對(duì)復(fù)雜背景圖像局部輪廓信息進(jìn)行識(shí)別,能夠快速獲取圖像相關(guān)信息,對(duì)圖像局部輪廓信息進(jìn)行智能識(shí)別,需要對(duì)復(fù)雜背景圖像進(jìn)行分解提取多尺度細(xì)節(jié)特征,將圖像原圖與經(jīng)過(guò)形態(tài)學(xué)運(yùn)算操作后的圖像作差。傳統(tǒng)方法利用相與操作算子對(duì)復(fù)雜背景進(jìn)行處理,將圖像中的干擾信號(hào)剔除,但忽略了對(duì)圖像的細(xì)節(jié)分解,導(dǎo)致識(shí)別效率低。提出一種基于Tophat算法的復(fù)雜背景圖像局部輪廓信息人工智能識(shí)別方法,利用對(duì)偶樹(shù)復(fù)小波變換的優(yōu)良特性對(duì)復(fù)雜背景圖像進(jìn)行分解提取多尺度細(xì)節(jié)特征。對(duì)提取獲得的圖像特征進(jìn)行灰度膨脹、腐蝕、開(kāi)閉運(yùn)算。將圖像原圖與經(jīng)過(guò)形態(tài)學(xué)運(yùn)算操作后的圖像作差,實(shí)現(xiàn)了對(duì)復(fù)雜背景圖像局部輪廓信息的識(shí)別。仿真結(jié)果表明,所提方法的識(shí)別精度高,提高復(fù)雜背景圖像局部輪廓的信噪比,為后續(xù)實(shí)現(xiàn)圖像更多信息的獲取奠定了良好基礎(chǔ)。 

【文章來(lái)源】：計(jì)算機(jī)仿真. 2018,35(08)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

復(fù)雜背景原圖

能識(shí)別。4仿真設(shè)計(jì)與結(jié)果分析為了更加準(zhǔn)確地評(píng)價(jià)復(fù)雜背景圖像局部輪廓信息識(shí)別方法的有效性和可行性，選取優(yōu)質(zhì)的判斷方法非常必要，選取一天空復(fù)雜背景圖像，基于CPU型號(hào)為E6750，主頻為2.66GHz，內(nèi)存為4GB的PC機(jī)，在MATLAB7.0的軟件平臺(tái)下進(jìn)行仿真。從客觀和主觀兩個(gè)方面來(lái)衡量背景抑制后的圖像質(zhì)量。圖1～圖5所示為仿真選用的復(fù)雜背景圖像及其背景抑制主觀視覺(jué)效果圖。圖1復(fù)雜背景原圖從圖1可以看出，天空?qǐng)D像中的背景區(qū)域十分復(fù)雜，圖像的信雜比比較低，圖2是天空復(fù)雜背景圖像的灰度處理結(jié)果，圖3～圖5分別展示了文獻(xiàn)［4］方法、文獻(xiàn)［5］方法和研究提出的Tophat算法的圖像主觀視覺(jué)效果，觀察發(fā)現(xiàn)，文獻(xiàn)［4］方法可以在一定程度上抑制弱小目標(biāo)周?chē)鷧^(qū)域的背景噪圖2天空背景灰度圖圖3文獻(xiàn)［4］方法的背景抑制主觀視覺(jué)效果圖4文獻(xiàn)［5］方法的背景抑制主觀視覺(jué)效果圖5基于Tophat算法的背景抑制主觀視覺(jué)效果聲干擾;文獻(xiàn)［5］方法較好地突出了弱小目標(biāo)，但仍然殘留較多背景雜波;采用Tophat算法后的背景抑制效果顯示，背景中起伏波動(dòng)較大的部分均得到平緩，雜波干擾也得到了很大程度抑制，主觀視覺(jué)處理效果最好。采用以下六個(gè)客觀評(píng)價(jià)標(biāo)準(zhǔn)對(duì)圖1包含弱小目標(biāo)的天空背景圖像進(jìn)行抑制方法性能對(duì)比:1)背景抑制后圖像的全局信噪比，具體計(jì)算公式如下SNＲ=(ft－fb)/μ(12)式中，μ表示弱小目標(biāo)定位跟蹤的背景標(biāo)準(zhǔn)差�！�363—

