【文章內(nèi)容簡介】 u 提出來, 并獲得不斷發(fā)展和廣泛的應(yīng)用。Hu矩不變量提出以后, 已經(jīng)被應(yīng)用于圖像、字符識別以及工業(yè)質(zhì)量檢測等許多領(lǐng)域。但是, Hu矩不變量是基于區(qū)域的, 而且與圖像的灰度值密切相關(guān), 計(jì)算量大。Hu不變矩應(yīng)用較為廣泛，其理論較為復(fù)雜，論文對其進(jìn)行了簡單的分析。設(shè)f ( x, y )是一幅數(shù)字圖像, 其( p + q )階矩定義為 （32）其中p，q的取值范圍為（0,1,2，…）。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。4 算法的設(shè)計(jì)論文主要工作是對路標(biāo)圖像的識別以及仿射不變性的提取。在傳統(tǒng)的算法中，在對路標(biāo)的提取中，往往做不到準(zhǔn)確，論文以一種新的算法為基礎(chǔ)，設(shè)計(jì)設(shè)別幾何變換下的路標(biāo)。 傳統(tǒng)仿射算法在傳統(tǒng)的路標(biāo)設(shè)別算法中，大部分都是用中心法識別。因?yàn)槟繕?biāo)區(qū)域具有很強(qiáng)的方向性。對圖像從左至右進(jìn)行掃描，記錄每一列目標(biāo)區(qū)域點(diǎn)的數(shù)目，目標(biāo)區(qū)域點(diǎn)的數(shù)目最多的一列作為基準(zhǔn)，計(jì)算基準(zhǔn)兩邊目標(biāo)區(qū)域點(diǎn)的數(shù)目，當(dāng)左邊點(diǎn)的數(shù)目遠(yuǎn)遠(yuǎn)大于右邊的時候，表示箭頭朝左邊；反之，箭頭朝右。 下面以一組路標(biāo)為例進(jìn)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(diǎn)的數(shù)目為170，右邊的黑色像素點(diǎn)的數(shù)目為355，355170，可以推斷出右邊肯定有一個箭頭。同理，也可以知道上方有一個箭頭。通過箭頭判斷，就可以知道該圖片是禁止右前。識別結(jié)果如圖42所示：圖42 識別結(jié)果但是在該方法識別路面路標(biāo)時，所得的結(jié)果會很不準(zhǔn)確，因?yàn)樵诼访媛窐?biāo)識別時，會出現(xiàn)幾何變換問題，入拉伸，收縮，旋轉(zhuǎn)等。得不到想要的結(jié)果。 精簡算法的實(shí)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(jìn)行判斷。下面我們一一來進(jìn)行介紹。 八向識別法在做路標(biāo)的基本處理時，發(fā)現(xiàn)路標(biāo)圖像，特別是二值化圖像時。圖像具有一個共性，那就是在指示方向性時，箭頭的標(biāo)示會特別明顯，而且是一個極其穩(wěn)定的局部區(qū)域，而且，僅僅在路邊識別時，會發(fā)現(xiàn)，如果在路標(biāo)區(qū)域內(nèi)，正分八個方向，如圖43所示，那么，根據(jù)提取到的有效的特征點(diǎn)，就可以判斷出路邊的類型。圖43路標(biāo)二值化和特征標(biāo)記由圖37可以看出，將路標(biāo)圖像分為八個方向判斷，找出路標(biāo)的中心，然后豎直方向可以看出上下有特征點(diǎn)，特別是正上方，有一個明顯的局部穩(wěn)定區(qū)域，可以檢測到箭頭的位置，同樣，在水平方向，也是如此，在另外兩個方向，是為了判斷是否有禁止符號，如有禁止符號，能顯示的特征值為1，即為禁止方向通行，沒有，則顯示該方向可以行使。 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。但能否利用鏈碼來識別路標(biāo)我們需要考慮一下幾個方面，區(qū)域周長、區(qū)域面積跟圖形的大小、邊界鏈碼的光滑程度直接相關(guān)，不能用于識別。體態(tài)比有跟圖像被拍攝的角度關(guān)系很大，因此唯一可能可行的是利用其密集度。