论文部分内容阅读
摘 要:随着我国科学技术的不断发展,我國的计算机视觉技术以及数字图像技术也得到了快速的发展,基于视觉传感器的目标识别技术在很多领域和行业都得到了广泛的应用,将其应用到智能交通系统、自动监控系统等方面,可以实现对交通运输以及区域的自动监控。本文围绕基于模糊理论的视觉识别和分析技术进行探讨。
关键词:模糊理论;视觉识别技术;分析技术
0 引言
在视觉识别和分析技术中,彩色图形分割是一个重点内容,彩色图像的分割方法传统采用S和H联合的方法分割,虽然分割结果比较精确,但是整个分割过程却非常繁琐,需要花费很多的时间和精力。而从采用基于模糊推理的彩色图像分割算法就比较简便,可以达到很好的分割效果,实现视觉识别和分析。
1 基于模糊推理的彩色图像识别技术
1.1 颜色值的模糊表达
颜色值的模糊表达就是指在颜色空间的基础上对S和H进行模糊运算。模糊表达的过程主要分为3个步骤,首先是将饱和度S和色调H模糊量化,然后建立S和H的模糊规则和隶属函数,然后推理出具体的计算方法,实现将S和H转化为对应的C过程。将其模糊化,就是将原本一个真实的已经确定的输入量转化为一个模糊的矢量。在实际的情况下,由于各种数据所处的环境是不一样的,例如不同时刻的环境温度、光的强度等因素是不一样的,采用精确的量来表示反而会产生较大的误差,而使用模糊的矢量还更为准确,其表达的信息量也更大。如果模糊化的等级总数在数量上达到了一定的值,模糊量化也能够反映出精确量的特征。在S和H的分割中,主要分割参数是H,而S是H的辅助分割参数,实际分割过程中,如果亮度不变,随着值的增大,色调H是由红转变为紫的。根据这个颜色空间的特征,再加上人的眼睛对颜色具有识别能力,结合以前的一些经验,可以将S分为4份,色度H分为8种。在模糊集合论中,就像在概率论中只能统计出一个近似的概率是一样的,其只能建立一个近似的隶属度的函数,因为人们认识事物具有一定的局限性。隶属函数的形式变化越慢,其灵敏度和分辨率就越低,系统的稳定性越好[1]。因此,一般采用梯形和三角形相结合的隶属函数。采用模糊推理的具体方法将其推算出来。
1.2 基于模糊理论的图像阈值分割
对色彩值进行模糊表达,在此基础上采用模糊推理方法对图像中的不同点的色彩值进行求解,此时利用直方图统计方法就可以将目标区域的色彩值的阈值范围求解出来,然后利用阈值分割方法就可以对图像进行分割。对一个图像进行模糊转化,然后对其C值进行统计。为了得到精确的目标区域C值,可以将目标区域单独提取出来进行恩熙,并对其进行直方图统计,这样就可以得到目标像素的C的阈值[2]。采用模糊理论的图像分割算法,可以将目标区域有效分割出来,通过模糊处理,还可以实现对其的放大和缩小。使图像分割的模糊性增加,能够有效减少图像采集过程中外界环境对其造成的影响,相对而言其准确性还更高。
1.3 图像分割之后的目标区域的识别
图像经过分割、二值化以及膨胀腐蚀,经过二值化之后,图像中不仅有目标区域,还存在着一些其他的非目标区域,会对目标区域造成一定的干扰,因此,此时需要将分割之后得到的各区域都标记下来,然后根据目标的特点和形状等进行识别,最终将目标区域找出来,还可以将其他的一些非目标的区域滤掉。在实际的操作过程中,先对图像进行分割,然后采用连通区域的搜索算法对已经分割之后的目标区域进行搜索,选定连通目标之后就可以得到结果,确定经过分割之后的图像有几个区域是满目目标的颜色特征的,然后才能进行接下来的匹配和形状特征匹配。在这个过程中,需要对目标特征进行提取,需要计算的特征包括区域面积、区域周长、圆形度、区域不变矩等进行计算,然后根据目标的特征进行匹配,最终根据目标的形状和特点进行目标识别。
