前言:一篇好文章的誕生,需要你不斷地搜集資料、整理思路,本站小編為你收集了豐富的數(shù)字圖像處理論文主題范文,僅供參考,歡迎閱讀并收藏。
論文摘要: 數(shù)字圖像處理是我校計(jì)算機(jī)和通信類專業(yè)的必修課程。針對(duì)這門課的特點(diǎn)和我校的實(shí)際情況從理論和實(shí)驗(yàn)教學(xué)兩個(gè)方面對(duì)“數(shù)字圖像處理”的教學(xué)方法改革進(jìn)行了實(shí)踐探討。教學(xué)實(shí)踐表明這項(xiàng)改革對(duì)于學(xué)生更好地掌握數(shù)字圖像處理技術(shù),提高綜合素質(zhì)和培養(yǎng)創(chuàng)新能力起到的積極作用。
引言
數(shù)字圖像處理(Digital Image Processing)是信息技術(shù)中的一門新興綜合性學(xué)科。這門課主要研究圖像數(shù)字化處理過(guò)程的理論原理、方法技術(shù)和過(guò)程,該課程要求學(xué)生掌握數(shù)字圖像處理技術(shù)的基本概念、原理、算法及其處理技術(shù); 這門課程的理論性強(qiáng),需要較強(qiáng)的數(shù)學(xué)基礎(chǔ)和具備一定計(jì)算機(jī)方面功底,目前理工類或綜合類院校幾乎都開設(shè)了數(shù)字圖像處理的相關(guān)課程,我校也從2000年開始開設(shè)了這門課程,一般安排在本科三年級(jí)或四年級(jí)上半期開設(shè)。
1 數(shù)字圖像處理的課程特點(diǎn)
這門課程的傳統(tǒng)教學(xué)方法難以達(dá)到理想的教學(xué)效果,原因在于:學(xué)生面對(duì)諸多抽象的理論和煩瑣的數(shù)學(xué)公式往往無(wú)所適從;授課教師很難用現(xiàn)有的教學(xué)方式實(shí)時(shí)表達(dá)數(shù)字圖像處理前后的直觀效果,致使學(xué)生難以理解圖像變換實(shí)際的演變邏輯和演變過(guò)程,面對(duì)眾多繁雜的推演公式只能死記硬背,學(xué)習(xí)起來(lái)效果可想而知,因此,有必要對(duì)現(xiàn)有的教學(xué)方法進(jìn)行改進(jìn)。
2 課程教學(xué)改革實(shí)踐的探索
通過(guò)對(duì)數(shù)字圖像這門課多年來(lái)的實(shí)踐教學(xué)和經(jīng)驗(yàn)總結(jié),筆者認(rèn)為應(yīng)該從理論和實(shí)驗(yàn)兩個(gè)方面來(lái)對(duì)現(xiàn)有的教學(xué)方法進(jìn)行兩方面著手:一是理論教學(xué)體系和教學(xué)方法;二是實(shí)驗(yàn)教學(xué)的改進(jìn)。兩者相輔相成都是數(shù)字圖像處理這門課的兩個(gè)重要環(huán)節(jié),缺一不可。
2.1 理論教學(xué)方面
在理論教學(xué)方面應(yīng)著重于教學(xué)體系的選擇和教學(xué)形式的改革,具體體現(xiàn)為:第一,在教材的選擇和教學(xué)內(nèi)容的安排上,應(yīng)根據(jù)本校學(xué)生和教學(xué)的實(shí)際需要進(jìn)行教材的精選和教授內(nèi)容的合理安排。第二,教學(xué)內(nèi)容的取舍上應(yīng)該貫徹“少而精”原則對(duì)課程內(nèi)容進(jìn)行了適當(dāng)?shù)娜∩岷透?。以專題形式向?qū)W生介紹最新的、前沿性的學(xué)科知識(shí), 這不僅能滿足學(xué)生的獵奇感,而且在有意理論素養(yǎng)和應(yīng)用方面隊(duì)學(xué)生加以啟發(fā)和引導(dǎo),讓學(xué)生不自覺地養(yǎng)成好的學(xué)習(xí)的習(xí)慣。第三,應(yīng)用形象化教學(xué)手段教學(xué)。數(shù)字圖像處理是以數(shù)字圖像為研究對(duì)象。針對(duì)數(shù)字圖像的圖像信息豐富,圖像處理前后的效果又無(wú)法用語(yǔ)言、文字等方式表達(dá),因此,多媒體課件制作的好壞直接影響到學(xué)生學(xué)習(xí)這門課的最終效果。目前國(guó)內(nèi)尚無(wú)比較成熟的數(shù)字圖像處理CAI課件,我們針對(duì)性研制了相應(yīng)的教學(xué)課件和電子教案,讓學(xué)生在教學(xué)中直觀體會(huì)圖像變換前后的實(shí)際對(duì)比效果。同時(shí)在課堂教學(xué)中引入適當(dāng)?shù)膱D例分析和編程處理實(shí)例可以使原本很抽象的內(nèi)容變得生動(dòng)具體。
2.2 實(shí)驗(yàn)教學(xué)的改革
實(shí)踐教學(xué)實(shí)習(xí)是本課程不可或缺的重要教學(xué)環(huán)節(jié)。目前國(guó)內(nèi)還沒(méi)有公認(rèn)比較實(shí)用和完善的實(shí)驗(yàn)教學(xué)體系。我們對(duì)實(shí)驗(yàn)教學(xué)體系和內(nèi)容的把握體現(xiàn)在以下幾點(diǎn):
(1)實(shí)驗(yàn)環(huán)境的選擇。數(shù)字圖像處理不同于用Photoshop等圖像處理軟件對(duì)圖像作現(xiàn)成的操作,它要求學(xué)生在掌握有關(guān)基礎(chǔ)理論、典型方法的基礎(chǔ)上,利用編程技巧實(shí)現(xiàn)圖像信息的各種處理,如圖像增強(qiáng)、圖像分割、圖像分析等。多數(shù)教師選擇MATLAB作為實(shí)驗(yàn)語(yǔ)言,主要因?yàn)槠涔δ軓?qiáng)大的圖像圖形處理工具包。但大多數(shù)學(xué)生并不熟悉MATLAB,我們選擇了C++語(yǔ)言作為基本的編程語(yǔ)言,因?yàn)楦吣昙?jí)學(xué)生已經(jīng)對(duì)C++比較熟悉并在今后又會(huì)經(jīng)常使用。
(2)精選實(shí)驗(yàn)教學(xué)內(nèi)容。在“數(shù)字圖像處理”的實(shí)驗(yàn)課教學(xué)中,突出強(qiáng)調(diào)理論知識(shí)和實(shí)踐能力的結(jié)合,為此,選擇圖像處理中幾個(gè)最典型的算法作為實(shí)驗(yàn)課教學(xué)的主要內(nèi)容,包括圖像灰度增強(qiáng)、圖像壓縮、圖像域值分割、偽彩色處理等。實(shí)驗(yàn)內(nèi)容包括圖像的讀取和顯示、直方圖均衡化、平滑和銳化濾波、膨脹和腐蝕等。這些實(shí)驗(yàn)教學(xué)內(nèi)容有助于學(xué)生實(shí)踐掌握課上講授的知識(shí),增強(qiáng)了學(xué)生自主完成任務(wù)的主動(dòng)性和積極性,能夠有效提高學(xué)生的編程實(shí)踐能力。
(3)改革實(shí)習(xí)教學(xué)手段。“數(shù)字圖像處理”實(shí)習(xí)內(nèi)容包括圖像處理軟件的選擇和使用、處理算法設(shè)計(jì)和實(shí)現(xiàn)等。針對(duì)往年已有的實(shí)習(xí)材料看,指導(dǎo)教師在實(shí)習(xí)前將較多的精力花在講解實(shí)習(xí)目的、原理、內(nèi)容和實(shí)習(xí)步驟等方面,而占用學(xué)生自己動(dòng)手實(shí)習(xí)的時(shí)間偏離試驗(yàn)的本來(lái)愿望?,F(xiàn)在采用在實(shí)習(xí)前就分發(fā)給學(xué)生實(shí)習(xí)教學(xué)課件,讓學(xué)生在課件輔導(dǎo)下,課余時(shí)間理解消化實(shí)習(xí)內(nèi)容,騰出了更多時(shí)間探討算法,得出實(shí)習(xí)應(yīng)該有的正確結(jié)果,而不至于在實(shí)習(xí)中對(duì)結(jié)果是否正確茫然不知,從而提高了學(xué)生理論和獨(dú)立動(dòng)手的能力。
2.3 開展第二課堂活動(dòng)
為有效培養(yǎng)學(xué)生的實(shí)際動(dòng)手能力,基于完成具體項(xiàng)目的教學(xué)策略是很多學(xué)生必走的一步,讓學(xué)生在實(shí)踐中錘煉,有助于較快地提高學(xué)生的理論認(rèn)知水平和解決實(shí)際問(wèn)題的能力。在上課之初將學(xué)生分組每組給出一個(gè)實(shí)際的學(xué)期項(xiàng)目。由于有充分的時(shí)間可以收集資料和模仿學(xué)習(xí),有效提高學(xué)生的學(xué)習(xí)積極性。將課堂的實(shí)驗(yàn)任務(wù)與學(xué)期項(xiàng)目有機(jī)結(jié)合起來(lái),有助于學(xué)生發(fā)現(xiàn)學(xué)習(xí)內(nèi)容彼此之間的聯(lián)系,促進(jìn)對(duì)知識(shí)的綜合掌握和靈活應(yīng)用。
3 考核手段的探索
以往的課程考核主要通過(guò)期終考試來(lái)考核學(xué)生對(duì)課堂所學(xué)內(nèi)容的理解和掌握程度,由分?jǐn)?shù)來(lái)定結(jié)果,這種考核方式雖然能部分反映學(xué)生的學(xué)習(xí)能力但很難考核學(xué)生發(fā)現(xiàn)、分析和解決具體問(wèn)題的能力差別,不利于發(fā)揮學(xué)生的主觀能動(dòng)性以及創(chuàng)造能力的培養(yǎng);還可能導(dǎo)致出現(xiàn)學(xué)生在學(xué)習(xí)過(guò)程中常出現(xiàn)平時(shí)不努力,考前突擊復(fù)習(xí)四處打聽考題的情況,為了加強(qiáng)學(xué)生能力的培養(yǎng),我們將平時(shí)的聽講、回答問(wèn)題、作業(yè)的情況等列入平時(shí)成績(jī),還鼓勵(lì)學(xué)生就某一專題進(jìn)行發(fā)言探討等多種學(xué)習(xí)形式。課程最終的考核成績(jī)綜合期末考試成績(jī)、實(shí)驗(yàn)成績(jī)、專題成績(jī)和平時(shí)成績(jī)幾個(gè)部分加權(quán)平均得出。
4 結(jié)束語(yǔ)
經(jīng)過(guò)多年的探索,我們?cè)凇稊?shù)字圖像處理》課程的教學(xué)過(guò)程中,通過(guò)對(duì)教學(xué)體系、實(shí)驗(yàn)體系和考核方法和方式上的改進(jìn),有針對(duì)性地制作了大量圖像處理前后對(duì)比課件和現(xiàn)場(chǎng)演示相結(jié)合進(jìn)行教學(xué),通過(guò)形象化實(shí)例化教學(xué),極大地提高了學(xué)生的學(xué)習(xí)積極性,教學(xué)效果很不錯(cuò),學(xué)生反響很好,同行評(píng)價(jià)也比較高。
參考文獻(xiàn)
[1] 賈永紅.“數(shù)字圖像處理” 課程的建設(shè)與教學(xué)改革[J].高等理科教育,2007(1).
[2] 李熙瑩.“數(shù)字圖像處理” 課程設(shè)計(jì)與學(xué)生實(shí)踐動(dòng)手能力的培養(yǎng)[J].計(jì)算機(jī)教育,2008(8).