如表41所示，可以直觀的看出其特征及其結(jié)果序號路標(biāo)密集區(qū)1，2，表41 鏈碼識別結(jié)果從上述表格可以看出，四個標(biāo)準(zhǔn)的圖片的密集度一次增加，，，初看好像有能區(qū)分的可能，但是從第一、二組圖片可以看出，實(shí)際采樣路標(biāo)的密集區(qū)比標(biāo)準(zhǔn)路標(biāo)的密集度相差甚大，沒法僅僅利用密度比來加以區(qū)分。究其原因，實(shí)際的圖片在拍攝過程當(dāng)中，因?yàn)榕臄z距離、光線、相機(jī)本身等產(chǎn)生干擾，導(dǎo)致圖片失真，在預(yù)處理階段，又導(dǎo)致圖片像素錯分，使得實(shí)際的路標(biāo)的密集度遠(yuǎn)離標(biāo)準(zhǔn)路標(biāo)的密集度。 Hu矩識別不變矩的方法是一種比較經(jīng)典的特征提取方法，1962年，Hu發(fā)表了他一篇關(guān)于應(yīng)用圖像2D矩進(jìn)行模式識別的論文，在該論文中，Hu首先提出了代數(shù)不變矩的概念，并給出了一組基于通用矩組合的代數(shù)矩陣不變量，這些矩具有平移、旋轉(zhuǎn)、和尺度不變性，被稱為Hu不變矩，已被成功應(yīng)用于很多領(lǐng)域。 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。在對Hu的計(jì)算中，論文以限速40的四幅圖像、禁止左前轉(zhuǎn)5幅圖像、禁止右前轉(zhuǎn)5幅圖像的Hu矩進(jìn)行計(jì)算分析。其分析圖像如表4444所示：平均值表42 限速40Hu矩統(tǒng)計(jì) 平均值 表43禁止左前轉(zhuǎn)Hu矩統(tǒng)計(jì) 平均值表44禁止右前轉(zhuǎn)Hu矩統(tǒng)計(jì)分析表格可以發(fā)現(xiàn)，同一類路標(biāo)的Hu距有區(qū)別，但差別較小，不同類的路標(biāo)之間的Hu矩差別很大，利用這些Hu距就可以很好地區(qū)分不同的路標(biāo)。每個圖像涉及到4個Hu距，直接求取帶識別的路標(biāo)到數(shù)據(jù)庫中各類路標(biāo)的歐式距離，會因?yàn)槊總€Hu距的絕對大小的差異導(dǎo)致權(quán)重失衡。因此引入相對誤差的概念，求取帶識別的路標(biāo)Hu距的誤差百分比到數(shù)據(jù)庫中各類路標(biāo)的距離，距離越小，表明與給類的特征更加相似。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。八向識別法需要尋找‘中心點(diǎn)’，再統(tǒng)計(jì)‘點(diǎn)’八個方向的像素個數(shù)，比較像素的多少，再判斷箭頭的方向。Hu距需要計(jì)算幾何中心，需要計(jì)算中心距，再歸一化，最后計(jì)算Hu距，計(jì)算比較復(fù)雜，計(jì)算量較大，難以實(shí)現(xiàn)實(shí)時路標(biāo)識別。上面我們分析過，只是做路標(biāo)的簡單識別，沒有做到在路標(biāo)經(jīng)過幾何變換后的識別，如果路標(biāo)經(jīng)過旋轉(zhuǎn)、平移、斜視、等比例放大縮小、拉伸、加噪之后，是否能夠識別呢？論文加入了一些算法，因?yàn)樵谶@些幾何變換中，最難做出識別的便是旋轉(zhuǎn)，平移，斜視等等，可以通過校正的方法很簡單的就可以還原，而拉伸放大縮小在上述算法中沒有影響，對旋轉(zhuǎn)的處理，因?yàn)橛?jì)算機(jī)的判斷只是以所能讀到我圖像為準(zhǔn)，那么在導(dǎo)入一個圖像之后，論文加入了一個循環(huán)。當(dāng)導(dǎo)入的圖像利用三種匹配方法都沒有得到匹配值時，因論文在沒有得到匹配值時顯示為禁止通行，此時我們對圖像進(jìn)行旋轉(zhuǎn)，因?yàn)橐恢苁?60度，那么每次旋轉(zhuǎn)的角度為10度，做36次旋轉(zhuǎn)，在這 36次旋轉(zhuǎn)中，如果有一種旋轉(zhuǎn)，在匹配中，得到匹配值，那么，就說明此路標(biāo)以被識別，循環(huán)結(jié)束，得出結(jié)果。