论文部分内容阅读
本篇论文首先概要地介绍了足迹检验理论与技术的现状、应用和未来的发展方向,讨论了赤足足迹的结构特征、测量方法及其在足迹检验中的重要作用;然后主要介绍数字图像处理和模式识别的基本概念、基本理论、基本方法及它们在实际中的应用;最后重点讨论了对赤足足迹图像的自动处理和识别方法。
它主要包括以下内容:
根据足迹图像的特点,提出了基于多尺度形态重构的足迹图像滤波算法。该法首先定义了一个作用于灰度图像的且不具有幂等性的连通算子,这个算子可作为多尺度滤波准则;然后用最大树结构来描述灰度图像的平面区域及其之间的相互关系,按照定义的准则实现对灰度图像的滤波。
根据足迹图像的特点,在足迹图像被滤波的基础上,提出了基于灰度一梯度二维阈值向量区域分割的足迹边缘提取方法。该方法利用自动生成的灰度-梯度二维阈值向量对图像进行分割,具有抗噪能力强和正确分割模糊边缘像素的特点,在提高图像分割质量同时,提高了边缘提取精度。
本文还提出了基于数学形态学消散度技术的足趾形状描述算法。该法具有以下特点:受较少边界凹点影响,对边界噪声不敏感,比几何中心稳定;寻找边界上距中心距离稳定并能区分不同形状的特征点及相互关系,生成特征向量。这些特征向量,在二维连续空间中,具有平移、旋转、尺度不变的特征。
本文的重点是通过深入研究模式识别理论和认真分析足趾形状特征提出了叁种足趾形状识别算法。第一种为基于BP神经网络聚类的足趾形状识别方法,它的总体正确识别率为94.29%;第二种为基于模糊综合评判模型的足趾形状自动识别方法,它的总体正确识别率为91.07%:第三种是基于模糊—BP神经网络足趾形状识别方法,它的总体正确识别率为96.1%。这三种识别方法在实际应用中均达到了识别精度的要求,尤其是模糊—BP神经网络足趾形状识别方法精度更高。