[關(guān)鍵詞]圖像處理 去噪 方法 展望
一、引言
對(duì)于數(shù)字圖像處理的方法研究主要源于兩個(gè)應(yīng)用:一是為了方便人們分析而對(duì)圖像的信息進(jìn)行必要的改進(jìn);二是為了使機(jī)器設(shè)備能自動(dòng)理解而對(duì)圖像數(shù)據(jù)信息進(jìn)行存儲(chǔ)、傳輸和顯示過(guò)程[1]。隨著人類生活信息化程度的不斷加深,圖像信息作為包含了大量信息的載體形式越來(lái)越體現(xiàn)出其強(qiáng)大的信息包含能力,由此引發(fā)的就是對(duì)圖像質(zhì)量的高要求。在實(shí)際的應(yīng)用中,系統(tǒng)獲取的圖像往往不是完美的,常常會(huì)受到外界的干擾,例如傳輸過(guò)程中的誤差、光照等因素的影響都會(huì)導(dǎo)致圖像的質(zhì)量不高,難以進(jìn)行更深入的研究和處理,所以需要對(duì)其進(jìn)行處理,便于提取我們感興趣的信息。在數(shù)字圖像處理過(guò)程中,由于受到成像方法和條件的限制以及外界干擾,數(shù)字圖像信號(hào)不可避免地要受到噪聲信號(hào)的污染。圖像中的研究目標(biāo)的邊緣、特征等重要的信息常被噪聲信號(hào)干擾甚至覆蓋,使原始圖像變得模糊,給圖像的后繼研究和處理,比如邊緣檢測(cè)、圖像分割、圖像識(shí)別等增加很大難度,因此對(duì)圖像進(jìn)行去噪處理,恢復(fù)原始圖像是圖像預(yù)處理的重要任務(wù)和目標(biāo)。圖像去噪工作也被稱為圖像濾波或平滑。
二、圖像去噪技術(shù)的發(fā)展歷史和現(xiàn)狀
(一)圖像噪聲的定義和分類
所謂數(shù)字圖像處理就是利用計(jì)算機(jī)對(duì)圖像信息進(jìn)行加工以滿足人的視覺心理或者應(yīng)用需求的行為。一幅圖像信息的生成難免或多或少都會(huì)伴隨有噪聲的產(chǎn)生。噪聲可以理解為“妨礙人們感覺器官對(duì)所接收的信源信息理解的因素”,在理論上可定義為“不可預(yù)測(cè),只能用概率統(tǒng)計(jì)方法來(lái)認(rèn)識(shí)的隨機(jī)誤差”[2]。它對(duì)圖像信息的采集、輸入以及處理的各個(gè)環(huán)節(jié)和最終的輸出結(jié)果都會(huì)產(chǎn)生一定的影響,特別是在圖像信息的輸入、采集和傳輸過(guò)程中,若輸入時(shí)伴隨有較大的噪聲,則必定會(huì)對(duì)其后的處理過(guò)程以及處理結(jié)果造成不利的影響。
常見的圖像噪聲分為5種[3]:
(1)加性噪聲:和輸入圖像信號(hào)無(wú)關(guān),比如信道噪聲;
(2)乘性噪聲:與圖像信號(hào)有關(guān),常隨著圖像信號(hào)的變化而變化,比如膠片中存在的顆粒噪聲;
(3)量化噪聲:與輸入圖像信號(hào)無(wú)關(guān),是量化過(guò)程中產(chǎn)生的誤差,其大小可以衡量數(shù)字圖像與原始圖像的差異,這是數(shù)字圖像主要的噪聲源;
(4)椒鹽噪聲:由于圖像切割引起的噪聲,比如白圖像上的黑點(diǎn)噪聲;
(5)高斯噪聲:其概率密度函數(shù)服從正態(tài)高斯分布的噪聲,包括熱噪聲和散粒噪聲。
(二)去噪技術(shù)的發(fā)展歷史和現(xiàn)狀
圖像處理的出現(xiàn)始于20世紀(jì)50年代。當(dāng)時(shí)的電子計(jì)算機(jī)已經(jīng)發(fā)展到了一定的水平,人們開始使用計(jì)算機(jī)來(lái)完成簡(jiǎn)單的圖形和圖像處理工作。數(shù)字圖像處理形成體系,形成一門學(xué)科約開始于20世紀(jì)60年代初期[4]。早期圖像處理的目的僅僅是為了改善圖像的質(zhì)量便于提高人的視覺效果。數(shù)字圖像處理過(guò)程中,輸入的是質(zhì)量較低的原始圖像,輸出的是改善過(guò)后有一定質(zhì)量的圖像。常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼和壓縮。早期由于數(shù)字圖像處理領(lǐng)域涉及的數(shù)學(xué)理論比較淺,在很長(zhǎng)的一段時(shí)間里,某些在特定條件下的算法的正確性沒(méi)能得到很好的證明,使得數(shù)字圖像處理研究的發(fā)展緩慢。近年來(lái),由于該領(lǐng)域研究者數(shù)學(xué)功底的不斷加強(qiáng),同時(shí)該領(lǐng)域具有的巨大市場(chǎng)需求也吸引了越來(lái)越多的數(shù)學(xué)工作者的加入,使得該領(lǐng)域得到了前所未有的發(fā)展[5]。
三、圖像去噪的典型方法
根據(jù)實(shí)際圖像的特點(diǎn),存在的噪聲的頻譜分布規(guī)律和其統(tǒng)計(jì)特性,人們開發(fā)了各種圖像去噪方法,典型的方法有:
(一)均值濾波法(鄰域平均法)
均值濾波法也稱為鄰域平均法,該方法較適于去除通過(guò)掃描得到的圖象中的顆粒噪聲,具體做法是將一個(gè)像素及其鄰域的所有像素的平均值賦值給輸出圖像相應(yīng)的像素,以此達(dá)到濾波的效果。此方法能較有效地抑制噪聲,算法簡(jiǎn)單,運(yùn)算速度快,但由于平均會(huì)引起一定程度的圖像模糊現(xiàn)象,模糊程度與鄰域半徑成正比。
對(duì)于均值濾波法引起的圖像模糊現(xiàn)象,可通過(guò)選擇合適的鄰域大小、形狀和方向等加以改進(jìn)。
(二)中值濾波法
中值濾波法是一種常用的基于排序統(tǒng)計(jì)理論的非線性平滑濾波法,其工作原理是先以某一像素為中心,確定一個(gè)稱為窗口的鄰域(通常為方形),取該窗口中各像素的灰度中間值替換中心像素的灰度值,從而消除孤立的噪聲點(diǎn),減少圖像的模糊度。中值濾波可以比較有效地濾除圖像中的椒鹽噪聲。該方法既可以去除圖像中的噪聲,又能保護(hù)圖像的邊緣信息,而且在實(shí)際運(yùn)算中不需要圖象的統(tǒng)計(jì)特性,算法簡(jiǎn)單,實(shí)時(shí)性較好,但對(duì)于某些如點(diǎn)、線、尖頂?shù)燃?xì)節(jié)較多的圖象不宜采用中值濾波的方法[6]。
(三)小波去噪
在圖像去噪領(lǐng)域,近年來(lái),越來(lái)越多的學(xué)者青睞于小波去噪。因?yàn)樵摲椒ň哂辛己玫亩喾直媛史治瞿芰蜁r(shí)頻局部特性,并且能夠保留大部分的包含信號(hào)的小波系數(shù),因而能較好地保護(hù)圖像細(xì)節(jié)。小波去噪法通常分為三個(gè)步驟:先對(duì)圖像信號(hào)進(jìn)行小波分解,然后將經(jīng)過(guò)層次分解后的高頻系數(shù)進(jìn)行閾值量化,最后利用二維小波重構(gòu)圖像信號(hào)[7]。
四、圖像去噪技術(shù)的發(fā)展前景展望
圖像是人們獲取信息和交換信息的主要來(lái)源,因此,圖像處理的相關(guān)應(yīng)用必定影響人們生活和工作的方方面面。隨著相關(guān)學(xué)科的不斷發(fā)展,數(shù)字圖像處理技術(shù)也將得到不斷地提高。圖像去噪這一最早應(yīng)用于軍事指揮和控制方面的技術(shù),發(fā)展至今已成為了許多傳統(tǒng)學(xué)科和新興工程領(lǐng)域的結(jié)合體[8],小波去噪法的出現(xiàn)更是使圖像預(yù)處理進(jìn)入了一個(gè)新的階段。近年來(lái)小波變換與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合的去噪方法成為了研究的熱點(diǎn):小波變換去噪能有效地抑制噪聲,且很好地保留圖像的原始特征,而神經(jīng)網(wǎng)絡(luò)具有良好的自適應(yīng)機(jī)制和自學(xué)習(xí)能力,兩者相結(jié)合的去噪方法必然成為主要的發(fā)展趨勢(shì)之一。
[參考文獻(xiàn)]
[1]武偉;王宏志.基于雙樹復(fù)小波變換與非線性擴(kuò)散的圖像去噪[J];長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期
[2]王文;康錫章;王曉東.基于小波域HMT的航空偵察圖像去噪方法[A];'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2003年
[3]AGersho,BRamaurthi.ImagecodingusingvectorquantizationinProc.IEEEInt.Conf.Acost.Speechsinalpro-cessing.1982.5.430-432
[4]李康;高靜懷;王偉.基于Contourlet域HMT模型的圖像去噪方法研究[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議??痆C];2008年
[5]鄧超.基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的CCD圖像去噪方法研究[A];武漢(南方九省)電工理論學(xué)會(huì)第22屆學(xué)術(shù)年會(huì)、河南省電工技術(shù)學(xué)會(huì)年會(huì)論文集[C];2010年
[6]李偉.基于匹配跟蹤和自適應(yīng)字典的圖像去噪算法研究[D];華北電力大學(xué)(北京);2010年
[7]林德貴.基于邊緣檢測(cè)的提升小波圖像去噪[J];長(zhǎng)春大學(xué)學(xué)報(bào);2011年08期
論文關(guān)鍵詞:人臉識(shí)別,中值濾波,同態(tài)濾波
引言
隨著科學(xué)技術(shù)的飛速發(fā)展,互聯(lián)網(wǎng)的廣泛應(yīng)用,重要部門(機(jī)場(chǎng)、銀行、軍政機(jī)關(guān)、重點(diǎn)控制地區(qū))的進(jìn)出需要可靠的身份鑒別。傳統(tǒng)身份識(shí)別方式的弊端日益彰顯,根據(jù)人體生理特征和行為特征來(lái)識(shí)別身份的生物特征識(shí)別日益興起。人臉識(shí)別是計(jì)算機(jī)模式識(shí)別研究領(lǐng)域中一項(xiàng)熱門的研究課題,人臉的面部特征是最自然的、方便的身份辨認(rèn)手段,易為用戶所接受。隨著計(jì)算機(jī)技術(shù)和數(shù)字圖像技術(shù)的迅猛發(fā)展,人臉自動(dòng)識(shí)別在技術(shù)上成為可能。
1圖像預(yù)處理
一個(gè)典型的人臉識(shí)別過(guò)程包括三個(gè)步驟:人臉檢測(cè)、特征提取與人臉識(shí)別。在實(shí)現(xiàn)過(guò)程中,首先要獲取圖像,然后進(jìn)行人臉模塊檢測(cè)。如果檢測(cè)到人臉圖像,則進(jìn)行特征點(diǎn)定位及歸一化處理,特征提取后送入分類器進(jìn)行識(shí)別,最終獲得識(shí)別結(jié)果。
預(yù)處理是人臉識(shí)別過(guò)程中一個(gè)重要環(huán)節(jié),其主要目的是消除圖像中的冗余信息,濾除干擾、噪聲,增強(qiáng)有關(guān)信息的可檢測(cè)性,從而提高識(shí)別的可靠性。在預(yù)處理階段,對(duì)圖像進(jìn)行優(yōu)化,盡可能去除或者減小外部環(huán)境對(duì)預(yù)處理圖像的干擾,為后續(xù)處理提高質(zhì)量。
2預(yù)處理方法的研究
2.1 直方圖均衡化
直方圖是圖像的最基本的統(tǒng)計(jì)特征,它反映的是圖像的灰度值的分布情況。直方圖反映了圖像的明暗分布規(guī)律同態(tài)濾波,可以通過(guò)圖像變換進(jìn)行直方圖調(diào)整,獲得較好的視覺效果。直方圖均衡化是在每個(gè)灰度級(jí)上都具有相同的象素點(diǎn)數(shù)的過(guò)程,目的是使圖像在整個(gè)灰度值動(dòng)態(tài)變化范圍內(nèi)分布均勻化,改善圖像的亮度分布狀態(tài),增強(qiáng)圖像的視覺效果。
均衡化處理的步驟為:
(1)對(duì)給定的待處理圖像統(tǒng)計(jì)其直方圖,求出
(2)根據(jù)統(tǒng)計(jì)出的直方圖采用累積分布函數(shù)做變換,,求變換后的新灰度;
(3)用新灰度代替舊灰度,求出,這一步是近似過(guò)程,應(yīng)根據(jù)處理的目的盡量做到合理,同時(shí)把灰度值相等或近似的合并到一起。
2.2 灰度拉伸
灰度拉伸又叫對(duì)比度拉伸,它是最基本的一種點(diǎn)操作,根據(jù)原始圖像中每個(gè)像素的灰度值,按照某種映射規(guī)則,將其變換為另一種灰度值。通過(guò)對(duì)原始圖像中每個(gè)像素賦一個(gè)新的灰度值來(lái)達(dá)到增強(qiáng)圖像的目的。一般有線性變換(最常用的是按比例線性變換和分段線性變換)和非線性變換(常用對(duì)數(shù)擴(kuò)展和指數(shù)擴(kuò)展)。
2.3中值濾波
中值濾波是一種非線性濾波方法,在一定條件下可以克服線性濾波器處理圖像細(xì)節(jié)模糊的問(wèn)題,但是對(duì)點(diǎn)、線、尖頂?shù)燃?xì)節(jié)較多的圖像,則會(huì)引起圖像信息的丟失。中值濾波的基本思想是把局部區(qū)域的像素按灰度等級(jí)進(jìn)行排序,取該鄰域中灰度的中值作為當(dāng)前像素的灰度值。它對(duì)濾除脈沖干擾和圖像掃描噪聲非常有效論文范文。
中值濾波的步驟:
(1)將濾波模板在圖像中漫游,并將模板中心與圖中某個(gè)像素位置重合;
(2)讀取模板中各對(duì)應(yīng)像素的灰度值;
(3)將這些灰度值從小到大排列;
(4)取這一列數(shù)據(jù)的中間數(shù)據(jù)賦給對(duì)應(yīng)模板中心位置的像素;
由以上步驟可以看出,中值濾波對(duì)孤立的噪聲像素即椒鹽噪聲、脈沖噪聲具有良好的濾波效果。由于它不是簡(jiǎn)單的取均值,所以產(chǎn)生的模糊比較少。
2.4 同態(tài)濾波
當(dāng)光源照射物體時(shí),由于物體各部分的反射,通過(guò)視覺和其他感光面形成圖像。因此,圖像生成與光源的照射特性和物體的反射特性有關(guān)。
設(shè)光源的照度函數(shù)為,景物各點(diǎn)的反射系數(shù)為,則圖像的亮度函數(shù)為。上式表明,圖像各點(diǎn)亮度,決定于照射分量和反射系數(shù)的乘積。
同態(tài)濾波就是將圖像乘積形式的亮度模型(非可加性),變成可加形式,以便進(jìn)行濾波增強(qiáng)處理。經(jīng)過(guò)同態(tài)濾波后其結(jié)果會(huì)改變圖像光強(qiáng)度和反射光強(qiáng)度的特性,因此可以做到同時(shí)降低圖像動(dòng)態(tài)范圍,又增加對(duì)比度的結(jié)果。
同態(tài)濾波的步驟:
(1) 對(duì)亮度函數(shù)兩邊作對(duì)數(shù)變換,再取傅氏變換;
(2) 通過(guò)一濾波器;
(3) 對(duì)濾波器的輸出取傅氏飯變換,再取指數(shù)變換;
選取合適的濾波器,可以適當(dāng)壓縮照度分量的動(dòng)態(tài)范圍,同時(shí)適當(dāng)提升反射度分量,可以改善圖像對(duì)比度,突出物體輪廓。
3 仿真實(shí)現(xiàn)
取一幅92*112的人臉圖像,通過(guò)matlab函數(shù)對(duì)其進(jìn)行直方圖均衡化處理同態(tài)濾波,可以得到處理前后的直方圖對(duì)比。通過(guò)仿真我們可以清楚的看出,均衡化后圖像獲得了較好的視覺效果,圖像變的更加的清楚,圖像中的一些細(xì)節(jié)也突出了。如圖3-1所示。
圖3-1 處理前后的直方圖對(duì)比
對(duì)同一副人臉圖像進(jìn)行灰度拉伸,仿真結(jié)果如圖3-2所示。
圖3-2 原始圖像以及灰度拉伸處理后的效果
由兩幅圖像處理前后的效果變化可以看出灰度拉伸后增強(qiáng)了圖像的對(duì)比度,使得圖像細(xì)節(jié)更加的突出。
同樣,對(duì)人臉圖像分別進(jìn)行中值濾波和同態(tài)濾波進(jìn)行預(yù)處理,其仿真圖分別如圖3-3和3-4所示。
圖3-3原始圖像與中值濾波后的效果圖
由原始圖像和中值濾波后的圖像對(duì)比可以看出,處理之后,人臉圖像中的斑點(diǎn)得到了去除。
圖3-4原始圖像與同態(tài)濾波后的效果圖
對(duì)圖像進(jìn)行同態(tài)濾波處理之后,由兩幅圖像對(duì)比可以看出,圖像對(duì)比度得到增強(qiáng),像素灰度的動(dòng)態(tài)范圍也得到增強(qiáng)。處理之后圖像較暗的地方變得更清楚,圖像中的一些細(xì)節(jié)也更加突出。
結(jié)束語(yǔ)
本文主要針對(duì)人臉識(shí)別中圖像預(yù)處理進(jìn)行研究,通過(guò)圖像預(yù)處理的一些方法,如直方圖均衡化、灰度拉伸、中值濾波、同態(tài)濾波,對(duì)讀入的人臉圖像進(jìn)行處理。消除圖像中無(wú)關(guān)的信息,從而使圖像增強(qiáng),細(xì)節(jié)突出,進(jìn)一步改善了圖像質(zhì)量,為下一步圖像的特征提取、分割、匹配和識(shí)別打下可靠的基礎(chǔ)。
參考文獻(xiàn):
[1]阮秋琦.數(shù)字圖像處理學(xué)[M].北京: 電子工業(yè)出版社, 2000.4
[2]王耀南.計(jì)算機(jī)圖像處理與識(shí)別技術(shù)[M]. 北京:高等教育出版社, 2001.6
[3]章毓晉.圖像工程[M].北京: 清華大學(xué)出版社, 2001.9
[4]羅良正.數(shù)字圖像處理[M].南京: 東南大學(xué)出版社, 1999.8
[5]周激流,張曄.人臉識(shí)別理論研究進(jìn)展[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào).1993,
11(2):180-184
關(guān)鍵詞:3D計(jì)算;圖像處理;角點(diǎn)檢測(cè)方法
中圖分類號(hào):TP311.52文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1007-9599 (2012) 03-0000-02
The Algorithm Design of High-speed Graphics Converter in 3D Calculation
Li Huaqing
(96616 Troops, Beijing 100085 ,China)
Abstract: The characteristics of image analysis in image processing, the need to reach the feature extraction for the subsequent image processing and analysis. In the extraction process in the target image, the selected characteristics of corner features. Corner location and accurate image matching plays an important role in the three-dimensional reconstruction. Corner of the pixel relative to the mutation of the external value of the pixel gray or convex shape of the pixel is more concentrated. This paper analyzes the three-corner extraction: SUSAN corner detection method, the Harris corner detection method of multiple scales combined with Susan algorithm improvement, subpixel corner detection method, in order to meet the requirements of the system accuracy.
