【正文】 load(39。[a,b]=size(Pic_pattern_new)。str=39。 end endend % Pic_pattern3_num/(a*b)if Pic_pattern3_num/(a*b)||Pic_pattern2_num/(a*b)||Pic_pattern3_num/(a*b) set(,39。 set(,39。則是禁止通行 for j=1:b if Pic_pattern_new(i,j)==1。199。BackgroundColor39。 isequal(get(hObject,39。 imshow(Pic_pattern_3)。global Pic_6。axes()。Pic_3=0。 imshow(uint8(R_G_binary_RGB))。str = [pname fname]。188。, [])。,39。而在路面上的指示路標(biāo)，則不怎么注意?？偟膩碚f，在經(jīng)過對幾何變換和加噪的處理驗證之后，可以發(fā)現(xiàn)，這個算法的準(zhǔn)確性比較高，可以識別一般算法難以識別的圖像。通過上述三種方法，我們可以發(fā)現(xiàn)預(yù)處理是八向識別法和Hu矩識別法的前提和基礎(chǔ)，只有經(jīng)過合理的預(yù)處理，得到路標(biāo)特征，方便后續(xù)操作。 精簡算法的實現(xiàn)在對路標(biāo)圖像的，方法有很多種，論文采用的是精簡算法，論文采用三種方法來識別路標(biāo)的標(biāo)志，三種方法分別為八向識別法、鏈碼識別、Hu矩識別采用Hu矩識別是判斷清晰的，穩(wěn)定的圖像，鏈碼識別也是如此，而八向識別法則是對加噪或者缺失的圖像進行判斷。常用的基于區(qū)域的矩不變理論最早由Hu 提出來, 并獲得不斷發(fā)展和廣泛的應(yīng)用。圖33 一次迭代經(jīng)過反復(fù)迭代后，最后的最佳聚類結(jié)果如圖34所示。輸出：k個聚類。 均值濾波對高斯噪聲，乘性噪聲的抑制是比較好的，但對椒鹽噪聲的抑制作用不好，椒鹽噪聲仍然存在，只不過被削弱了而已。經(jīng)過比較和驗證，如果以路標(biāo)圖像為驗證對象，局部仿射不變性提取方法，會更加簡單、實用，效果也更加明顯。為了形成區(qū)域, 需要提取不少于3個的質(zhì)心, 為此我們引入擴展質(zhì)心的概念, 并對擴展質(zhì)心給出了更一般性的定義?！? 用VC++進行處理Microsoft Visual C++，（簡稱Visual C++、MSVC、VC++或VC）微軟公司的C++開發(fā)工具，具有集成開發(fā)環(huán)境，可提供編輯C語言，C++以及C++/CLI等編程語言。使之更利于非計算機專業(yè)的科技人員使用。本文采用的主要是首先對采集到的圖像進行濾波、去噪等預(yù)處理，從而可以得到其先對單一、容易讓計算機識別的圖像。在對圖像進行分割時。Hu于1962年提出Hu矩特征 J，此后矩特征被廣泛應(yīng)用，Yang利用仿射幾何特性構(gòu)造了一種交叉加權(quán)矩(Cross—WeightedMoment)并證明了其對仿射變換具有不變性 ，Esa Rahtu將概率模型引入圖像不變特征構(gòu)造，提出了多尺度自卷積(Multi—Scale Autoconvolution，MSA) 變換方法，利用MSA提取的不變特征具有良好的抗噪聲能力和仿射不變性。仿射不變性；聚類；特征提??；仿射變換；幾何變換ABSTRACTWith image recognition in all areas of society widely used, image recognition technology also has bee a puter vision and image registration in the field of one of the main research direction. The paper from different angles on image recognition, matching. The main research the affine invariant image recognition technology in areas of application.Affine transformation is a kind of important linear geometry transform, many imaging process and its change can model into affine transformation, such as image in the image plane of translation or rotating can model of translation into coordinate system or rotating, imaging range change can model of different coordinate system to ask transformation. If a graphics has some kind of nature or a certain amount, in parallel projective, if the same, says the nature of affine invariant properties, this volume called affine invariant. After affine corresponding to them is constant. Sex, bining with the element is affine invariant properties (that is, the affine total points corresponding to the line into the line, the total points of the dot into line with the line points). A parallelogram in affine under the corresponding like or a parallelogram.This thesis used the Kmeans, with color ponent (or geometric characters) as coordinates parameter, scene graph clustering. And then after segmentation. Through the clustering characteristics after the extraction point, to match, so as to achieve the affine invariant proof of the problem. For geometry transform road signs image analysis is more accurate, in extracting and matching, with three method are demonstrated.Keywords: Kmeans：Affine invariant。