论文部分内容阅读
特征的提取问题是图像处理与模式识别中最基本也是最重要的问题之一,其应用领域非常广泛.图像的不变性特征提取,图像的边缘特征检测,地形图纸矢量化处理中基于特征的地形要素的识别与清理,流化床锅炉中气泡相的统计特征提取是本文研究的主要内容.极坐标变换、Radon变换、Walsh变换、Fourier变换、小波分析等是本文主要的研究工具.本文的主要工作包括:针对模式识别中的特征提取问题,给出了两种不变性特征提取方法.第一种方法是在极坐标变换下,结合Fourier变换与Walsh变换来提取模式的特征量,给出了具有旋转不变性的Walsh-Fourier不变矩,并进一步解决了尺度与平移不变性问题;第二种方法是在线性Radon变换下,利用Fourier变换提取模式的特征量,给出了具有平移与旋转不变性的Radon-Fourier不变量,并进一步给出了尺度不变性问题的解决方法.实验结果显示,这两类不变性特征量都具有很强的特征刻画能力,均能获得较高的目标识别率,特别是在抗噪性能上,它们都明显地优于经典的Hu不变矩与Zernike不变矩.针对图像的边缘特征检测问题,提出了两类边缘检测算法.第一类算法是基于局部径向投影曲线的边缘检测算法.首先,构造了一类与局部径向投影曲线相对应的环算子,并利用循环卷积实现阶跃型边缘的检测;其次,提出一种利用局部径向投影曲线的Fourier变换系数检测边缘的方法,即分别利用一阶与二阶谐波分量系数检测阶跃型边缘与屋脊型边缘,并且可由直流分量系数判断屋脊型边缘的类型.实验结果显示,所给出的阶跃型边缘检测算法优于经典的Soble算子以及LoG算子,与最优Canny算子基本相当;所给出的屋脊型边缘检测算法则明显地优于一阶差分过零点检测算法与主曲率检测算法.第二类算法是基于局部伪线性Radon变换的边缘检测算法.该算法首先是对当前列的相邻几列进行伪线性Radon变换,得到变换矩阵;再沿变换矩阵的每一列求差分;最后由差分值的大小检测出当前列上的所有阶跃边缘点.实验结果显示,该算法优于经典的Soble算子以及LoG算子,在边缘的精细程度上要好于Canny算子.针对地形扫描图的矢量化问题,进行了两项预处理工作的研究.第一项工作是研究了高程值的识别问题.首先通过提取连通分量分离高程值标记,然后采用了两种方法识别高程值.其一是以字符的环投影曲线的多尺度分形维数作为特征来识别数字字符;其二是利用最小覆盖圆以及线性拟合等手段得到数字字符的旋转角度,并采用模板匹配方法识别这些数字字符.实验结果显示,上述方法能有效的分割与识别高程值.第二项工作是研究了非等高线要素的识别与清除问题.首先将各种非等高线要素进行了分类;然后针对不同的类型提出了不同的识别与清除方法.具体包括:利用连通分量的提取清除独立要素;利用局部直角坐标投影清除块状要素;利用局部极坐标投影清除圆圈要素与非等高线线状要素.实验结果显示,这些方法能够有效的清除大部分非等高线要素.这两项工作为等高线矢量化处理提供了极大的方便.针对流化床锅炉中的气泡分布问题,提出了一种气泡统计特征的提取方法.首先,根据流化床锅炉内气泡相与密相浓度信号的幅值以及频谱特性的差异,采用小波分析方法确定两相信号交替出现的时刻,并提取出其中的气泡相浓度信号;其次,应用局部互相关方法求取流化床内气泡运动参数,并给出了气泡运动参数的统计规律.实验结果表明,气泡的尺寸与运动速度均服从对数正态分布规律.该项研究为流化床锅炉的放大设计与自动控制提供了有力的帮助.