Keywords: 3D calculation; Image processing; Corner detection method
一、目標(biāo)圖像的預(yù)處理
在馬爾計(jì)算機(jī)視覺理論體系中,二維圖像的預(yù)處理的第一步是在于三維視覺。圖像預(yù)處理的主要目的是改善圖像的視覺效果,提高圖像的清晰度,圖像轉(zhuǎn)換成一種更為適合的分析和處理模式,提高了系統(tǒng)的精度。有許多種類的圖像預(yù)處理方式,例如圖像平滑和銳化等。在這一部分簡(jiǎn)要介紹線性濾波和非線性濾波,以及直方圖均衡化,以提高圖像的對(duì)比度。
(一)圖像平滑。圖像平滑是一個(gè)非常實(shí)用的數(shù)字圖像處理技術(shù),主要目的是為了減少圖像的噪聲,以及降低噪聲的圖像處理效果。一般來(lái)說(shuō),在空間域可以使用線性平滑濾波或順序統(tǒng)計(jì)濾波器降低噪音;在頻域可用于各種形式的低通濾波降低噪聲也應(yīng)用于在高頻波段。其中,常見的有空間平滑濾波與均值濾波和中值濾波。
1.均值濾波。均值濾波器也被稱為線性濾波,主要手段是鄰域平均法。線性濾波理論是在檢測(cè)像素周圍形成建筑模板,模板像素值計(jì)算代替了原始圖像中的每個(gè)像素值,即對(duì)當(dāng)前像素點(diǎn)選擇一個(gè)模板,該模板為附近的一個(gè)像素的多元化并為模板中的所有像素的平均值,然后通過(guò)價(jià)值分配的當(dāng)前像素的像素值,作為用作處理圖像中的灰度,即:
均值濾波算法,它會(huì)使圖像模糊,原因是它對(duì)所有像素都一視同仁,并對(duì)噪聲點(diǎn)進(jìn)行評(píng)估,同時(shí),現(xiàn)場(chǎng)的邊界點(diǎn)也給予評(píng)估。為了改善這種狀況,必須改變?yōu)V波器的設(shè)計(jì)思想,設(shè)計(jì)一個(gè)濾波器,它可以消除噪聲,而且還可以使圖像模糊,中值濾波是一種有效的方法。
2.中值濾波。中值濾波是基于順序統(tǒng)計(jì)量理論有效抑制噪聲的非線性信號(hào)處理技術(shù),中值濾波的基本原理在于數(shù)字圖像像素的像素值在一個(gè)數(shù)字區(qū)域的每個(gè)樣本的位數(shù),從而借此消除孤立噪聲點(diǎn)。選擇一個(gè)模板,模板根據(jù)像素的像素值的大小排序,形成一個(gè)單調(diào)遞增或遞減的順序,選擇序列的中值為模板中心像素所代表的像素值。
均值濾波去噪圖像邊緣模糊而產(chǎn)生的負(fù)面影響,與中值濾波去除噪聲后同時(shí)保持圖像的邊緣細(xì)節(jié),效果明顯比均值濾波器為佳。因此在系統(tǒng)中圖像處理的中值濾波,并在后來(lái)的實(shí)驗(yàn)中證明,這種圖像處理中值濾波值最應(yīng)值得考慮。
(二)直方圖均衡化。直方圖均衡化圖像對(duì)比度的方法介紹如下。直方圖具有灰色的水平功能,它表示圖像具有灰度的像素?cái)?shù)量,反應(yīng)在每個(gè)圖像灰度出現(xiàn)頻率過(guò)程中。對(duì)于數(shù)字圖像,直方圖是一個(gè)離散函數(shù):
直方圖均衡化的具體步驟如下:
(1)列出了原始圖像的灰度級(jí),并統(tǒng)計(jì)原始圖像中的像素灰度數(shù);
(2)根據(jù)公式計(jì)算原始圖像直方圖;
(3)根據(jù)計(jì)算的累積直方圖;
(4)根據(jù) 對(duì) 取整,確定映射關(guān)系 ;
(5)統(tǒng)計(jì)直方圖的灰度的像素?cái)?shù)量,并計(jì)算新的直方圖。
二、對(duì)象的圖像特征點(diǎn)提取的研究與實(shí)現(xiàn)
特征提取是圖像處理和分析下一步的前提和基礎(chǔ),重點(diǎn)在于圖像匹配。有許多種類的圖像特征,包括點(diǎn),線,區(qū),邊界,外形,顏色和其他數(shù)字或符號(hào)說(shuō)明。本文的雙目視覺系統(tǒng)是用角點(diǎn)特征。角點(diǎn)特征的圖像匹配,攝像機(jī)標(biāo)定,三維重建和其他地區(qū)有重要的應(yīng)用意義。在本文側(cè)重為角點(diǎn)提取方法,并分析了該方法的優(yōu)缺點(diǎn),提出改進(jìn)的方法。
(一)角和角點(diǎn)提取算法要求概述。角點(diǎn)是圖像非常重要的局部特征,其直觀的定義在于至少2個(gè)方向的圖像灰度變換相對(duì)大點(diǎn)。對(duì)各種圖像的特征,具有旋轉(zhuǎn)不變性角而不是光照條件和變化的優(yōu)點(diǎn)。由于角可以減少大量的數(shù)據(jù)參與計(jì)算,在不損失重要信息和灰度圖像以及圖像匹配的前提條件下,角點(diǎn)特征匹配可以大大提高匹配速度。因此,研究一種快速以及有效的角點(diǎn)提取的方法以提高圖像匹配的速度和匹配率有重要的意義。
目前的角點(diǎn)檢測(cè)方法主要分為2大類:一是基于圖像邊緣角點(diǎn)提取算法,另一類是直接基于灰度的角點(diǎn)檢測(cè)?;谶吘壧崛〉慕屈c(diǎn)檢測(cè)算法的基本思想是:第一個(gè)角點(diǎn)上的邊緣,是一種特殊的邊界點(diǎn)。這種算法常常用來(lái)來(lái)檢測(cè)圖像的邊緣,并進(jìn)行邊緣檢測(cè)在圖像的點(diǎn)作為測(cè)點(diǎn),如典型Rresonfeld提出的k-曲率法,熱拉爾?莫狄奧尼提出的樣條曲線擬合方法?;谶吘壧崛〉慕屈c(diǎn)檢測(cè)算法的主要缺點(diǎn)是對(duì)邊緣提取算法提取邊緣高度依賴,如果發(fā)生錯(cuò)誤,或邊緣線中斷的情況發(fā)生,則會(huì)對(duì)角點(diǎn)提取結(jié)果會(huì)造成巨大的影響。直接圖像的角點(diǎn)檢測(cè)的基礎(chǔ)在于提取的角是局部范圍內(nèi)的灰色和梯度最大值點(diǎn)。所以這類算法主要是通過(guò)計(jì)算梯度與曲率角檢測(cè),因?yàn)樗恍枰M(jìn)行邊緣提取,所以在實(shí)踐中得到了廣泛的應(yīng)用。因此,在使用該系統(tǒng)時(shí)是基于圖像的角點(diǎn)提取算法。以下幾種經(jīng)典的基于灰度的角點(diǎn)檢測(cè)算法已經(jīng)進(jìn)行了研究與實(shí)驗(yàn)。本文選擇的不同圖像的角點(diǎn)檢測(cè)分析和比較分析,比對(duì)各種方法的優(yōu)缺點(diǎn),并結(jié)合各種方法的優(yōu)缺點(diǎn)作為哈里斯檢測(cè)方法的改進(jìn)。
(二)蘇珊角點(diǎn)提取算法的研究和實(shí)現(xiàn)。蘇珊(最小univalue段吸收核)角點(diǎn)檢測(cè)算子是由牛津大學(xué)和布雷迪?史密斯提出的。他們所提出的1997個(gè)角點(diǎn)檢測(cè)算法,不需要濾波去噪處理,具有較強(qiáng)的抗噪聲能力。其基本原理是,每個(gè)圖像點(diǎn)相關(guān)的局部地區(qū)有相同的亮度。如果一個(gè)窗口內(nèi)的每個(gè)像素的亮度值和窗口中心像素的亮度值相同或相似的,窗戶則會(huì)進(jìn)入核相似的地區(qū)――“蘇珊(univalue段吸收核)”。
蘇珊算法用一個(gè)圓窗為模板,模板中心檢測(cè)像素點(diǎn)稱為核心點(diǎn)。在一個(gè)背景灰度值小于檢測(cè)區(qū)域的灰度圖像,如下圖所示,一個(gè)圓形模板放置在四方不同的位置,由公式為模板中的每一個(gè)點(diǎn)與核心點(diǎn)的灰度值進(jìn)行比較。
圖像目標(biāo)與背景的對(duì)比度一般在10~25之間選擇的選擇,但也應(yīng)考慮在圖像噪聲和特征點(diǎn)的性質(zhì)。
圓形模板的圖像,使圓形模板內(nèi)的像素與中心元素確定中心元素相同或相似的區(qū)域,是為像素區(qū)。蘇珊算法是將使用的模板中的圖像的區(qū)域劃分為各種模板元素的外部以及內(nèi)部,邊界點(diǎn)或角。模板元素的值和中心確定后,比較結(jié)果的積累。
(三)角點(diǎn)提取算法的研究和實(shí)現(xiàn)。角點(diǎn)檢測(cè)算法是1988年克里斯與麥克斯蒂芬斯提出,是基于圖像特征的提取算法,也被稱為中國(guó)的角點(diǎn)檢測(cè)算法。據(jù)C .施密德報(bào)告,為目前最好的角點(diǎn)提取方法的角點(diǎn)檢測(cè)算法,它不影響相機(jī)姿態(tài)和光照的影響。
圖像通常是用來(lái)描述局部自相關(guān)函數(shù)的圖像灰度變化的程度,和圖像的角和自相關(guān)函數(shù)的曲率的關(guān)系。我們把本地窗口矩形形狀說(shuō)假設(shè)成其沿任意方向移動(dòng)的距離,所以可得它的自相關(guān)函數(shù)公式:
具體的方法如下:
1.如果兩者曲率值很小,證明了局部自相關(guān)函數(shù)是非常平坦的,檢測(cè)出區(qū)的面積單位;
2.如果兩者曲率較大,另一個(gè)是小的,然后點(diǎn)的可能為邊緣點(diǎn);
3.如果兩者曲率大,局部自相關(guān)函數(shù)由一個(gè)峰值,然后則為點(diǎn)角;
(四)蘇珊和角點(diǎn)檢測(cè)結(jié)果比較。根據(jù)蘇珊算子和、算子理論和編程步驟的角點(diǎn)檢測(cè),首先,稍有鋸齒狀邊緣圖像的角點(diǎn)檢測(cè)。角點(diǎn)檢測(cè)結(jié)果如下:
通過(guò)蘇珊算法和算子在同一網(wǎng)站上呈鋸齒狀邊緣圖像的角點(diǎn)檢測(cè)結(jié)果,可知蘇珊角點(diǎn)檢測(cè)算法在邊緣效果理想的結(jié)果,和哈里斯算法在邊緣效果不理想的結(jié)果,如上圖所示。通過(guò)蘇珊算法和算子在同一稍有鋸齒狀邊緣圖像的角點(diǎn)檢測(cè)結(jié)果,可知蘇珊角算法的邊緣檢測(cè)效果比哈里斯算法的檢測(cè)效果理想。
在上圖中分析了算法在邊緣地區(qū)的探測(cè)效果,隨著邊緣光滑立體塊圖像的角點(diǎn)檢測(cè),角點(diǎn)檢測(cè)算法比較了蘇珊和角點(diǎn)檢測(cè)算法檢測(cè)效果,并進(jìn)行了對(duì)比。
但是,在塊圖像的角點(diǎn)檢測(cè)方面,角點(diǎn)檢測(cè)算法的檢測(cè)角點(diǎn)超過(guò)蘇珊算法檢測(cè)角點(diǎn),以及誤差角點(diǎn)比蘇珊算法誤差角明顯少很多。對(duì)建筑進(jìn)行角點(diǎn)檢測(cè),根據(jù)統(tǒng)計(jì)數(shù)據(jù),建立形象,角點(diǎn)檢測(cè)的對(duì)數(shù)比蘇珊算法來(lái)檢測(cè)的數(shù)字接近和正確率高。
在蘇珊算法和算子進(jìn)行了不同的特征圖像的角點(diǎn)檢測(cè)實(shí)驗(yàn),并將兩者比較。蘇珊算法和哈里斯算法魯棒性分析中,建筑塊圖像高斯噪聲用蘇珊的角點(diǎn)檢測(cè)算法和角點(diǎn)檢測(cè)算法,加入高斯噪聲圖像的角點(diǎn)檢測(cè)。
基于圖像的噪聲,分別使用蘇珊的角點(diǎn)檢測(cè)算法和角點(diǎn)檢測(cè)算法的角點(diǎn)檢測(cè),蘇珊角點(diǎn)檢測(cè)算法抗噪性能優(yōu)于的角點(diǎn)檢測(cè)算法,對(duì)噪聲的免疫力更為強(qiáng)大。
為了更準(zhǔn)確地提取所需的角點(diǎn),本論文結(jié)合了多尺度分析蘇珊算法和算子,算子并且進(jìn)了改進(jìn)。
綜上所述,本文用蘇珊算子以及算子分別對(duì)不同圖像的角點(diǎn)檢測(cè),蘇珊角算子也有許多缺點(diǎn),但邊界效果好,并具有一定的抗噪聲,角點(diǎn)檢測(cè)算子正確率明顯高于蘇珊角點(diǎn)檢測(cè)算子,但有輕微鋸齒狀邊緣檢測(cè)效果不如蘇珊角點(diǎn)檢測(cè)算子,且無(wú)噪音。另一點(diǎn),角點(diǎn)檢測(cè)原理從中可以看出算子可以只在一個(gè)單一的規(guī)模,這就是角點(diǎn)檢測(cè)的特性。一般來(lái)說(shuō),在較大規(guī)模能可靠地消除錯(cuò)誤檢測(cè),但角定位不夠準(zhǔn)確,只在較小規(guī)模的角位置更準(zhǔn)確,但錯(cuò)誤率將增加。
參考文獻(xiàn):
[1]岡薩雷斯.數(shù)字圖像處理(第二版)[M].北京:電子工業(yè)出版社,2003
[2]李偉.立體視覺若干基本問(wèn)題的研究[D].昆明昆明大學(xué),2005
關(guān)鍵詞:邊緣檢測(cè);圖像處理;邊緣檢測(cè)算子;梯度;圖像邊緣
中圖分類號(hào):TP18文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2012)07-1604-05
Analysis and Comparison for Several of Typical Image Edge Detection Algorithms
TAN Yan,WANG Yu-jun,LI Fei-long,GE Geng-yu
(College of Computer and Information Science,SouthWest University,Chongqing 400715,China)
Abstract:Image edge detection is one of the most important part of computer vision and digital image processing and so on,because the image edge include that the image’s the most important information,it mainly exists between in goal and target,target and background,region and region.The paper mainly analysis for several of typical image edge detection algorithms,and uses MATLAB to evaluate these edge detection algorithms,including two kinds of cases of no noise and added a gaussian noise,then comparison and analysis the result of the various detection algorithms in that both cases, finally we can know its characterist ics and suitable application of these various algorithms.