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。實(shí)驗(yàn)處理結(jié)果如圖445所示：圖44 左旋90度圖45 右旋90度上述兩幅圖形是對禁止左前的路標(biāo)識別，因?yàn)樵谧R別路標(biāo)時，在對禁止通行的路標(biāo)識別往往出現(xiàn)錯誤，那么對禁止的識別在附錄1中，同時包括禁止左前的180度旋轉(zhuǎn)識別。5 識別結(jié)果分析在論文中，提到了對于路標(biāo)的仿射不變性特征提取，主要分析對象便是路標(biāo)圖像的幾何變換，幾何變換包括旋轉(zhuǎn)、平移、拉伸、收縮等。同時，路標(biāo)識別對于加噪以后的處理以及缺損路標(biāo)的處理。 幾何變換識別在前面我們分析了旋轉(zhuǎn)的識別，平移的識別相對簡單，那么主要是對于拉伸的識別，在對斜視以及復(fù)雜背景的識別中，用GUI界面進(jìn)行分析和識別，在圖中，導(dǎo)入六個圖像，然后依次進(jìn)行分析處理，其處理的算法是：對六個路標(biāo)上下位置不一致，那么分四個方向，UP、DOWN、LEFT、RIGHT進(jìn)行分析，首先UP+1檢測最上面的點(diǎn)，如果檢測到，那么該圖標(biāo)放在第一位，然后再依次檢測，這樣將六個路標(biāo)按上下位置進(jìn)行了一個排序，下面就是所識別的結(jié)果。結(jié)果如圖51所示。 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(jìn)行匹配，得到匹配的結(jié)果。在拉伸的幾何變換中，可以看出，拉伸圖像發(fā)生形變，但是對于八向法識別，基本沒有影響，如圖52所示：圖52 拉伸識別 加噪及缺損識別論文在對加噪及缺損的路標(biāo)圖像識別方面，如果在加噪或者缺損不是很嚴(yán)重的情況下，通過修補(bǔ)以及算法的確認(rèn)，基本可以實(shí)現(xiàn)路標(biāo)的識別。在路標(biāo)的識別中。加入霧化之后，相當(dāng)于加噪以及缺損，其測試結(jié)果如圖53所示：圖53 加噪后顯示結(jié)果如果在圖像的背景中，加入一些噪，那么可以看出，在分割和識別還原中，有部分的圖像，還原不到原來的狀態(tài)，但是，通過算法我調(diào)整，可以識別出改路標(biāo)圖像的結(jié)果。對于單個的路標(biāo)圖像來說，加噪之后的識別效果更加明顯，對路標(biāo)圖像加白光照射，拍照之后，導(dǎo)入進(jìn)行分析，如圖54所示：圖54 單個路標(biāo)加噪識別由圖可以知道，在對白光的加噪處理時，算法識別較為準(zhǔn)確，并且，有一點(diǎn)的拉伸收縮的情況下，無影響。總的來說，在經(jīng)過對幾何變換和加噪的處理驗(yàn)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。6 總結(jié)與展望論文主要針對路標(biāo)圖像的幾何變換，對路標(biāo)的識別、旋轉(zhuǎn)、平移、斜視、縮放等做了準(zhǔn)確的闡述。從分析現(xiàn)在有的仿射不變性的技術(shù)上，提出自己我算法，并對現(xiàn)有的算法進(jìn)行優(yōu)化。并在特征點(diǎn)提取和目標(biāo)匹配等方面做出了大量的工作和研究。取得的結(jié)果如下：分析了現(xiàn)有的路標(biāo)識別技術(shù)，并做了實(shí)驗(yàn)對其進(jìn)行驗(yàn)證?，F(xiàn)有的路標(biāo)識別技術(shù)大多是基于像素的識別，因?yàn)槁窐?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(diǎn)，從而可以進(jìn)行特征點(diǎn)提取，做出正確的匹配。但是傳統(tǒng)的路標(biāo)識別技術(shù)在對仿射變換下的路標(biāo)圖像得不到想要的結(jié)果。