2 基于模糊理论的视觉追踪技术
基于模糊理论的视觉分析技术主要是指视觉跟踪技术,采用摄像机拍摄图像,然后对图像序列进行分析,就可以计算出每一个图像中目标的位置。目标跟踪是一个动态的过程,目标图像的位置、尺寸和形状会随着摄像机的高度、位置和环境等而变化。在目标追踪中,首先要进行目标搜索和定位,目标搜索就是确定目标的具体位置,可以采用基于云台旋转的搜索算法和基于机器人旋转的搜索算法,其中基于机器人的旋转搜索算法更为常见。在实际操作过程中,对云台的水平方向角进行调整,使其的机器人的正方向的夹角和俯视角都为0,判断是否有目标,如果没有,就旋转360°对目标进行搜索,直到找到目标,找到目标之后,调整机器人的姿态,然后对准目标,输出距离信息。搜索目标之后还要确定目标的位置,通过计算得出[3]。在目标的跟踪中,可以采用基于小型轮式机器人的目标跟踪运动控制方法进行控制,其是整个跟踪系统的一个最重要的环节,也是最后一个环节。
3 结语
视觉目标识别技术和跟踪技术具有非常广泛的应用,其对具体的环境和目标具有很强的依赖性,因此在不同的环境背景下对于不同的目标应该根据实际的情况采用不同的算法。为了提升其准确性,可以充分利用模糊理论进行分析,将模糊理论应用到图像分割、目标识别和目标跟踪中,从而发挥强大的作用,对彩色图像中的目标进行识别和跟踪。
参考文献
[1]孙宇平.基于稀疏表征和自相似性的视觉数据识别关键技术及应用[D].华南理工大学,2015.
[2]王廷军.矿山搜寻机器人视觉技术及井下矿工识别理论的研究[D].中国矿业大学(北京),2011.
[3]常永鑫.基于视觉认知的目标识别技术研究[D].电子科技大学,2015.
(作者单位:广东美的制冷设备有限公司)
关键词:模糊理论;视觉识别技术;分析技术
0 引言
在视觉识别和分析技术中,彩色图形分割是一个重点内容,彩色图像的分割方法传统采用S和H联合的方法分割,虽然分割结果比较精确,但是整个分割过程却非常繁琐,需要花费很多的时间和精力。而从采用基于模糊推理的彩色图像分割算法就比较简便,可以达到很好的分割效果,实现视觉识别和分析。
1 基于模糊推理的彩色图像识别技术
1.1 颜色值的模糊表达
颜色值的模糊表达就是指在颜色空间的基础上对S和H进行模糊运算。模糊表达的过程主要分为3个步骤,首先是将饱和度S和色调H模糊量化,然后建立S和H的模糊规则和隶属函数,然后推理出具体的计算方法,实现将S和H转化为对应的C过程。将其模糊化,就是将原本一个真实的已经确定的输入量转化为一个模糊的矢量。在实际的情况下,由于各种数据所处的环境是不一样的,例如不同时刻的环境温度、光的强度等因素是不一样的,采用精确的量来表示反而会产生较大的误差,而使用模糊的矢量还更为准确,其表达的信息量也更大。如果模糊化的等级总数在数量上达到了一定的值,模糊量化也能够反映出精确量的特征。在S和H的分割中,主要分割参数是H,而S是H的辅助分割参数,实际分割过程中,如果亮度不变,随着值的增大,色调H是由红转变为紫的。根据这个颜色空间的特征,再加上人的眼睛对颜色具有识别能力,结合以前的一些经验,可以将S分为4份,色度H分为8种。在模糊集合论中,就像在概率论中只能统计出一个近似的概率是一样的,其只能建立一个近似的隶属度的函数,因为人们认识事物具有一定的局限性。隶属函数的形式变化越慢,其灵敏度和分辨率就越低,系统的稳定性越好[1]。因此,一般采用梯形和三角形相结合的隶属函数。采用模糊推理的具体方法将其推算出来。