Key words:edge detection;image processing;edge detection operator;gradient;image edge
圖像邊緣包含了圖像最重要的信息,圖像邊緣檢測(cè)是計(jì)算機(jī)視覺和數(shù)字圖像處理等領(lǐng)域研究的重要內(nèi)容之一。邊緣是指圖像周圍像素灰度有階躍變化或屋頂變化的那些像素的集合,它存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域、基元與基元之間,是圖像最基本的特征,以及圖像分析與識(shí)別的重要環(huán)節(jié)[1]。邊緣檢測(cè)的實(shí)質(zhì)是采用某種算法來(lái)提取出圖像中對(duì)象與背景間的交界線。我們將邊緣定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界,圖像灰度的變化情況可以用圖像灰度分布的梯度來(lái)反映,因此可以用局部圖像微分來(lái)獲得邊緣檢測(cè)算子[2]。該文主要分析了幾種典型的邊緣檢測(cè)算子,Roberts邊緣檢測(cè)算子、Prewitt邊緣檢測(cè)算子、Sobel邊緣檢測(cè)算子、LOG邊緣檢測(cè)算子、Canny邊緣檢測(cè)算子,并用Matlab對(duì)這幾種算法分別進(jìn)行了仿真,并且還在對(duì)灰度圖加入高斯噪聲后這幾種算法的仿真,以便能更清楚地看出這幾種算法對(duì)含有噪聲的圖像的抑制情況,然后分別對(duì)得到的各種效果圖進(jìn)行比較分析,為人們?cè)趯?shí)際情況中選擇適當(dāng)?shù)乃阕犹峁﹨⒖肌?/p>
1幾種經(jīng)典的邊緣檢測(cè)算法
圖像邊緣檢測(cè)算法是根據(jù)圖像邊緣存在的突變性質(zhì)來(lái)檢測(cè)的。主要分為兩種類型[3,4]:一種是以一階微分為基礎(chǔ)的邊緣檢測(cè)算子,通過(guò)計(jì)算一階導(dǎo)數(shù)局部最大值來(lái)檢測(cè)圖像邊緣,如:Roberts算子、Prewitt算子、Sobel算子、Canny算子;另一種是以二階微分為基礎(chǔ)的邊緣檢測(cè)算子,通過(guò)尋求二階導(dǎo)數(shù)中的過(guò)零點(diǎn)來(lái)檢測(cè)邊緣,如:LOG算子。
1.1一階微分算子
基于一階微分的算子是通過(guò)計(jì)算圖像的梯度值來(lái)檢測(cè)圖像邊緣的,利用梯度去尋找一幅圖像f的(x,y)位置處邊緣的強(qiáng)度和方向,梯度用?f來(lái)表示,用向量定義為[2]:
收稿日期:2011-12-29
作者簡(jiǎn)介:譚艷(1987-),女,重慶人,在讀碩士研究生,主要研究方向?yàn)閳D像處理;王宇?。?966-),男,教授,主要研究方向?yàn)槿斯ぶ悄?,機(jī)器人學(xué),工業(yè)機(jī)器人,被動(dòng)機(jī)器人等。
為了得到一幅圖像的梯度,在圖像的每一個(gè)像素位置處都需要計(jì)算偏導(dǎo)數(shù)?f?x和?f?y,因此,可以使用小區(qū)域模板卷積來(lái)進(jìn)行近似計(jì)算[5]。于是研究者們根據(jù)這個(gè)模板大小及其元素值選擇的不同提出了許多不同的邊緣檢測(cè)算子,它們對(duì)邊緣檢測(cè)的效果有不同的特性。主要包括了Roberts算子、Prewitt算子、Sobel算子,以及Canny[5]在其碩士論文中提出的基于一階微分濾波器的三條最優(yōu)化準(zhǔn)則的Canny算子。
1.1.1 Roberts算子
Roberts算子是利用局部圖像像素中交叉對(duì)角線方向的相鄰兩像素之差來(lái)近似梯度幅值檢測(cè)圖像邊緣。該算子定義為:
gx=
該算子的梯度方向可以由公式(3)算出。由于該算子沒(méi)有對(duì)圖像進(jìn)行平滑,因此對(duì)噪聲的抑制能力不強(qiáng)。另外,該算子檢測(cè)到的圖像邊緣比較細(xì),但是連續(xù)性較弱。
1.1.2 Prewitt算子
Prewitt算子由Roberts算子2×2大小的模板擴(kuò)展為3×3大小的模板來(lái)計(jì)算差分算子,它是利用像素點(diǎn)上下、左右鄰點(diǎn)的灰度差,在邊緣處達(dá)到最大值來(lái)檢測(cè)邊緣[6,11]。該算子利用兩個(gè)方向的模板,即檢測(cè)水平邊緣的模板和檢測(cè)垂直邊緣的模板,圖像中的每個(gè)像素點(diǎn)都要用這兩個(gè)模板做卷積,最后輸出兩個(gè)卷積中的最大值。該算子的定義為:
[gx=
其梯度幅值由公式(2)算出,梯度方向由公式(3)算出。
1.1.3 Sobel算子
Sobel算子與Prewitt算子很相似,不同之處在于Sobel算子只是在中心系數(shù)上使用了一個(gè)權(quán)值2。該算子的兩個(gè)模板為:
1.1.4 Canny算子
Canny算子也是一種基于一階微分的邊緣檢測(cè)方法,但它所擁有的三條最優(yōu)化準(zhǔn)則使其性能優(yōu)于其他方法。它的基本原理是首先用高斯濾波器平滑圖像,再用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度的幅值和方向,接著對(duì)梯度幅值進(jìn)行非極大值抑制,最后用雙閾值算法檢測(cè)和連接邊緣[8]。
假設(shè)原圖像為f(x,y),高斯函數(shù)為G(x,y),平滑后的圖像為h(x,y),則
h(x,y)=G(x,y)*f(x,y)
(10)
其中,?為卷積符號(hào),G(x,y)=e-
1.2二階微分算子
基于二階微分的算子是通過(guò)計(jì)算二階導(dǎo)數(shù)中過(guò)零的點(diǎn)來(lái)檢查圖像邊緣的,在一階微分算子中,當(dāng)所求的一階導(dǎo)數(shù)高于某一閾值時(shí),就確定該點(diǎn)為邊緣點(diǎn),但是,這樣的檢測(cè)結(jié)果有時(shí)并不是唯一的。對(duì)于階躍邊緣,其二階導(dǎo)數(shù)在邊緣點(diǎn)出現(xiàn)零交叉,即邊緣兩旁二階導(dǎo)數(shù)取異號(hào)。這樣尋找圖像灰度的二階導(dǎo)數(shù)的零交叉就能找到精確邊緣點(diǎn)。二階微分算子中主要用于邊緣檢測(cè)的是LOG算子。
LOG算子,即高斯-拉普拉斯算子,它是先用高斯濾波器將灰度圖像進(jìn)行平滑處理,然后再用拉普拉斯算子對(duì)平滑后的圖像進(jìn)行變換,根據(jù)二階導(dǎo)數(shù)的過(guò)零點(diǎn)來(lái)檢測(cè)圖像的邊緣。
首先,假設(shè)原圖像為f(x,y),高斯濾波函數(shù)為G(x,y),拉普拉斯算子為?2,輸出的圖像為g(x,y),則LOG算子的推導(dǎo)如下[7]:
g()
2實(shí)驗(yàn)結(jié)果比較分析
2.1原圖像灰度化及加噪聲
該文是調(diào)用Matlab中集成的各種算子對(duì)一幅圖像進(jìn)行邊緣提取,然后對(duì)各種算法性能進(jìn)行比較分析。首先對(duì)原圖像進(jìn)行灰度化處理,因?yàn)楦鞣N邊緣檢測(cè)算子只能對(duì)灰度圖像進(jìn)行操作。然后再給灰度圖加入均值為0、方差為0.002的高斯噪聲,為后面各種邊緣檢測(cè)算法準(zhǔn)備好輸入圖像。下面給出載入原圖像及灰度化和加噪聲的程序。
I=imread(’g:\fruits.jpg’);%載入原圖像
subplot(1,3,1);
imshow(I),title(’原圖像’)%顯示原圖像
I1=rgb2gray(I);%將原圖像進(jìn)行灰度化
subplot(1,3,2);
imshow(I1),title(’灰度圖像’)%顯示灰度圖像
I2=imnoise(I1, ’gaussian’,0,0.002);%對(duì)灰度圖像加入均值為0,方差為0.002的高斯噪聲
subplot(1,3,3);
imshow(I2),title(’加高斯噪聲后的圖像’)%顯示加噪聲后的圖像
輸出結(jié)果如圖1所示。圖1原圖像、灰度圖像及加噪聲后的圖像
2.2對(duì)灰度圖像仿真結(jié)果
利用上面灰度化后的圖像進(jìn)行各種算法仿真,Matlab程序如下:BW1=edge(I1,’roberts’,’both’);%用Roberts算子檢測(cè)邊緣
subplot(2,3,1);
imshow(BW1),title(’用roberts算子’)
BW2=edge(I1,’prewitt’,’both’);%用Prewitt算子檢測(cè)邊緣
subplot(2,3,2);
imshow(BW2),title(’用prewitt算子’)
BW3=edge(I1,’sobel’,’both’);%用Sobel算子檢測(cè)邊緣
subplot(2,3,3);
imshow(BW3),title(’用sobel算子’)
BW4=edge(I1,’log’,’both’);%用LOG算子檢測(cè)邊緣
圖2幾種算子對(duì)灰度圖像的檢測(cè)結(jié)果
2.3對(duì)加了高斯噪聲后的圖像進(jìn)行仿真
將上面2.1中的I2圖像作為各種邊緣檢測(cè)算子的輸入圖像,Matlab程序跟2.2中的程序類似,此處不再贅述。其輸出結(jié)果如圖3所示。
圖3在人為加入高斯噪聲情況下幾種算子的檢測(cè)結(jié)果。
2.4仿真結(jié)果比較
對(duì)圖2和圖3(即在沒(méi)有加噪聲和加了噪聲的情況下)各種邊緣檢測(cè)算子檢測(cè)出的結(jié)果進(jìn)行比較分析,可以看出:噪聲對(duì)圖像邊緣檢測(cè)的影響很大;二階微分算子比一階微分算子對(duì)噪聲更敏感;Roberts算子檢測(cè)出的圖像邊緣較細(xì),但是由于沒(méi)有對(duì)圖像進(jìn)行平滑,不能抑制噪聲,也容易丟失一部分邊緣,但它檢測(cè)陡峭的低噪聲圖像效果比較好;Prewitt算子和Sobel算子檢測(cè)出的結(jié)果幾乎一樣,圖像邊緣都較粗,對(duì)噪聲有一定的抑制能力,但是它們還是有一定的模糊度,并且Sobel算子不能將圖像的主題和背景嚴(yán)格地區(qū)分開來(lái);Log算子對(duì)噪聲的敏感度很強(qiáng),它檢測(cè)邊緣的效果與其高斯函數(shù)中的均方差有關(guān),抗噪能力與均方差成反比,即均方差越大,抗噪能力越小,從而檢測(cè)到的邊緣細(xì)節(jié)越多,偽邊緣也就越多;Canny算子不易受噪聲的干擾,檢測(cè)到的邊緣比較連續(xù),也比較清楚,能檢測(cè)到真正的弱邊緣。因此,Canny算子是這幾種典型邊緣檢測(cè)算法中檢測(cè)效果最好的。
3結(jié)論
該文對(duì)幾種經(jīng)典圖像邊緣檢測(cè)算子的理論進(jìn)行了分析,并且用Matlab對(duì)這幾種算子進(jìn)行了仿真實(shí)驗(yàn),最后對(duì)比分析檢測(cè)出的效果圖,對(duì)各種算子進(jìn)行比較分析得出結(jié)論,指出了它們各自的優(yōu)缺點(diǎn)。但是這些傳統(tǒng)的邊緣檢測(cè)算子還是存在一些缺點(diǎn),近年來(lái)隨著數(shù)學(xué)理論及人工智能的發(fā)展,又涌現(xiàn)出了許多新的邊緣檢測(cè)算法,比如小波變換邊緣檢測(cè)、基于形態(tài)學(xué)邊緣檢測(cè)、基于神經(jīng)網(wǎng)絡(luò)邊緣檢測(cè)、基于遺傳算法邊緣檢測(cè)等等[9,10]。無(wú)論哪種算法都不能滿足所有的圖像,因?yàn)楦鞣N算法都有它自己的特點(diǎn),而不同圖像的特征也不同,只有在實(shí)際應(yīng)用中根據(jù)需要達(dá)到的要求而選擇不同的算法,有時(shí)候也可能會(huì)將幾種算法結(jié)合起來(lái)運(yùn)用。
參考文獻(xiàn):
[1]孫紅艷,張海英.圖像邊緣檢測(cè)算法的比較與分析[J].菏澤學(xué)院學(xué)報(bào),2010,32(2):49-52.
[2] (美)岡薩雷斯,阮秋琦.數(shù)字圖像處理[M].3版.北京:電子工業(yè)出版社,2011:445-466.
[3] Kenncth R.Castleman.Digital Image Processing[M].Prentice HallInternational,Inc;北京:清華大學(xué)出版社,1997:389-391.
[4]徐獻(xiàn)靈,林亦水.圖像邊緣檢測(cè)算法比較與分析[J].自動(dòng)化與信息工程,2007,(3):44-46.
[5] Canny.Finding Edges and Lines in Images[R].MIT Technical Report,Rep,1983:720.
[6]沈麗蓉.圖像邊緣檢測(cè)算法比較研究[J].福建電腦,2011(5):5-7.
[7]賀強(qiáng),晏立.基于LOG和Canny算子的邊緣檢測(cè)算法[J].計(jì)算機(jī)工程,2011,37(3):210-212.
[8]陳勝勇,劉勇,等.基于OpenCV的計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)[M].北京:科學(xué)出版社,2008:135-136.
[9]羅夢(mèng)貞.傳統(tǒng)的圖像邊緣檢測(cè)算法的分析與比較[J].電腦知識(shí)與技術(shù),2011,7(16):3907-3909.
1990年,南開大學(xué)機(jī)器智能探究所開發(fā)出中國(guó)第一個(gè)在國(guó)際市場(chǎng)銷售的Windows平臺(tái)貿(mào)易軟件;1992年,開發(fā)出中國(guó)第一個(gè)進(jìn)進(jìn)國(guó)際市場(chǎng)的Macintosh貿(mào)易軟件,以及跨多個(gè)平臺(tái)的文字識(shí)別軟件開發(fā)工具包OpenRTK,這些軟件產(chǎn)品獲得美、英、澳等幾十家產(chǎn)業(yè)雜志的百篇好評(píng),并在國(guó)際上最嚴(yán)格的OCR技術(shù)評(píng)選中戰(zhàn)勝國(guó)外最優(yōu)秀的對(duì)手Xerox、Caere和Catera等,在1992、1993、1994年連續(xù)三年被評(píng)為世界上最優(yōu)秀的OCR軟件。
近日,本刊記者專程采訪了南開大學(xué)信息技術(shù)科學(xué)學(xué)院青年教師史廣順,他1994年進(jìn)進(jìn)南開大學(xué)計(jì)算機(jī)和系統(tǒng)科學(xué)系學(xué)習(xí),2003年畢業(yè)于南開大學(xué)機(jī)器智能探究所,并留校任教。請(qǐng)他為我們先容了南開大學(xué)機(jī)器智能探究所發(fā)展的相關(guān)情況。
記者摘要:我國(guó)目前正在推進(jìn)創(chuàng)新型國(guó)家建設(shè),提出將科學(xué)技術(shù)進(jìn)步作為國(guó)家發(fā)展戰(zhàn)略的核心,智能探究所可以說(shuō)是創(chuàng)新發(fā)展成功的典范,給我們先容一下探究所的沿革好嗎?