主要研究了仿射不變性在圖像識別技術(shù)領(lǐng)域的應(yīng)用。在數(shù)字圖像處理高度發(fā)展的今天可以看出，圖像在人類感知中扮演最重要的角色。1 論文工作及章節(jié)安排 論文的主要工作論文主要的工作是實現(xiàn)對路標(biāo)的識別，仿射不變性的證明，識別不同的路標(biāo)以及相同路標(biāo)的變換后的仿射不變性，圍繞如何有效的提取路標(biāo)圖像的特征點并加以匹配。第四章主要如何進行仿射不變性的特征提取。其系統(tǒng)框圖如圖21所示：圖21 放射不變系統(tǒng)框圖 特征提取的方案選擇隨著現(xiàn)在數(shù)據(jù)處理工具、方法逐漸的完善，對特征提取的方案選擇性也越來越強。在通常情況下，可以用它來代替底層編程語言，如C和C++ 。比如，它允許用戶進行遠程調(diào)試，單步執(zhí)行等。但是需要注意的是, 得到的質(zhì)心有可能出現(xiàn)重疊, 特別是當(dāng)區(qū)域的結(jié)構(gòu)和灰度值近似成對稱情況時。那么，也就意味著要對圖像進行預(yù)處理。這是研究灰度變換的最特殊的方法，稱為圖像的二值化（BINARIZATION）。(5)輸出聚類結(jié)果。所謂的相似性是指在某個區(qū)域內(nèi)像素具有某種相似的特性；所謂跳變性，是指特性的不連續(xù)。其（p+q）階中心矩定義為： （33）1962年, Hu將代數(shù)不變量理論應(yīng)用于上述尺度規(guī)范化矩, 構(gòu)造出如下7 個著名的Hu矩不變量：， （34） ， （35）， （36）， （37）…這些Hu不變矩具有旋轉(zhuǎn)、平移和尺度不變性。 鏈碼識別利用邊界鏈碼串可以得到目標(biāo)區(qū)域幾個重要的幾何形狀特征，例如，區(qū)域周長、形狀參數(shù)、體態(tài)比等。如果在36次旋轉(zhuǎn)結(jié)束仍沒有得到匹配值，那么結(jié)果顯示為禁止通行?，F(xiàn)有的路標(biāo)識別技術(shù)大多是基于像素的識別，因為路標(biāo)的不對稱性以及其箭頭的特殊性，可以得出其像素的特征點，從而可以進行特征點提取，做出正確的匹配。最后，在本科四年的學(xué)習(xí)中，因為時間等因素的影響，對這些方面的研究有心而力不足。gui_Name39。else gui_mainf(gui_State, varargin{:})。global left。axes()。global left。 %通過左右上下界，復(fù)現(xiàn)路標(biāo) R_G_binary_cut_1=0。imshow(Pic_4)。global Pic_pattern_new_5。 axes()。BackgroundColor39。,39。 Pic_pattern3_num=Pic_pattern3_num+1。% global Pic_pattern_new。pause()。else [Pic_pattern_num]=Pic_pattern_match_3(Pic_pattern_new)。199。 Pic_pattern1_num=Pic_pattern1_num+1。string39。string39。39。string39。 Pic_pattern1_num=Pic_pattern1_num+1。199。else [Pic_pattern_num]=Pic_pattern_match_3(Pic_pattern_new)。[a,b]=size(Pic_pattern_new)。str=39。) returns contents of edit2 as text% str2double(get(hObject,39。String39。 end if i==2 [Pic_pattern_new_2,Pic_pattern_2]=Pic_L_fenxi(Pic_2)。global Pic_1。 end if k==4 Pic_4=uint8(R_G_binary_cut_1)。global Pic_4。string39。39。 % Executes on button press in pushbutton1.function pushbutton1_Callback(hObject, eventdata, handles)% hObject handle to pushbutton1 (see GCBO)% eventdata reserved to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)%% 180。gui_OutputF39。感謝我的家人，感謝他們多年來對我的關(guān)心，當(dāng)我遇到困難時對我的支持和鼓勵，我所取得的成績與他們是分不開的。對于加噪之后的圖像，通過自定義的濾波和準(zhǔn)確的識別匹配算法，可以做到準(zhǔn)確的匹配。 圖51 復(fù)雜背景的識別從圖中我們可以看出，在掃描圖像時，首先將路標(biāo)區(qū)域分割出來，然后對其二值化，通過二值化圖像，將六個路標(biāo)圖像一次分割出來，排序，將二值化圖還原為三色圖，聚類法分為三類，最后，用八向匹配和以及加入旋轉(zhuǎn)匹配來進行匹配，得到匹配的結(jié)果。 p+q階普通矩的定義： （41）p+q階中心矩的定義： （42）歸一化中心距： (42)Hu的二階和三階中心距構(gòu)造的七個不變矩。 下面以一組路標(biāo)為例進行識別，如圖41所示：圖41 路標(biāo)原理圖通過上述圖像我們可以更加直觀地體現(xiàn)中心法識別的思想，從左邊往右掃秒得到中心軸，并用紅線標(biāo)記，從上圖可以看出，中心軸左邊的黑色像素點的數(shù)目為170，右邊的黑色像素點的數(shù)目為355，355170，可以推斷出右邊肯定有一個箭頭。Kmeans算法在圖像分割的應(yīng)用，主要是在灰度的基礎(chǔ)上，通過聚類分析，提取出想要處理的圖像部分。公式（31）所示聚類標(biāo)準(zhǔn)旨在使所獲得的k個聚類具有以下特點：各聚類本事盡可能的緊湊，從而各聚類間盡可能的分開。為了彌補這個缺陷，出現(xiàn)了局部二值化方法。對高斯噪聲具有良好的去噪能力。選擇四邊形的4個頂點中, 有兩個是把整個區(qū)域分割成兩部分的質(zhì)心, 兩個是兩分割區(qū)域的質(zhì)心, 這樣可以避