1.2 基于模糊理论的图像阈值分割
对色彩值进行模糊表达,在此基础上采用模糊推理方法对图像中的不同点的色彩值进行求解,此时利用直方图统计方法就可以将目标区域的色彩值的阈值范围求解出来,然后利用阈值分割方法就可以对图像进行分割。对一个图像进行模糊转化,然后对其C值进行统计。为了得到精确的目标区域C值,可以将目标区域单独提取出来进行恩熙,并对其进行直方图统计,这样就可以得到目标像素的C的阈值[2]。采用模糊理论的图像分割算法,可以将目标区域有效分割出来,通过模糊处理,还可以实现对其的放大和缩小。使图像分割的模糊性增加,能够有效减少图像采集过程中外界环境对其造成的影响,相对而言其准确性还更高。
1.3 图像分割之后的目标区域的识别
图像经过分割、二值化以及膨胀腐蚀,经过二值化之后,图像中不仅有目标区域,还存在着一些其他的非目标区域,会对目标区域造成一定的干扰,因此,此时需要将分割之后得到的各区域都标记下来,然后根据目标的特点和形状等进行识别,最终将目标区域找出来,还可以将其他的一些非目标的区域滤掉。在实际的操作过程中,先对图像进行分割,然后采用连通区域的搜索算法对已经分割之后的目标区域进行搜索,选定连通目标之后就可以得到结果,确定经过分割之后的图像有几个区域是满目目标的颜色特征的,然后才能进行接下来的匹配和形状特征匹配。在这个过程中,需要对目标特征进行提取,需要计算的特征包括区域面积、区域周长、圆形度、区域不变矩等进行计算,然后根据目标的特征进行匹配,最终根据目标的形状和特点进行目标识别。
2 基于模糊理论的视觉追踪技术
基于模糊理论的视觉分析技术主要是指视觉跟踪技术,采用摄像机拍摄图像,然后对图像序列进行分析,就可以计算出每一个图像中目标的位置。目标跟踪是一个动态的过程,目标图像的位置、尺寸和形状会随着摄像机的高度、位置和环境等而变化。在目标追踪中,首先要进行目标搜索和定位,目标搜索就是确定目标的具体位置,可以采用基于云台旋转的搜索算法和基于机器人旋转的搜索算法,其中基于机器人的旋转搜索算法更为常见。在实际操作过程中,对云台的水平方向角进行调整,使其的机器人的正方向的夹角和俯视角都为0,判断是否有目标,如果没有,就旋转360°对目标进行搜索,直到找到目标,找到目标之后,调整机器人的姿态,然后对准目标,输出距离信息。搜索目标之后还要确定目标的位置,通过计算得出[3]。在目标的跟踪中,可以采用基于小型轮式机器人的目标跟踪运动控制方法进行控制,其是整个跟踪系统的一个最重要的环节,也是最后一个环节。
3 结语
视觉目标识别技术和跟踪技术具有非常广泛的应用,其对具体的环境和目标具有很强的依赖性,因此在不同的环境背景下对于不同的目标应该根据实际的情况采用不同的算法。为了提升其准确性,可以充分利用模糊理论进行分析,将模糊理论应用到图像分割、目标识别和目标跟踪中,从而发挥强大的作用,对彩色图像中的目标进行识别和跟踪。
参考文献
[1]孙宇平.基于稀疏表征和自相似性的视觉数据识别关键技术及应用[D].华南理工大学,2015.
[2]王廷军.矿山搜寻机器人视觉技术及井下矿工识别理论的研究[D].中国矿业大学(北京),2011.
[3]常永鑫.基于视觉认知的目标识别技术研究[D].电子科技大学,2015.
(作者单位:广东美的制冷设备有限公司)