論文在采用傳統(tǒng)算法的基礎(chǔ)上，加入了一些自己的小算法，比如八方向路標(biāo)識別算法和自旋轉(zhuǎn)匹配算法。利用這些算法，可以對幾何變換下的路標(biāo)圖像進(jìn)行準(zhǔn)確的識別和匹配，但是，在工作量上大大的增加，因?yàn)镸ATLAB處理數(shù)據(jù)的局限性。加入的旋轉(zhuǎn)匹配算法，執(zhí)行時往往出現(xiàn)死機(jī)現(xiàn)象，有待解決。論文對加噪和缺損的路標(biāo)圖像識別有一定的提高，同時對拉伸、等比例擴(kuò)大縮小等變化識別性能更好。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。從本文的研究方向看，還可以在以下的方面做更加深入的研究：從匹配算法上，現(xiàn)有的匹配算法，有的算法工作量小，但是準(zhǔn)確率低，有的工作量較大，可以在匹配算法上做更深入的研究。在路標(biāo)識別的方向上看，因?yàn)檎撐乃R別的路標(biāo)圖像大部分都是貼示路標(biāo)，可以在研究中著重在地面路標(biāo)上做工作。因?yàn)樵谌粘Ｉ钪?。貼示路標(biāo)人眼準(zhǔn)確識別的可能性相對較大。而在路面上的指示路標(biāo)，則不怎么注意。并且，由于光線、角度等問題，要想做到準(zhǔn)確的識別，所做的工作要更多，同時，仿射不變性的特征提取技術(shù)涉及的也就越多。對缺損路標(biāo)的識別技術(shù)，在對缺損嚴(yán)重的圖像的識別上，現(xiàn)有的技術(shù)做的準(zhǔn)確性略低。同時，路標(biāo)的識別一般是以RG為基礎(chǔ)進(jìn)行識別的，以紅色為基礎(chǔ)，可以在缺損圖像的識別上，或者在加噪較為嚴(yán)重的圖像識別，仿射不變的圖像中做充足的工作。這樣對仿射不變理論會有一定的貢獻(xiàn)。最后，在本科四年的學(xué)習(xí)中，因?yàn)闀r間等因素的影響，對這些方面的研究有心而力不足。希望關(guān)于仿射不變性的研究越來越好。致謝本文的研究工作是在魏怡教授的悉心指導(dǎo)下完成的，深深地感謝導(dǎo)師為我付出的巨大心血。魏怡教授嚴(yán)謹(jǐn)踏實(shí)的治學(xué)態(tài)度，勤奮求實(shí)的工作精神，平易近人的品德深深地感染著我，使我受益良多，終生難忘，感謝在這半年的時間里熱情的關(guān)懷和嚴(yán)格、耐心的指導(dǎo)，不僅在學(xué)業(yè)上幫助了我，對我今后的人生也產(chǎn)生了積極而深刻的啟迪和影響。感謝我未來的研究生導(dǎo)師熊和金教授，在做畢設(shè)的這一段時間里，正是他辛勤的指導(dǎo)，才讓我順利的完成了我的畢設(shè)。感謝所有關(guān)心我的同學(xué)和朋友，從他們身上得到的無私幫助和學(xué)習(xí)到的寶貴經(jīng)驗(yàn)使我受益非淺。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。參考文獻(xiàn)[1] 呂玉增, 彭啟民, 黎湘. 基于極值特征的不變性形狀識別. 電子學(xué)報, 2008, 36(4): 9297.(EI: 082411312834)[2] 張桂梅. : 西北工業(yè)大學(xué)博士學(xué)位論文, 2006.[3] 彭琨, 張彩明, 郭鳳華. 仿射不變參數(shù)化[ J] . 計(jì)算機(jī)工程與設(shè)計(jì), 2005, 26( 7) : 1 6921 694.[4] 梅向明, 劉增賢. 高等幾何學(xué)習(xí)指導(dǎo)與習(xí)題選解[M] . 北京: 高等教育出版社, 2003.[5] 張艷芳，李晉宏，曹丹陽，魏金強(qiáng)．基于cF一樹的kmeans聚類算法的改進(jìn)．軟件導(dǎo)刊，2005，15(5)：42—45．[6] 毛韶陽，林肯立．優(yōu)化kmeans初始聚類中心研究．計(jì)算機(jī)工程與應(yīng)用，2007，43(22)：179181．附錄：附錄1：禁止駛?cè)霂缀巫儞Q圖像：圖1 缺損加噪識別禁止駛?cè)胄D(zhuǎn)圖像：