所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為 255 表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為 0，表示背景或者例外的物體區(qū)域。效果如圖：如圖 ： 圖 將圖 的圖像通過對其做傅里葉變換，得到不同數(shù)字圖像頻譜圖，如圖 ： 圖 圖 。 本論文旨在運(yùn)用模式識別理論，通過對監(jiān)控圖像進(jìn)行適當(dāng)處理和建立模糊數(shù)字字符模板，研究基于模板匹配的模糊數(shù)字識別方法，以期提高視頻監(jiān)控效果，更好地維護(hù)社會治安和人民生命財(cái)產(chǎn)安全 第二章， 節(jié)主要講述模糊數(shù)字識別模糊數(shù)字圖像收集， 節(jié)模糊數(shù)字圖像頻譜分析特點(diǎn)分析和灰度直方圖分析，了解不同模糊程度不同數(shù)字的特點(diǎn) 。 (1)模型建立 首先，需要確定用來作判斷的 指標(biāo)體系 ，也就是確定進(jìn)行模糊識別的論域 X。在傳統(tǒng)的模糊 識別基礎(chǔ)上，王穎 (20xx)運(yùn)用正態(tài)隸屬云代替?zhèn)鹘y(tǒng)模糊識別方法中精確的隸屬函數(shù)，構(gòu)建了相關(guān)正態(tài)云模型，對云理論在經(jīng)濟(jì)管理領(lǐng)域中的應(yīng)用做了初步探討，并對企業(yè)市場競爭性定位進(jìn)行識別，克服了 由于隸屬度確定的惟一性所導(dǎo)致的最終失去模糊性的理 論缺陷，從而使獲得的判識結(jié)論更加合理且貼近實(shí)際。 鏡頭模糊 ： 圖像中的一些對象在焦點(diǎn)內(nèi)， 使 一些區(qū)域變模糊。所以這種方法只適合于具有平移和小角度旋轉(zhuǎn)關(guān)系的圖像配準(zhǔn)。 基于模板匹配的模糊數(shù)字識別分類 模板匹配分類 1平方差匹配法：該方法采用平方差來進(jìn)行匹配；最好的匹配值為 0；匹配越差，匹配值越大。在當(dāng)前的大多數(shù)自動調(diào)焦系統(tǒng)中，也都是通過計(jì)算圖像高頻分量的多少（列如梯度平方和和能量熵）來進(jìn)行調(diào)焦判斷。到目前為止，對于圖像的保真度已有較多的研究，但是對于圖像品質(zhì)的模糊度還缺乏成熟的算法，需要進(jìn)一步研究。假設(shè)我們有一張 100x100 的輸入圖像，有一張 10x10 的模板圖像，查找的過程是這樣的： （ 1）從輸入圖像的左上角 (0,0)開始，切割一塊 (0,0)至 (10,10)的臨時(shí)圖像； （ 2）用臨時(shí)圖像和模板圖像進(jìn)行對比，對比結(jié)果記為 c； （ 3）對比結(jié)果 c，就是結(jié)果圖像 (0,0)處的像素值； （ 4）切割輸入圖像從 (0,1)至 (10,11)的臨時(shí)圖像，對比，并記錄到結(jié)果圖像； （ 5）重復(fù)（ 1）～（ 4）步直到輸入圖像的右下角。模板匹配就是在一幅大圖像中搜尋目標(biāo) 。而亮度上的數(shù)字化即是將亮度取離散值，稱為量化。照相、遙感圖像處理等就是模擬圖像處理。多數(shù)應(yīng)用場合下，給出 了一個樣本圖像，它包含著一個特定的目標(biāo)對象，如實(shí)際物體， 符號或字符等等，需要從另一幅包含目標(biāo)實(shí)際背景圖像中尋找這個目標(biāo)對象的 位置，進(jìn)行定位，也就是判斷這幅背景圖像或它的一部分是不是我們所要尋我的 目標(biāo)，這時(shí)就需要用到圖像匹配技術(shù)。周圍環(huán)境中的物體在光線刺激作用下，在人眼的視網(wǎng)膜上形成圖像， 由感光細(xì)胞轉(zhuǎn)換成神經(jīng)脈沖信號，經(jīng)神經(jīng)纖維傳入大腦皮層進(jìn)行處理、 理解。首先，將不同模糊程度的車牌數(shù)字存儲在電腦中備用，然后將待識別的模糊車牌數(shù)字進(jìn)行灰度化、二值化，接著將歸一化后的數(shù)字與電腦中的模糊數(shù)字進(jìn)行匹配。 3．主要參考文獻(xiàn) [1] 章毓晉 .圖像工程（上冊）圖像處理（第 2 版） .清華大學(xué)出版社，北京， 20xx [