史廣順摘要:南開大學(xué)機(jī)器智能探究所成立于1990年9月,主要從事模式識(shí)別、人工智能、計(jì)算機(jī)軟件方法和技術(shù)等方向的科學(xué)探究、系統(tǒng)開發(fā)和探究生培養(yǎng)工作。設(shè)有計(jì)算機(jī)軟件和理論、模式識(shí)別和智能控制、計(jì)算機(jī)應(yīng)用3個(gè)專業(yè)的碩士點(diǎn)和控制理論和控制工程博士點(diǎn)。 目前擁有專職教師5人,碩博探究生40余人。
機(jī)器智能探究所致力于把科研成果轉(zhuǎn)化為產(chǎn)品,并推向國(guó)際市場(chǎng)。1990年,由智能所探究生構(gòu)成的一支研發(fā)隊(duì)伍就遷到硅谷,以技術(shù)轉(zhuǎn)讓的形式和美國(guó)ExperVision公司合作,同年就開發(fā)出中國(guó)第一個(gè)在國(guó)際市場(chǎng)上銷售的視窗貿(mào)易OCR軟件TypeReader,1992年開發(fā)出中國(guó)第一個(gè)Macintosh貿(mào)易軟件,以及跨多個(gè)平臺(tái)的文字識(shí)別軟件開發(fā)工具包OpenRTK。這些軟件產(chǎn)品獲得美、英、澳等幾十家產(chǎn)業(yè)雜志的百篇好評(píng),并在國(guó)際上最嚴(yán)格的OCR技術(shù)評(píng)選中戰(zhàn)勝國(guó)外最優(yōu)秀的對(duì)手Xerox、Caere和Catera等,在1992、1993、1994年連續(xù)三年被評(píng)為世界上最優(yōu)秀的OCR軟件。
記者摘要:那么在自主研發(fā)的同時(shí),智能所是否還完成了其他的工程項(xiàng)目?
關(guān)鍵詞:教改;遙感;農(nóng)業(yè)院校
中圖分類號(hào):G642.0 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1674-9324(2013)09-0059-03
遙感是農(nóng)業(yè)高等院校一些專業(yè)(如資源環(huán)境與城鄉(xiāng)規(guī)劃、土地資源管理、農(nóng)業(yè)資源與環(huán)境、環(huán)境科學(xué)等)的本科生必修的專業(yè)核心課程。遙感技術(shù)已經(jīng)廣泛應(yīng)用于社會(huì)生產(chǎn)的各個(gè)領(lǐng)域,培養(yǎng)遙感應(yīng)用型的高級(jí)技術(shù)人才非常重要,但目前農(nóng)業(yè)院校的遙感課程的教學(xué)體系、教學(xué)內(nèi)容和教學(xué)方式難以適應(yīng)遙感技術(shù)的快速發(fā)展,存在不少問(wèn)題,使培養(yǎng)的人才與社會(huì)產(chǎn)生脫節(jié)。
一、農(nóng)業(yè)院校遙感教學(xué)存在的主要問(wèn)題
1.遙感課程理論多而雜、抽象化等特點(diǎn),抑制了學(xué)生的學(xué)習(xí)興趣。遙感技術(shù)具有理論抽象、知識(shí)點(diǎn)龐雜的特點(diǎn),其多學(xué)科交叉,基礎(chǔ)知識(shí)面廣而雜,技術(shù)性和實(shí)踐性較強(qiáng)且多應(yīng)用于大型項(xiàng)目。農(nóng)業(yè)院校的本科生一般是第一次接觸,缺乏與課程相關(guān)的預(yù)備基礎(chǔ)知識(shí)和背景知識(shí),學(xué)習(xí)遙感課程太抽象,實(shí)際生活中也很難接觸到遙感應(yīng)用方面的項(xiàng)目,這樣會(huì)導(dǎo)致學(xué)生覺得遙感課程“遙不可測(cè)”,具有一定的距離感和陌生感。另外,遙感課程在農(nóng)業(yè)類院校中一般屬于專業(yè)基礎(chǔ)性學(xué)科,得不到足夠的重視,以及學(xué)時(shí)不多等原因都在一定程度上抑制了學(xué)生的學(xué)習(xí)興趣。
2.教材內(nèi)容過(guò)于突出前沿科學(xué),忽略了其應(yīng)用性?,F(xiàn)在的農(nóng)業(yè)院校遙感教材已經(jīng)采用國(guó)家農(nóng)林類普通高等教育“十一五”、21世紀(jì)規(guī)劃教材,雖然教學(xué)內(nèi)容進(jìn)行了更新,基本上不存在以前的內(nèi)容過(guò)于陳舊的問(wèn)題,但仍然出現(xiàn)不少問(wèn)題。主要存在教學(xué)內(nèi)容過(guò)于突出其前沿科學(xué)以及發(fā)展趨勢(shì),導(dǎo)致部分教學(xué)內(nèi)容或過(guò)于深?yuàn)W,或與農(nóng)業(yè)類等相關(guān)專業(yè)的結(jié)合性不大,在農(nóng)業(yè)院校等相關(guān)領(lǐng)域中幾乎應(yīng)用不到;如“微波遙感原理”深?yuàn)W難懂,在農(nóng)業(yè)院校相關(guān)專業(yè)幾乎很少用到;又如“高光譜的影像分析”過(guò)于深?yuàn)W,對(duì)于遙感課程學(xué)時(shí)很有限的農(nóng)業(yè)院校本科生關(guān)聯(lián)系不多且過(guò)于深?yuàn)W。現(xiàn)在國(guó)民生產(chǎn)的各領(lǐng)域中廣泛應(yīng)用的遙感技術(shù)或結(jié)合性較強(qiáng)的教學(xué)內(nèi)容,很少有教材提及或提及極少。如近年在災(zāi)害監(jiān)測(cè)中廣泛應(yīng)用高分辨率的QUICKBIRD、WORLDVIEW衛(wèi)星數(shù)據(jù)WORLDVIEW;又如在農(nóng)業(yè)中應(yīng)用較多的測(cè)定地物光譜儀的設(shè)備和我國(guó)“北京一號(hào)”小衛(wèi)星在北京近郊農(nóng)業(yè)監(jiān)測(cè)中應(yīng)用等內(nèi)容卻無(wú)體現(xiàn)。脫離生產(chǎn)實(shí)踐與應(yīng)用的前沿技術(shù),就像是沒(méi)有方向的深海之舟,與農(nóng)業(yè)類院校本科生的教學(xué)宗旨與教學(xué)目標(biāo)背道而馳。
3.教學(xué)手段不夠豐富,學(xué)生參與不夠,缺乏學(xué)習(xí)熱情。農(nóng)業(yè)院校遙感課程雖然普遍使用了多媒體教學(xué)技術(shù),但仍是以教師講授為核心,缺乏形象教學(xué)必要的教學(xué)手段與輔助教學(xué)資料,很少有本科生參與教師的科研項(xiàng)目或大型的工程應(yīng)用項(xiàng)目。由于時(shí)間等種種原因,也很少本科生參加課內(nèi)外的遙感應(yīng)用的體驗(yàn)與交流報(bào)告,缺乏學(xué)習(xí)遙感課程的源動(dòng)力與熱情。
4.現(xiàn)有的考試制度抑制了學(xué)生的創(chuàng)新?,F(xiàn)有的考試制度以考試為主,側(cè)重卷面成績(jī),試卷考核方式很難考驗(yàn)學(xué)生對(duì)理論體系的系統(tǒng)性掌握、知識(shí)點(diǎn)的內(nèi)在聯(lián)系以及實(shí)際技能的掌握程度與應(yīng)用程度。農(nóng)業(yè)院校的遙感實(shí)驗(yàn)課程學(xué)時(shí)設(shè)置少,實(shí)驗(yàn)個(gè)數(shù)少,實(shí)驗(yàn)成績(jī)占課程成績(jī)的比重不大,一般隸屬于遙感課程理論教學(xué)的一部分,很少單獨(dú)開設(shè),實(shí)踐環(huán)節(jié)教學(xué)得不到足夠的重視,且多側(cè)重實(shí)驗(yàn)報(bào)告成績(jī),忽視了實(shí)踐環(huán)節(jié)學(xué)生能力的表現(xiàn)?,F(xiàn)有的課程成績(jī)構(gòu)成缺乏討論、專題制作、文獻(xiàn)檢索、學(xué)習(xí)報(bào)告等多手段,在一定程度上抑制了學(xué)生參與的積極性和主觀能動(dòng)性,導(dǎo)致學(xué)生自主學(xué)習(xí)的熱情不夠,缺乏創(chuàng)新的激情。
5.實(shí)踐學(xué)時(shí)偏少,缺乏針對(duì)農(nóng)業(yè)院校的上機(jī)教材。遙感實(shí)踐課程少,難以培養(yǎng)學(xué)生的感性認(rèn)識(shí),動(dòng)手能力的提高更是無(wú)從談起。目前,與遙感課程配套上機(jī)的教材多是針對(duì)高等院校測(cè)繪類專業(yè),缺乏與農(nóng)業(yè)院校遙感課程配套的上機(jī)實(shí)驗(yàn)教材,市場(chǎng)上偶見農(nóng)業(yè)院校專用教程,在內(nèi)容的設(shè)置上與上機(jī)實(shí)驗(yàn)數(shù)據(jù)或樣例數(shù)據(jù)方面卻與測(cè)繪類專業(yè)并無(wú)多大區(qū)別。農(nóng)業(yè)院校類本科生感覺不到遙感實(shí)踐與專業(yè)的相關(guān)性或結(jié)合性,無(wú)法滿足農(nóng)業(yè)院校專業(yè)學(xué)生的實(shí)踐教學(xué)的需求。
二、教學(xué)改革的基本內(nèi)容與途徑
1.教學(xué)內(nèi)容的完善與改革。(1)教學(xué)內(nèi)容的設(shè)置應(yīng)重點(diǎn)突出。在農(nóng)林院校遙感課程學(xué)時(shí)很有限,而遙感技術(shù)體系本身內(nèi)容非常龐雜,教學(xué)內(nèi)容與學(xué)時(shí)的設(shè)置除了體現(xiàn)理論的系統(tǒng)性,一定要注重各部分內(nèi)容的內(nèi)在的邏輯聯(lián)系,突出主要內(nèi)容和重要內(nèi)容,必要時(shí),應(yīng)進(jìn)行取舍。使學(xué)生對(duì)整個(gè)教學(xué)有一個(gè)比較宏觀、層次清晰的印象,能夠抓住遙感主要的原理和難點(diǎn)內(nèi)容。農(nóng)業(yè)院校的遙感課程主要內(nèi)容包括航空像片與遙感相關(guān)的基本概念、地物的反射光譜特性、航空攝影測(cè)量的基礎(chǔ)知識(shí)、遙感圖像的像點(diǎn)誤差、航空攝影測(cè)量的內(nèi)外業(yè)、衛(wèi)星傳感器數(shù)據(jù)、遙感圖像的目視判讀與調(diào)繪、遙感數(shù)字圖像處理原理與操作技能,以及遙感技術(shù)的應(yīng)用案例,尤其是在農(nóng)業(yè)領(lǐng)域的應(yīng)用實(shí)例。(2)根據(jù)應(yīng)用情況對(duì)前沿性內(nèi)容取舍?,F(xiàn)在很多教學(xué)改革過(guò)于突出課程的前沿性內(nèi)容,但受到學(xué)時(shí)的限制,很難與生產(chǎn)實(shí)踐或?qū)I(yè)聯(lián)系起來(lái),學(xué)生感覺很陌生、很抽象,教學(xué)效果甚不理想。農(nóng)林院校的遙感課程學(xué)時(shí)一般都很有限,在突出課程內(nèi)容的系統(tǒng)性和重點(diǎn)內(nèi)容的前提下,對(duì)于前沿性的內(nèi)容,可結(jié)合授課專業(yè)情況進(jìn)行靈活調(diào)整。若在相應(yīng)專業(yè)領(lǐng)域中很少應(yīng)用的可略講或不講(如微波遙感、高光譜);若在相應(yīng)專業(yè)領(lǐng)域?qū)嵺`中有應(yīng)用或應(yīng)用較多的(如在農(nóng)業(yè)和土壤學(xué)科應(yīng)用較多的便攜式地物波譜儀),可側(cè)重于先進(jìn)的儀器以及在科研或生產(chǎn)實(shí)踐中的作用與功能。這樣學(xué)生既不會(huì)感到深?yuàn)W難懂,又會(huì)覺得該課程很貼合實(shí)際需求,這樣就可在有限的學(xué)時(shí)取得較好的教學(xué)效果。(3)實(shí)驗(yàn)內(nèi)容的調(diào)整。遙感課程實(shí)驗(yàn)內(nèi)容的設(shè)置應(yīng)與基本理論、基本方法相呼應(yīng),突出其主要技能、實(shí)踐技能,平衡傳統(tǒng)方法與現(xiàn)代作業(yè)方法,采用的實(shí)驗(yàn)器材或軟件應(yīng)與當(dāng)?shù)厣a(chǎn)部門基本保持一致,若有條件應(yīng)盡量將實(shí)驗(yàn)課單獨(dú)開設(shè)。遙感技術(shù)在實(shí)際作業(yè)中,數(shù)據(jù)源以及產(chǎn)品都是采用遙感數(shù)字圖像,因此,傳統(tǒng)的遙感課程實(shí)驗(yàn)內(nèi)容應(yīng)根據(jù)行業(yè)發(fā)展情況適當(dāng)?shù)貏h除過(guò)時(shí)的實(shí)驗(yàn),保留主要的遙感實(shí)驗(yàn)外,應(yīng)盡量根據(jù)授課對(duì)象的就業(yè)方向、科研情況以及學(xué)時(shí)情況選擇性地增加設(shè)置遙感數(shù)字圖像處理的實(shí)驗(yàn)內(nèi)容與課時(shí)數(shù),如“熟悉ERDAS或ENVI遙感圖像處理軟件的基本操作”、“遙感數(shù)字圖像的增強(qiáng)處理”、“遙感數(shù)字圖像的幾何處理”、“遙感數(shù)字圖像的計(jì)算機(jī)自動(dòng)分類”。
