论文部分内容阅读
随着信息技术的发展,图像模式识别在工农业生产、医疗、交通等领域中的应用越来越广泛,成为各智能自主系统中的重要部分。图像模式识别系统能够模拟人类完成特定任务,它利用成像系统代替视觉器官作为输入,由计算机来代替大脑完成处理和解释。
本文提出了基于对象表达的图像模式识别框架。该框架由对象表达系统,对象辨识系统,对象解释系统,知识系统等模块组成,并融合了图像模式识别的一般过程,加入了知识系统,抽象出了对象表达的概念,以指导具体的图像模式识别过程。本框架利用知识系统的指导,提取出图像中感兴趣的元素,并利用知识系统中知识的表达方法将图像元素转化为对象,再对对象进行划分,最后利用已有的知识,对划分后的对象反映射到图像域进行解释。
在基于对象表达的图像识别框架的指导下,实现了水果目标定位和水果分级以及缺陷检测。在水果目标定位和分级检测中,利用知识系统的指导,控制摄像机的摆放方式获取原始图像,以准确的提取水果图像中的图像元素,并将图像元素表达为对象,经过知识系统对对象的多次迭代的学习,利用所得到的参数就可以对对象进行准确的划分,然后将划分后的结果映射到原图像,以完成对水果的等级划分与缺陷检测,同时,也证明了框架的有效性与实用性。
在基于对象表达的图像识别框架的指导下,针对水果的特殊性,提出了基于生成树的图像细化算法、基于VH坐标系的彩色图像分割算法,以及内径圆模板分割法。生成树的图像细化算法,能够对二值图像完全细化;基于VH坐标系的彩色图像分割算法,是通过统计试验,找出生物表面对彩色特征敏感的彩色变换域分量,对水果前景进行快速分割的方法;内径圆模板分割法是针对类圆形水果的快速分割方法。在水果表面缺陷检测中,提出特征表达方式:“数量一程度”空间,以及数量与程度两个分量的获取、变换表达等环节,它是准确描述水果的表面缺陷的大小与程度的模型。提出了广义贝叶斯网理论,对其进行了严格的定义,并定义了广义贝叶斯网的知识存储与演化的基本运算。当广义贝叶斯网的每个结点都是元知识结点时,广义贝叶斯网就退化为贝叶斯网,所以贝叶斯网是广义贝叶斯网的特殊情况。利用广义贝叶斯网构造的知识系统,能够达到知识存储和知识演化的目的。