2.教學(xué)手段與教學(xué)方法的改革。(1)從興趣點(diǎn)或生產(chǎn)應(yīng)用入手展開教學(xué)。由于遙感課程理論知識(shí)點(diǎn)多而雜,在教學(xué)內(nèi)容的組織上可從學(xué)生感興趣的知識(shí)點(diǎn)入手,適當(dāng)引用遙感在測(cè)繪、國(guó)土、農(nóng)業(yè)等重要部門的一些視頻資料。闡述基本原理與基本方法時(shí)注重加強(qiáng)學(xué)生思維的引導(dǎo),主要內(nèi)容與重點(diǎn)內(nèi)容可采用精講、細(xì)講,生產(chǎn)中不常用的原理與方法采取學(xué)生課外自主學(xué)習(xí)為主,遙感在實(shí)踐中應(yīng)用可采取具體案例分析,這樣既可保證激發(fā)學(xué)生學(xué)習(xí)的興趣,在面上對(duì)遙感有全面的把握,又可在重點(diǎn)內(nèi)容上有所深入。除了現(xiàn)代常用的多媒體教授的教學(xué)方法,可布置與課程內(nèi)容相關(guān)且很有趣的課外小作業(yè),如可通過(guò)讓學(xué)生在Google Earth上查找校舍或旅游目的地的方式對(duì)衛(wèi)星遙感數(shù)據(jù)的認(rèn)識(shí)。(2)制作遙感教學(xué)輔助材料。遙感教學(xué)輔助材料包括航空?qǐng)D像與衛(wèi)星遙感圖像樣片的制作、各類教學(xué)視頻的制作、試題庫(kù)與習(xí)題庫(kù)的制作、遙感精品課程在線網(wǎng)址的收集,完善各種網(wǎng)絡(luò)教學(xué)資源庫(kù)的建設(shè)等。將生澀難懂且方便用于直觀教學(xué)的遙感圖像的分類與遙感圖像的解譯標(biāo)志等內(nèi)容制作教學(xué)樣片,如可將全色圖像、紅外、彩紅外、多光譜等航空像片與各種常用的衛(wèi)星遙感數(shù)據(jù)制作樣片,形象而直觀,易于理解與記憶。對(duì)于比較抽象、生活中接觸較少的知識(shí)點(diǎn)用于制作1~5分鐘的輔助視頻,如航空拍攝的過(guò)程、衛(wèi)星遙感以及傳感器的工作原理等。將近年來(lái)遙感技術(shù)應(yīng)用于現(xiàn)實(shí)生活中有影響力的重大事件的新聞視頻片段制作教學(xué)視頻資料,如“國(guó)土部:用衛(wèi)星遙感圖片嚴(yán)查違法用地”、“我國(guó)‘北京一號(hào)’、‘小衛(wèi)星’監(jiān)測(cè)北京近郊農(nóng)作物長(zhǎng)勢(shì)”、“汶川地震前后遙感圖像前后對(duì)比”等新聞視頻片段。教學(xué)輔助材料在有些教學(xué)內(nèi)容方面可發(fā)揮很大的教學(xué)作用與效果。(3)重視遙感技術(shù)應(yīng)用案例分析。一般農(nóng)業(yè)院校的遙感技術(shù)的應(yīng)用所占學(xué)時(shí)極少,與專業(yè)結(jié)合性不夠。一般只是泛泛地提到或者一帶而過(guò),沒(méi)有具體的案例或應(yīng)用視頻,學(xué)生缺乏對(duì)遙感技術(shù)實(shí)際應(yīng)用情況的了解??筛鶕?jù)授課對(duì)象與專業(yè)方向選擇教學(xué)輔助材料,根據(jù)授課對(duì)象及專業(yè)方向播放其相關(guān)內(nèi)容,重點(diǎn)分析應(yīng)用案例。如面向土管專業(yè)授課時(shí)可側(cè)重土地資源調(diào)查與土地執(zhí)法的案例分析;面向農(nóng)資專業(yè)時(shí),可側(cè)重農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)與估產(chǎn)、光譜反射率的野外測(cè)定與分析等案例分析,面向環(huán)境類專業(yè),可側(cè)重環(huán)境監(jiān)測(cè)與災(zāi)害監(jiān)測(cè)的案例分析。(4)實(shí)現(xiàn)教學(xué)手段的多元化,激發(fā)學(xué)生學(xué)習(xí)熱情。除了常用的多媒體教學(xué)與板書等教授方式外,還可適當(dāng)采取學(xué)生教學(xué)的方式,加強(qiáng)與學(xué)生互動(dòng)交流,提高學(xué)生自主學(xué)習(xí)的能力。利用課前與課間的時(shí)間或借助網(wǎng)絡(luò)平臺(tái),與學(xué)生進(jìn)行充分交流,及時(shí)掌握他們的興趣、學(xué)習(xí)難點(diǎn)以及就業(yè)意向等,因材施教。利用國(guó)家、省和校級(jí)精品課程建設(shè)的成果,建立網(wǎng)絡(luò)實(shí)踐教學(xué)平臺(tái),實(shí)現(xiàn)網(wǎng)絡(luò)互動(dòng)式教學(xué),設(shè)置“課件下載”、“實(shí)驗(yàn)報(bào)告上載”、“答疑”、“FTP”等功能??山柚c測(cè)量學(xué)等課程的重疊交叉知識(shí),進(jìn)行觸類旁通式的教學(xué)。通過(guò)小型專題報(bào)告的形式,促使學(xué)生課外收集文獻(xiàn)資料學(xué)習(xí)實(shí)踐應(yīng)用性強(qiáng)、與專業(yè)結(jié)合緊密的內(nèi)容,擇優(yōu)以多媒體的形式課堂交流并點(diǎn)評(píng),并作為學(xué)生課程考核的一部分,有意識(shí)地將教學(xué)內(nèi)容與科研、就業(yè)與生產(chǎn)項(xiàng)目管理等結(jié)合起來(lái),引導(dǎo)學(xué)生自主學(xué)習(xí),激發(fā)學(xué)習(xí)的創(chuàng)造性。
3.建立考試制度的改革,提高其學(xué)習(xí)的積極性。進(jìn)行課程考試制度的改革,改進(jìn)考核方法,建立考察學(xué)生全面素質(zhì)的考核體系、建立科學(xué)的考察學(xué)生綜合知識(shí)、綜合素質(zhì)、綜合能力的實(shí)踐考核體系,采取靈活多樣的考試方式。在課程考試構(gòu)成增加小型專題報(bào)告制作、文獻(xiàn)檢索與總結(jié)等,理論環(huán)節(jié)可增加課堂互動(dòng)環(huán)節(jié)(如提問(wèn)、討論等)考核的比重;實(shí)踐環(huán)節(jié)可強(qiáng)化動(dòng)手實(shí)踐與儀器操作的考核,淡化實(shí)驗(yàn)報(bào)告等書面成績(jī)。通過(guò)建立考試制度的改革,促進(jìn)學(xué)生積極學(xué)習(xí)。
三、教改效果分析
近年來(lái)遙感課程改革探索初步取得較為明顯的成效,具體表現(xiàn)在以下幾個(gè)方面。
1.學(xué)習(xí)態(tài)度的改變。學(xué)生對(duì)教學(xué)內(nèi)容的興趣和注意力明顯提高,課堂互動(dòng)變得更為積極,課外自主學(xué)習(xí)的激情提高,教學(xué)氛圍良好,“教與學(xué)”變成了一件較為愉快的教學(xué)活動(dòng),學(xué)生對(duì)遙感方向的學(xué)術(shù)報(bào)告與畢業(yè)論文選題感興趣的人數(shù)明顯增加。
2.學(xué)生對(duì)遙感教學(xué)的評(píng)價(jià)。每學(xué)期都對(duì)全部遙感課程進(jìn)行教學(xué)評(píng)估,學(xué)生無(wú)記名網(wǎng)上評(píng)教,結(jié)果表明總體優(yōu)良。說(shuō)明學(xué)生對(duì)于教學(xué)內(nèi)容與教學(xué)形式是認(rèn)可與肯定的。
3.學(xué)生的收獲。國(guó)土資源管理、農(nóng)業(yè)資源與環(huán)境等專業(yè)分別成立了興趣小組,在老師的指導(dǎo)下能夠獨(dú)立完成校級(jí)創(chuàng)新型實(shí)驗(yàn)項(xiàng)目。學(xué)生的動(dòng)手實(shí)踐能力明顯得到鍛煉與提高,有機(jī)會(huì)參與到多項(xiàng)遙感技術(shù)應(yīng)用的工程項(xiàng)目,特別優(yōu)秀的學(xué)生能在測(cè)繪遙感相關(guān)的事業(yè)單位就業(yè)。也有本科生在國(guó)內(nèi)的學(xué)術(shù)期刊上公開發(fā)表遙感領(lǐng)域內(nèi)的科研論文。
雖然筆者針對(duì)農(nóng)業(yè)類院校的遙感課程實(shí)踐教學(xué)改革進(jìn)行了探索與實(shí)踐,然而,許多問(wèn)題有待進(jìn)一步探討,諸如教學(xué)平臺(tái)的完善、教學(xué)形式的改進(jìn)、產(chǎn)學(xué)研實(shí)習(xí)基地建立、專業(yè)實(shí)踐素材庫(kù)的建立等。面向未來(lái),我們需要更好地根據(jù)社會(huì)需求,積極進(jìn)行遙感教學(xué)課程改革,為社會(huì)培養(yǎng)出更多的遙感應(yīng)用型的高級(jí)人才。
參考文獻(xiàn):
[1]尹占娥.現(xiàn)代遙感導(dǎo)論[M].北京:科學(xué)出版社,2008.
[2]鄧良基.遙感基礎(chǔ)與應(yīng)用[M].北京:中國(guó)農(nóng)業(yè)出版社,2009.
[3]常慶瑞,蔣平安,周勇.遙感技術(shù)導(dǎo)論[M].北京:科學(xué)出版社,2004.
[4]彭望.遙感概論[M].北京:高等教育出版社,2010.
關(guān)鍵詞:人臉識(shí)別;圖像預(yù)處理;同態(tài)濾波
中圖分類號(hào):TP14文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1007-9599 (2012) 03-0000-02
Homomorphic Filtering Application Stusy on Face Recognition
Lin Junxiong
(Southern Power Grid Shantou Power Supply Bureau,Shantou515000,China)
Abstract:Firstly,face recognition,the face recognition system that the importance of pretreatment in face recognition.And then gave a detailed description of existing face recognition preprocessing method,and comparison of methods.Finally,the impact of illumination on the face images homomorphic filtering method in the preprocessing stage to eliminate the impact of illumination on human face images,experimental results show that,this method can improve the recognition rate.
Keywords:Face recognition;Image pre-processing;Homomorphic filtering
一、引言
隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展和網(wǎng)絡(luò)的普及,一些重要部門(銀行、機(jī)場(chǎng)、軍政機(jī)關(guān)、重點(diǎn)控制地區(qū))的進(jìn)出、重要信息的存儲(chǔ)與提取,都需要可靠的人身鑒別。人臉識(shí)別是指利用人臉部的特征信息,通過(guò)分析比較得出每個(gè)人獨(dú)有的特征信息,然后根據(jù)這些獨(dú)有的特征信息進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù)。與其他身份識(shí)別技術(shù)相比,人臉識(shí)別具有友好、自然等優(yōu)點(diǎn),因此研究人臉識(shí)別的自動(dòng)身份認(rèn)證具有重要的理論意義和實(shí)用價(jià)值。近幾十以來(lái),人臉識(shí)別技術(shù)有了長(zhǎng)足的發(fā)展,并且逐步走向?qū)嶋H應(yīng)用階段?,F(xiàn)在已經(jīng)有比較成熟的人臉識(shí)別應(yīng)用系統(tǒng)進(jìn)入市場(chǎng)??梢灶A(yù)言,在今后的幾十年內(nèi),隨著人臉識(shí)別技術(shù)進(jìn)一步發(fā)展,人臉識(shí)別技術(shù)將應(yīng)用到更多的領(lǐng)域,例如視覺監(jiān)控,娛樂(lè)應(yīng)用,智能卡,自動(dòng)身份驗(yàn)證,銀行安全等,這些已有的以及潛在的應(yīng)用領(lǐng)域?qū)⑼苿?dòng)人臉識(shí)別技術(shù)不斷發(fā)展。由于微電子技術(shù)、計(jì)算機(jī)技術(shù)的迅猛發(fā)展,數(shù)字圖像技術(shù)與模式識(shí)別學(xué)科的日益完善,使得人臉自動(dòng)識(shí)別在技術(shù)上與經(jīng)濟(jì)上才成為可能。論文首先對(duì)人臉識(shí)別進(jìn)行了介紹,通過(guò)對(duì)人臉識(shí)別系統(tǒng)的分析指出預(yù)處理在人臉識(shí)別中的重要性。然后對(duì)已有的人臉識(shí)別預(yù)處理法作了詳細(xì)的介紹,并對(duì)各種方法進(jìn)行比較。最后針對(duì)光照對(duì)人臉圖像的影響還提出了同態(tài)濾波的方法。
二、人臉識(shí)別
(一)人臉識(shí)別概況。近年來(lái),人臉識(shí)別是計(jì)算機(jī)技術(shù)研究領(lǐng)域的熱點(diǎn)問(wèn)題,它屬于生物特征識(shí)別技術(shù),是利用人本身的生物特征來(lái)區(qū)分不同個(gè)體。但是,由于人與人之間的區(qū)別較小,每個(gè)人的臉部結(jié)構(gòu)很相似,人臉器官的結(jié)構(gòu)外形也相似;人有不同的表情,在不同表情下或者不同角度觀察人,同一個(gè)人的圖像相差很大;另外,光照也會(huì)影響人臉圖像,白天和夜晚、室內(nèi)和室外獲取的同一個(gè)人的人臉圖像相差很大;遮蓋物也會(huì)影響人臉圖像,口罩、墨鏡、頭發(fā)、胡須等會(huì)使同一個(gè)人的人臉圖像不同;年齡在一定程度上也會(huì)影響人臉圖像。由于上述影響因素的存在,導(dǎo)致了人臉識(shí)別的準(zhǔn)確率與其他生物特征識(shí)別相比并不是很高,人臉識(shí)別技術(shù)的研究存在很多困難,但是很有挑戰(zhàn)性。
(二)人臉識(shí)別的過(guò)程。一個(gè)典型的人臉識(shí)別系統(tǒng)處理過(guò)程如圖2.1所示。一般包括人臉檢測(cè)、人臉特征提取、人臉識(shí)別與驗(yàn)證三個(gè)步驟。
圖2.1 人臉識(shí)別技術(shù)處理流程圖
(三)預(yù)處理過(guò)程。預(yù)處理是人臉識(shí)別過(guò)程中的一個(gè)重要環(huán)節(jié)。預(yù)處理是在圖像分析中,對(duì)輸入圖像進(jìn)行特征抽取、分割和匹配前所進(jìn)行的處理。輸入圖像由于圖像采集環(huán)境的不同,如光照明暗程度以及設(shè)備性能的優(yōu)劣等,往往存在有噪聲,對(duì)比度不夠等缺點(diǎn)。另外,距離遠(yuǎn)近,焦距大小等又使得人臉在整幅圖像中間的大小和位置不確定。為了保證人臉圖像中人臉大小,位置以及人臉圖像質(zhì)量的一致性,必須對(duì)圖像進(jìn)行預(yù)處理。圖像預(yù)處理的目的是消除圖像中無(wú)關(guān)信息,濾除干擾、噪聲,恢復(fù)有用的真實(shí)信息,從而改進(jìn)特征抽取、圖像分割、匹配和識(shí)別的可靠性。
在預(yù)處理階段,對(duì)圖像進(jìn)行優(yōu)化,盡可能去除或者減小光照、成像系統(tǒng)、外部環(huán)境等對(duì)待處理圖像的干擾,為后續(xù)處理提高質(zhì)量。人臉圖像的預(yù)處理主要包括人臉圖像的增強(qiáng)。人臉圖像增強(qiáng)是為了改善人臉圖像的質(zhì)量,使圖像更利于計(jì)算機(jī)的處理與識(shí)別。
三、人臉圖像預(yù)處理方法
無(wú)論是直接獲取的灰度圖像,還是由彩色圖像轉(zhuǎn)換得到的灰度圖像,不可避免的存在噪聲。噪聲對(duì)圖像質(zhì)量有很大的影響,為提高后續(xù)圖像處理的精確度,需要對(duì)圖像進(jìn)行去噪和增強(qiáng)等預(yù)處理。
(一)直方圖均衡化。直方圖均衡化是將一已知灰度概率密度分布的圖像,經(jīng)過(guò)某種變換,變成一幅具有均勻灰度概率分布的新圖像,其結(jié)果是擴(kuò)展了像元取值的動(dòng)態(tài)范圍,從而達(dá)到了增強(qiáng)圖像整體對(duì)比度的效果。均衡化處理的步驟:對(duì)給定的待處理圖像統(tǒng)計(jì)其直方圖,求出 ;根據(jù)統(tǒng)計(jì)出的直方圖采用累積分布函數(shù)做變換, ,求變換后的新灰度;用新灰度代替就灰度,求出 ,這一步是近似過(guò)程,應(yīng)根據(jù)處理的目的盡量做到合理,同時(shí)把灰度值相等或近似的合并到一起。
圖3.1直方圖均衡化
由圖3.1可以看出,原圖像的灰度值非常集中,其對(duì)比度效果較差,直方圖均衡化處理之后,灰度值重新分配,直方圖的范圍增加,原來(lái)分布較密的部分被拉伸,分布稀疏的部分被壓縮,使圖像的對(duì)比度得到增強(qiáng),處理之后圖像的一些細(xì)節(jié)也突出了。
(二)中值濾波。中值濾波是一種非線性處理技術(shù),能抑制圖像中的噪聲。進(jìn)行中值濾波不僅可以去除孤點(diǎn)噪聲,而且可以保持圖像的邊緣特性,不會(huì)使圖像產(chǎn)生顯著的模糊,比較適合于實(shí)驗(yàn)中的人臉圖像。中值濾波的步驟如下:
(1)將模板在圖中漫游,并將模板中心與圖中某個(gè)像素位置重合;
(2)讀取模板下各對(duì)應(yīng)像素的灰度值;
(3)將這些灰度值從小到大排成一列;
(4)找出這些值里排在中間的一個(gè);
(5)將這個(gè)中間值賦給對(duì)應(yīng)模板中心位置的像素。
由以上步驟可以看出,中值濾波的主要功能就是讓與周圍像素灰度值的差比較大的像素改取與周圍像素值接近的值,所以它對(duì)孤立的噪聲像素的消除能力是很強(qiáng)的。由于它不是簡(jiǎn)單的取均值,所產(chǎn)生的模糊比較少,中因此值濾波即能消除噪聲又能保持圖像的細(xì)節(jié)。
(三)同態(tài)濾波。同態(tài)濾波增強(qiáng)是把頻率過(guò)濾和灰度變換結(jié)合起來(lái)的一種處理方法。它是把圖像的照明反射為頻域處理的基礎(chǔ),利用壓縮灰度范圍和增強(qiáng)對(duì)比度來(lái)改善圖像的一種處理技術(shù)。
一幅圖像 可以用它的照射分量 及反射分量 的乘積來(lái)表示,即
經(jīng)過(guò)同態(tài)濾波后其結(jié)果會(huì)改變圖像光強(qiáng)度和反射光強(qiáng)度的特性,因此我們可以做到同時(shí)降低圖像動(dòng)態(tài)范圍,又增加對(duì)比度的結(jié)果。
圖3.2 原始圖像與同態(tài)濾波后的效果圖
由圖3.2,圖像對(duì)比度得到增強(qiáng),像元灰度的動(dòng)態(tài)范圍也得到增強(qiáng),圖像中的一些細(xì)節(jié)更加突出。
四、同態(tài)濾波在人臉預(yù)處理中的應(yīng)用
(一)人臉數(shù)據(jù)庫(kù)。人臉數(shù)據(jù)庫(kù)主要是為在人臉表情(自然、微笑、憤怒、冷酷)、光照(左光源、右光源和雙側(cè)光源)環(huán)境變化條件下,測(cè)試人臉識(shí)別試驗(yàn)。
圖4.1 人臉庫(kù)中的部分人臉圖像
(二)識(shí)別率分析。光照變化條件下對(duì)人臉識(shí)別帶來(lái)了一定的影響,這也是圖像處理中的熱點(diǎn)和難點(diǎn)問(wèn)題,本文采用同態(tài)濾波的方法讀人臉圖像進(jìn)行預(yù)處理,提高人臉圖像的識(shí)別率。
表4.1:訓(xùn)練樣本個(gè)數(shù)變化時(shí)各種人臉預(yù)處理方法識(shí)別率(%)的比較(AR人臉庫(kù))
訓(xùn)練樣本個(gè)數(shù) 150 175 200 225 250 300 325
直方圖均衡化 89.09 94.36 96.07 96.10 96.24 97.30 97.09
同態(tài)濾波 92.71 96.62 97.28 97.35 97.62 97.72 98.03
由表可以看出對(duì)圖像進(jìn)行預(yù)處理后人臉識(shí)別率增高,而且同態(tài)濾波保持較高的識(shí)別率。
五、結(jié)束語(yǔ)
本文主要針對(duì)人臉識(shí)別中圖像預(yù)處理進(jìn)行研究,使用直方圖均衡化、灰度拉伸、中值濾波和同態(tài)濾波的方法對(duì)讀入的人臉圖像進(jìn)行預(yù)處理,從而消除圖像中無(wú)關(guān)信息,增強(qiáng)人臉圖像細(xì)節(jié),為后續(xù)處理做好準(zhǔn)備。本文針對(duì)光照對(duì)人臉圖像的影響,提出了同態(tài)濾波的方法,在預(yù)處理階段消除光照對(duì)人臉圖像的影響,實(shí)驗(yàn)結(jié)果表明預(yù)處理之后人臉識(shí)別率得到了一定的提高。
參考文獻(xiàn):
[1]龔聲榮,劉純平.數(shù)字圖像處理與分析[M].北京:清華大學(xué)出版社,2006.7
關(guān)鍵詞:印制電路板;圖像處理;機(jī)器視覺;PCB裸板;自動(dòng)光學(xué)檢測(cè);缺陷檢測(cè) 文獻(xiàn)標(biāo)識(shí)碼:A
中圖分類號(hào):TP391 文章編號(hào):1009-2374(2016)09-0010-05 DOI:10.13535/ki.11-4406/n.2016.09.005
我國(guó)是全球第一大PCB生產(chǎn)基地,作為電子產(chǎn)品承載體的電路板,其集成度和產(chǎn)量不斷在提高。為了保證電子產(chǎn)品的性能,電路板缺陷檢測(cè)技術(shù)已經(jīng)成為電子行業(yè)中非常關(guān)鍵的技術(shù)。建立在圖像處理算法基礎(chǔ)上的機(jī)器視覺檢測(cè)技術(shù)與傳統(tǒng)的人工檢測(cè)技術(shù)相比,提高了缺陷檢測(cè)的效率和準(zhǔn)確度。因此,設(shè)計(jì)一種高效精準(zhǔn)的機(jī)器視覺檢測(cè)電路板缺陷的系統(tǒng),具有非常重要的現(xiàn)實(shí)意義。評(píng)估印刷電路板質(zhì)量的一個(gè)重要因素就是表觀檢測(cè),PCB的表觀質(zhì)量對(duì)產(chǎn)品性能及成品使用安全有著極大的重要性。而伴隨著近年來(lái)在工業(yè)生產(chǎn)領(lǐng)域崛起的計(jì)算機(jī)視覺,當(dāng)前表觀缺陷檢測(cè)和分類識(shí)別的研究方向已經(jīng)轉(zhuǎn)向了利用計(jì)算機(jī)視覺技術(shù)來(lái)實(shí)現(xiàn)。計(jì)算機(jī)圖像處理識(shí)別技術(shù)這種基于計(jì)算機(jī)視覺的檢測(cè)技術(shù)成功取代了傳統(tǒng)的PCB缺陷檢測(cè)方法,在自動(dòng)光學(xué)檢測(cè)系統(tǒng)眾多應(yīng)用中占據(jù)了相對(duì)重要的地位,一躍成為PCB生產(chǎn)業(yè)表觀缺陷的主要檢測(cè)方法。
圖1 系統(tǒng)框圖
因此本文通過(guò)設(shè)計(jì)AOI自動(dòng)光學(xué)檢測(cè)系統(tǒng),搭建較為簡(jiǎn)單的PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的實(shí)驗(yàn)平臺(tái),對(duì)PCB中四類較為關(guān)鍵、常見的缺陷進(jìn)行檢測(cè)、分析、識(shí)別、判定,為研究推廣PCB缺陷自動(dòng)檢測(cè)系統(tǒng)開拓應(yīng)用前景,如能實(shí)現(xiàn)工業(yè)上的產(chǎn)業(yè)化檢測(cè),將有高額的經(jīng)濟(jì)收益。本文側(cè)重對(duì)PCB中的四類較為關(guān)鍵、常見的缺陷進(jìn)行檢測(cè)、分析、識(shí)別、判定,并且僅搭建了較為簡(jiǎn)單的PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的實(shí)驗(yàn)平臺(tái),即通過(guò)復(fù)雜算法對(duì)采集到的圖像進(jìn)行處理、配準(zhǔn)、對(duì)比,從而得出PCB缺陷類型及對(duì)其進(jìn)行標(biāo)識(shí)。如圖1所示。
1 硬件設(shè)計(jì)方案
PCB缺陷檢測(cè)的總體系統(tǒng)設(shè)計(jì)方案主要是基于自動(dòng)光學(xué)檢測(cè)技術(shù)來(lái)搭建PCB缺陷檢測(cè)系統(tǒng),硬件設(shè)計(jì)是使用CNC-T程控光源高精度影像測(cè)試系統(tǒng)操作臺(tái),對(duì)待測(cè)電路板進(jìn)行圖像采集,再通過(guò)VS2010軟件所編寫程序處理,得出待測(cè)電路板的缺陷種類。整個(gè)系統(tǒng)主要分為運(yùn)動(dòng)控制、光源、圖像采集、圖像處理四個(gè)模塊,分模塊簡(jiǎn)要闡述了實(shí)驗(yàn)過(guò)程、所需設(shè)備以及軟件算法,搭建了一個(gè)相對(duì)完整的系統(tǒng)工作平臺(tái)。
圖2 CNC-T程控光源影像操作臺(tái)
該設(shè)備具有測(cè)量元素種類齊全、手動(dòng)測(cè)量、自動(dòng)對(duì)焦等多種功能,使用該設(shè)備采集圖像進(jìn)行二維檢測(cè),測(cè)量軟體為YR-CNC,將圖像儲(chǔ)存至電腦后便由VS軟件進(jìn)行圖像處理。實(shí)驗(yàn)組成如圖3所示:
圖3 實(shí)驗(yàn)系統(tǒng)框圖
1.1 運(yùn)動(dòng)控制模塊
本系統(tǒng)運(yùn)動(dòng)流程為:被檢測(cè)的PCB在檢測(cè)臺(tái)上,通過(guò)步進(jìn)電機(jī)XY軸運(yùn)動(dòng)到攝像機(jī)拍攝區(qū)域,CCD攝像機(jī)固定在工作臺(tái)上方(Z軸),通過(guò)Z軸的運(yùn)動(dòng)實(shí)現(xiàn)聚焦。如圖4所示:
圖4 平臺(tái)運(yùn)動(dòng)示意圖
設(shè)備工作臺(tái)臺(tái)面尺寸為746mm×506mm,承載玻璃面尺寸為452mm×354mm,有效測(cè)量行程為400×300×200。本裝置既可通過(guò)軟件驅(qū)動(dòng)自動(dòng)采集圖像,也可以通過(guò)手動(dòng)控制,移動(dòng)并聚焦采集待測(cè)PCB的圖像。
1.2 光源模塊
輔助光照――采用的是正向和背向光源這兩種輔助光照。其中正光源和攝像頭同側(cè),均位于Z軸上,正光源主要用于檢測(cè)待測(cè)物體的表面特征。背光源位于檢測(cè)臺(tái)面下方,與正光源處于同軸反向關(guān)系,背光源能突出待測(cè)物體的輪廓特征,常用于檢測(cè)物體輪廓尺寸。
圖像采集:分別利用正光源突出PCB表面如走線、過(guò)孔和焊盤等主要特征,而下光源主要使PCB的輪廓尺寸和過(guò)孔產(chǎn)生強(qiáng)烈的輪廓對(duì)比。
光源:使用的是高度集中照明光源中心的LDR系列,由于該光源的傘狀結(jié)構(gòu)緊密排列著LED且采用了CCS獨(dú)創(chuàng)的柔性板,使之成為L(zhǎng)ED照明系統(tǒng)的標(biāo)準(zhǔn)模式。照明系統(tǒng)如圖5所示:
圖5 照明系統(tǒng)
1.3 圖像采集模塊
圖像采集模塊是由圖像采集卡、相機(jī)和鏡頭組成的,該模塊是圖像配準(zhǔn)階段的硬件基礎(chǔ)。計(jì)算機(jī)采集圖像的媒介就是相機(jī),而相機(jī)按照不同原理又分為多種,常見的有CCD(Charge Coupled Device)和CMOS(Complementary Metal Oxide Semiconductor)兩類。本系統(tǒng)采用的是CCD 1/2英寸43萬(wàn)像素彩色攝像頭和高清晰度0.7~4.5X變焦倍率鏡頭,顯示分辨率為0.001mm。
1.4 圖像處理模塊
通常獲得的圖像將受到工業(yè)現(xiàn)場(chǎng)環(huán)境、光照等條件的干擾,計(jì)算機(jī)所獲得的圖像質(zhì)量多數(shù)參差不齊,圖像的清晰度不一致,大大增加了PCB缺陷檢測(cè)的難度,所以在利用復(fù)雜算法檢測(cè)、識(shí)別PCB缺陷前要先對(duì)圖像進(jìn)行預(yù)處理。
本圖像處理模塊主要通過(guò)VS軟件在OpenCV計(jì)算機(jī)視覺庫(kù)的基礎(chǔ)上,通過(guò)一系列算法對(duì)圖像進(jìn)行處理對(duì)比。
2 系統(tǒng)軟件設(shè)計(jì)
2.1 OpenCV
OpenCV(Open Source Computer Vision Library)是一個(gè)跨平臺(tái)的可以運(yùn)行在Linux、Windows和Mac OS操作系統(tǒng)上的基于(開源)發(fā)行的計(jì)算機(jī)視覺庫(kù)。它重量輕而高效,開放了多種接口如MATLAB、Ruby和Python等,并且在計(jì)算機(jī)視覺和圖像處理中大多數(shù)通用的算法都是被允許的。OpenCV可用于開發(fā)實(shí)時(shí)圖像處理、計(jì)算機(jī)視覺和模式識(shí)別方案,它提供了多種函數(shù),實(shí)現(xiàn)了大量的計(jì)算機(jī)視覺算法,算法涵蓋了從最基礎(chǔ)的濾波至以高級(jí)的物體檢測(cè)。OpenCV實(shí)際上是一堆C和C++語(yǔ)言源代碼文件,許多常見的計(jì)算機(jī)視覺算法由這些源代碼文件實(shí)現(xiàn)。如C接口函數(shù)cvCanny()實(shí)現(xiàn)Canny邊緣檢測(cè)算法。它可直接加入到我們自己的軟件項(xiàng)目編程中,而無(wú)需去編寫自己的Canny算子代碼,就是沒(méi)有必要重復(fù)“造輪子”。
根據(jù)OpenCV中源代碼文件巨多的特點(diǎn),以算法的功能為基準(zhǔn),將這些源文件分到多個(gè)模塊中,如core、imgproc、highgui等。將每個(gè)模塊中的源文件編譯成一個(gè)庫(kù)文件(如opencv_core.lib、opencv_imgproc.lib、opencv_highgui.lib等),用戶在使用時(shí),僅需在自己的項(xiàng)目中添加要用的庫(kù)文件,與自己的源文件一起連接成可執(zhí)行程序即可。
OpenCV計(jì)算機(jī)視覺庫(kù)的出現(xiàn),是為了使人們利用方便快捷的計(jì)算機(jī)視覺框架,在計(jì)算機(jī)視覺領(lǐng)域可以更加輕松地設(shè)計(jì)出更為復(fù)雜的應(yīng)用程序。OpenCV涵蓋了多種計(jì)算機(jī)視覺應(yīng)用區(qū)域,如用戶界面、信息安全、醫(yī)學(xué)影像學(xué)、工廠產(chǎn)品檢驗(yàn)、立體視覺、機(jī)器人和攝像機(jī)標(biāo)定等,約有500多個(gè)函數(shù)。因?yàn)橛?jì)算機(jī)視覺與機(jī)器學(xué)習(xí)是相輔相成的,所以O(shè)penCV也開放了MLL(Machine Learning Library)機(jī)器學(xué)習(xí)庫(kù)。MLL除了在視覺任務(wù)相關(guān)中使用,也可以很容易地應(yīng)用到其他機(jī)器學(xué)習(xí)中。
2.2 Microsoft Visual Studio2010
Visual Studio是微軟公司推出的開發(fā)環(huán)境,是同行業(yè)中目前最流行的Windows平臺(tái)應(yīng)用程序開發(fā)環(huán)境。Visual Studio 2010于2010年4月12日,其集成開發(fā)環(huán)境(IDE)已被重新設(shè)計(jì)和組織,變得更簡(jiǎn)單了。
Visual Studio 2010同時(shí)帶來(lái)了NET Framework 4.0、Microsoft Visual Studio 2010 CTP(Community Technology Preview――CTP),并且支持開發(fā)面向Windows 7的應(yīng)用程序。除了Microsoft SQL Server外,它還支持IBM DB2和Oracle數(shù)據(jù)庫(kù)。目前有專業(yè)版、高級(jí)版、旗艦版、學(xué)習(xí)版和測(cè)試版五個(gè)版本。Visual Studio的用處十分廣泛,不僅可被用來(lái)基于Windows平臺(tái)創(chuàng)建Windows應(yīng)用程序和Web應(yīng)用程序,還可被用來(lái)創(chuàng)建智能設(shè)備、Office插件和Web服務(wù)等應(yīng)用程序。微軟的Visual Studio 2010將成為一個(gè)版本的經(jīng)典,這是相當(dāng)于6.0版本。該版本可以自定義開始頁(yè),新功能還包括:(1)C# 4.0中的動(dòng)態(tài)類型和動(dòng)態(tài)編程;(2)多顯示器支持;(3)使用Visual Studio 2010的特性支持TDD;(4)支持Office;(5)Quick Search特性;(6)C++ 0x新特性;(7)IDE增強(qiáng);(8)使用Visual C++ 2010創(chuàng)建Ribbon界面;(9)新增基于.NET平臺(tái)的語(yǔ)言F#。本課題將基于OpenCV計(jì)算機(jī)視覺庫(kù)使用Microsoft Visual Studio2010開發(fā)環(huán)境,通過(guò)編輯算法實(shí)現(xiàn)PCB缺陷檢測(cè)。
3 圖像預(yù)處理
要使用計(jì)算機(jī)對(duì)圖像進(jìn)行處理,所得到的連續(xù)圖像就必須被轉(zhuǎn)換為離散的數(shù)據(jù)集,這是因?yàn)橛?jì)算機(jī)只能處理離散度數(shù)據(jù),這一過(guò)程我們稱之為圖像采集。圖像采集由圖像采集系統(tǒng)實(shí)現(xiàn),如圖6所示。圖像采集系統(tǒng)的三個(gè)主要模塊是成像系統(tǒng)、采樣系統(tǒng)和量化器。
圖6
將整理出的字符圖像交予識(shí)別模塊來(lái)識(shí)別,被稱為圖像的預(yù)處理。PCB的圖像預(yù)處理包括灰度化、增強(qiáng)、濾波、二值化、配準(zhǔn)等,處理后的PCB輸出的圖像質(zhì)量將得到改善,在很大程度上使得該圖像特征更直觀,方便計(jì)算機(jī)分析和處理。PCB的圖像預(yù)處理為整個(gè)PCB缺陷檢測(cè)系統(tǒng)的核心部件,很大程度上決定了檢測(cè)的準(zhǔn)確性。圖像預(yù)處理流程如圖7所示:
圖7 圖像預(yù)處理流程圖
4 PCB缺陷檢測(cè)
本文針對(duì)四種常見缺陷:斷路、短路、毛刺(凸起)、缺損(凹陷)進(jìn)行檢測(cè)研究。在這四種缺陷中,最為嚴(yán)重的缺陷類型是斷路和短路,它們將會(huì)使整塊板子失去本來(lái)的功能;而凸起、凹陷也可能影響到PCB在使用過(guò)程中的穩(wěn)定性能。如圖8所示為幾種常見的缺陷:
圖8 常見電路板缺陷
4.1 PCB缺陷的檢測(cè)方法
常用的PCB缺陷檢測(cè)方法有參考法和非參考法兩種。要是從概念理解和電路難易程度看,參考法明顯更加具有概念直觀、電路簡(jiǎn)單的優(yōu)勢(shì);要是從檢測(cè)所需要的條件來(lái)看,非參考法則在不需要待測(cè)PCB與標(biāo)準(zhǔn)PCB進(jìn)行準(zhǔn)確對(duì)準(zhǔn)這一點(diǎn)上優(yōu)于參考法。
本課題采用參考法進(jìn)行PCB缺陷檢測(cè)。
使用參考法對(duì)PCB缺陷進(jìn)行檢測(cè)的流程為:(1)確定標(biāo)準(zhǔn)的PCB圖像并放入?yún)⒖紟?kù);(2)通過(guò)成像設(shè)備采集待測(cè)PCB圖像,進(jìn)行圖像預(yù)處理之后,再二值化PCB待測(cè)圖像,并對(duì)其進(jìn)行連通域提取;(3)然后將處理結(jié)果與標(biāo)準(zhǔn)圖像進(jìn)行對(duì)比,利用圖像相減來(lái)判斷PCB可能存在的缺陷;(4)進(jìn)行分類,確定缺陷類型。
4.2 圖像連通域
像素是圖像中最小的單位,每個(gè)像素周圍有8個(gè)鄰接像素,常見的鄰接關(guān)系有兩種:4鄰接與8鄰接。4鄰接一共4個(gè)點(diǎn),即上下左右。包括對(duì)角線位置的點(diǎn),8鄰接的點(diǎn)一共有8個(gè),如圖9所示:
圖9 領(lǐng)域示圖
如果像素點(diǎn)A與B鄰接,我們稱A與B連通,即有如下的結(jié)論:
如果A與B連通、B與C連通,則A與C連通。在視覺上看來(lái),點(diǎn)與點(diǎn)相互連通,形成一個(gè)區(qū)域,而不是連通的點(diǎn)形成不同的區(qū)域。這種相互立體的所有的點(diǎn),我們稱為連通區(qū)域。連通區(qū)域標(biāo)記常用的方法有Two-Pass(兩遍掃描法)和Seed Filling(種子填充法)兩種方法,本課題主要介紹第二種。
Seed Filling來(lái)源于計(jì)算機(jī)圖形學(xué),通常應(yīng)用在填充圖形上。思路:以一個(gè)前景像素當(dāng)作種子,而后在處于同一像素值且位置相鄰的連通區(qū)域,把和種子相鄰的前景像素融合到同一組像素中,結(jié)果將是獲得一個(gè)像素集,即連通區(qū)域。接下來(lái)介紹使用種子填充法實(shí)現(xiàn)的連通區(qū)域分析法:
第一,重復(fù)掃描圖像,當(dāng)?shù)玫疆?dāng)前像素點(diǎn)B(x,y)=1時(shí)停止:(1)賦予B(x,y)一個(gè)label,并將像素位置作為種子,接著將所有位于該種子周圍的前景像素都?jí)喝霔V?;?)將棧頂像素賦以相同的label值并彈出,接著將全部位于棧頂像素周邊的前景像素都?jí)喝霔V?;?)重復(fù)(2)步驟,直到棧為空。此時(shí),圖像B中的一個(gè)像素值被標(biāo)記為label的連通區(qū)域便被找到了。
第二,在掃描結(jié)束前,重復(fù)第一個(gè)步驟,由此可以獲得圖像B中所有的連通區(qū)域在掃描結(jié)束后。
掃描所得的連通域如圖10所示:
圖10 圖像連通域提取
4.3 缺陷識(shí)別
缺陷識(shí)別具體特征如表1所示:
表1 缺陷特征
缺陷種類 二值圖像面積 連通區(qū)域數(shù)
斷路 減少 增加
短路 增加 減少
凸起 增加 不變
凹陷 減少 不變
第一,短路和斷路。在出現(xiàn)短路缺陷時(shí),待測(cè)圖像與標(biāo)準(zhǔn)圖像相比,其所包含的連通區(qū)域數(shù)將會(huì)減少。同理可得,在出現(xiàn)斷路缺陷時(shí),待測(cè)圖像與標(biāo)準(zhǔn)圖像相比,其所包含的連通區(qū)域數(shù)將會(huì)增多。因此,斷路和短路缺陷便可利用比較連通區(qū)域數(shù)來(lái)判定和識(shí)別。
第二,凸起和凹陷。凸起缺陷將導(dǎo)致導(dǎo)線和導(dǎo)線、導(dǎo)線和其他導(dǎo)體間的間隙變小,而凹陷缺陷將導(dǎo)致導(dǎo)線和導(dǎo)線、導(dǎo)線和其他導(dǎo)體間的間隙變大,二者均會(huì)導(dǎo)致PCB使用過(guò)程中出現(xiàn)不穩(wěn)定狀態(tài)。而觀察可知,這兩種缺陷的連通區(qū)域相同,差別在于各自二值化面積的大小,所以可以通過(guò)計(jì)算該待測(cè)圖像的連通區(qū)域面積來(lái)識(shí)別凸起、凹陷缺陷。
識(shí)別過(guò)程:將經(jīng)過(guò)圖像預(yù)處理的待測(cè)PCB圖像與標(biāo)準(zhǔn)圖像進(jìn)行對(duì)比后,通過(guò)算法找出缺陷。比較二者的連通區(qū)域數(shù),若前者大于后者,則標(biāo)定該缺陷點(diǎn)為斷路,反之則為短路;若二者連通區(qū)域數(shù)相同,則比較二值化圖像面積,若前者大于后者,則標(biāo)定該缺陷點(diǎn)為凸起,反之則為凹陷。檢測(cè)流程如圖11所示:
圖11 PCB缺陷檢測(cè)流程圖
5 系統(tǒng)實(shí)驗(yàn)
本文使用CNC-T程控光源高精度影像測(cè)試系統(tǒng)操作臺(tái),結(jié)合VS2010軟件基于OpenCV計(jì)算機(jī)視覺庫(kù)的算法編程來(lái)實(shí)現(xiàn)PCB的缺陷檢測(cè)。整體實(shí)驗(yàn)過(guò)程為:手動(dòng)控制操作臺(tái)捕捉、聚焦、采集待測(cè)PCB的圖像,采集到的圖像與標(biāo)準(zhǔn)圖像進(jìn)行對(duì)比、識(shí)別,得出缺陷種類并顯示結(jié)果。
本課題一共就所研究缺陷類型,做了40組實(shí)驗(yàn),通過(guò)實(shí)驗(yàn)結(jié)果計(jì)算正確率。如表2所示:
表2 實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)
缺陷類型 實(shí)驗(yàn)次數(shù) 正確率
斷路 10 100%
短路 10 100%
凸起 10 100%
凹陷 10 100%
針對(duì)不同電路板圖中出現(xiàn)的同種斷路類型進(jìn)行檢測(cè),效果如圖12a、圖12b、圖12c所示,可準(zhǔn)確檢測(cè)出缺陷存在。
圖12
針對(duì)不同電路板圖中出現(xiàn)的同種短路類型進(jìn)行檢測(cè),效果如圖13a、圖13b、圖13c所示,可準(zhǔn)確檢測(cè)出缺陷存在。
圖13
針對(duì)不同電路板圖中出現(xiàn)的同種凸起類型進(jìn)行檢測(cè),效果如圖14a、圖14b、圖14c所示,可準(zhǔn)確檢測(cè)出缺陷存在。
圖14
針對(duì)不同電路板圖中出現(xiàn)的同種凹陷類型進(jìn)行檢測(cè),效果如圖15a、圖15b、圖15c所示,可準(zhǔn)確檢測(cè)出缺陷存在。
圖15
6 結(jié)語(yǔ)
PCB板面向體積越來(lái)越小、密度越來(lái)越高的方向發(fā)展。在檢測(cè)產(chǎn)品價(jià)格方面,國(guó)外AOI檢測(cè)產(chǎn)品價(jià)格普遍偏高,而由于經(jīng)濟(jì)原因,在國(guó)內(nèi)PCB板生產(chǎn)制造商多數(shù)仍采用人工目測(cè)等傳統(tǒng)檢測(cè)方法檢測(cè)。隨著經(jīng)濟(jì)的發(fā)展,數(shù)字圖像處理研究的深入,自動(dòng)光學(xué)檢測(cè)系統(tǒng)也開始頻繁活躍在人們視線中,但在PCB缺陷檢測(cè)方面的應(yīng)用卻還有待完善。因此,本論文建立在深入掌握工控系統(tǒng)結(jié)構(gòu)并從PCB板的質(zhì)量標(biāo)準(zhǔn)、圖像特點(diǎn)、缺陷特征及檢測(cè)要求的分析基礎(chǔ)上,對(duì)以圖像處理為基礎(chǔ)的PCB缺陷檢測(cè)技術(shù)進(jìn)行了深入研究。由于PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的研究涉及多個(gè)領(lǐng)域的知識(shí),其研究過(guò)程十分耗時(shí)、繁瑣,由此,本論文僅僅對(duì)PCB缺陷檢測(cè)中較為常見的問(wèn)題進(jìn)行了較深入研究,并且僅搭建了較為簡(jiǎn)單的PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的實(shí)驗(yàn)平臺(tái),對(duì)PCB中的四類較為關(guān)鍵、常見的缺陷進(jìn)行檢測(cè)、分析、識(shí)別、判定。雖然還未實(shí)現(xiàn)真正實(shí)現(xiàn)工業(yè)上產(chǎn)業(yè)化檢測(cè),但是在未來(lái)幾十年中,研究推廣的PCB缺陷自動(dòng)檢測(cè)系統(tǒng)將有十分良好的應(yīng)用前景,也將有高額的經(jīng)濟(jì)收益。
參考文獻(xiàn)
[1] 陳勝勇,劉盛,等.基于OpenCV的計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)[M].北京:科學(xué)出版社,2008.
[2] Gary Bradski,Adrian Kaebler,于仕琪,等.學(xué)習(xí)OpenCV[M].北京:清華大學(xué)出版社,2009.
[3] 周長(zhǎng)發(fā).精通Visual C++圖像處理編程(第3版)
[M].北京:電子工業(yè)出版社,2006.
[4] 黨振.中國(guó)大陸PCB產(chǎn)業(yè)的現(xiàn)狀與未來(lái)[J].印制電路信息,2006,32(1).
[5] 胡躍明,譚穎.自動(dòng)光學(xué)檢測(cè)在中國(guó)的應(yīng)用現(xiàn)狀和發(fā)展[J].微計(jì)算機(jī)信息,2006,(4).
[6] 李漢,何星,等.印刷電路板的自動(dòng)光學(xué)檢測(cè)系統(tǒng)
[J].無(wú)損檢測(cè),2004,26(6).
[7] 張利,高永英,等.PCB板檢測(cè)中的定位研究[J].中國(guó)圖像圖形學(xué),1999,4(8).
[8] 姚立新,張武學(xué),等.AOI系統(tǒng)在PCB中的應(yīng)用[J].電子工業(yè)專用備,2004,(5).
[9] 范小濤,夏雨人.一種基于圖像處理的PCB檢測(cè)算法研究[J].計(jì)算機(jī)工程與應(yīng)用,2004,(13).
[10] 傅莉.印制電路板的發(fā)展及前景[J].電腦與電信,2010,(5).
[11] 張明軒.基于視頻序列的人臉檢測(cè)與跟蹤算法研究[D].中北大學(xué),2011.
[12] 張馳.基于機(jī)器視覺的智能控制與圖像識(shí)別問(wèn)題研究[D].蘭州理工大學(xué),2009.
[13] 謝飛.基于計(jì)算機(jī)視覺的自動(dòng)光學(xué)檢測(cè)關(guān)鍵技術(shù)與應(yīng)用研究[D].南京大學(xué),2013.
[14] 張靜.PCB表觀缺陷的自動(dòng)光學(xué)檢測(cè)理論與技術(shù)
[D].電子科技大學(xué),2013.
[15] 俞瑋.AOI技術(shù)在PCB缺陷檢測(cè)中的應(yīng)用研究[D].電子科技大學(xué),2007.
級(jí)別:部級(jí)期刊
榮譽(yù):中國(guó)學(xué)術(shù)期刊(光盤版)全文收錄期刊
級(jí)別:省級(jí)期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)
級(jí)別:部級(jí)期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)
級(jí)別:部級(jí)期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)
級(jí)別:省級(jí)期刊
榮譽(yù):中國(guó)學(xué)術(shù)期刊(光盤版)全文收錄期刊