教?下進(jìn)行仿真。從客觀和主觀兩個(gè)方面來(lái)衡量背景抑制后的圖像質(zhì)量。圖1～圖5所示為仿真選用的復(fù)雜背景圖像及其背景抑制主觀視覺(jué)效果圖。圖1復(fù)雜背景原圖從圖1可以看出，天空?qǐng)D像中的背景區(qū)域十分復(fù)雜，圖像的信雜比比較低，圖2是天空復(fù)雜背景圖像的灰度處理結(jié)果，圖3～圖5分別展示了文獻(xiàn)［4］方法、文獻(xiàn)［5］方法和研究提出的Tophat算法的圖像主觀視覺(jué)效果，觀察發(fā)現(xiàn)，文獻(xiàn)［4］方法可以在一定程度上抑制弱小目標(biāo)周?chē)鷧^(qū)域的背景噪圖2天空背景灰度圖圖3文獻(xiàn)［4］方法的背景抑制主觀視覺(jué)效果圖4文獻(xiàn)［5］方法的背景抑制主觀視覺(jué)效果圖5基于Tophat算法的背景抑制主觀視覺(jué)效果聲干擾;文獻(xiàn)［5］方法較好地突出了弱小目標(biāo)，但仍然殘留較多背景雜波;采用Tophat算法后的背景抑制效果顯示，背景中起伏波動(dòng)較大的部分均得到平緩，雜波干擾也得到了很大程度抑制，主觀視覺(jué)處理效果最好。采用以下六個(gè)客觀評(píng)價(jià)標(biāo)準(zhǔn)對(duì)圖1包含弱小目標(biāo)的天空背景圖像進(jìn)行抑制方法性能對(duì)比:1)背景抑制后圖像的全局信噪比，具體計(jì)算公式如下SNＲ=(ft－fb)/μ(12)式中，μ表示弱小目標(biāo)定位跟蹤的背景標(biāo)準(zhǔn)差�！�363—

【參考文獻(xiàn)】：
期刊論文
[1]基于層次輪廓計(jì)算機(jī)視覺(jué)的交通路標(biāo)識(shí)別[J]. 趙鐸.  電子設(shè)計(jì)工程. 2017(14)
[2]基于輪廓和ASIFT特征的目標(biāo)檢測(cè)與跟蹤算法[J]. 顧蘇杭,陸兵,馬正華.  計(jì)算機(jī)仿真. 2017(06)
[3]基于圓弧的原木輪廓的識(shí)別與驗(yàn)證[J]. 林耀海,景林,王長(zhǎng)纓,王雪平,林甲祥,林培杰.  福建農(nóng)林大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[4]多特征的光學(xué)遙感圖像多目標(biāo)識(shí)別算法[J]. 姬曉飛,秦寧麗,劉洋.  智能系統(tǒng)學(xué)報(bào). 2016(05)
[5]基于kinect深度圖像的目標(biāo)定位與識(shí)別[J]. 周振,杜姍姍.  機(jī)械制造與自動(dòng)化. 2016(04)
[6]運(yùn)動(dòng)員動(dòng)作三維視覺(jué)圖像準(zhǔn)確識(shí)別仿真研究[J]. 劉和臣.  計(jì)算機(jī)仿真. 2016(08)
[7]遠(yuǎn)程采集圖像特征的優(yōu)化識(shí)別過(guò)程仿真[J]. 崔永鋒,劉偉.  控制工程. 2016(07)
[8]引入局部全局信息的區(qū)域自適應(yīng)局域化快速活動(dòng)輪廓模型[J]. 廖祥云,袁志勇,鄭奇,童倩倩,賴(lài)虔葑,張貴安.  計(jì)算機(jī)學(xué)報(bào). 2016(07)
[9]基于局部特征和語(yǔ)義信息的扣件圖像檢測(cè)[J]. 羅建橋,劉甲甲,李柏林,熊鷹.  計(jì)算機(jī)應(yīng)用研究. 2016(08)
[10]自然場(chǎng)景中基于局部輪廓特征的對(duì)象識(shí)別方法[J]. 朱銘武,韓軍,陸冬明,班孝坤.  計(jì)算機(jī)工程與應(yīng)用. 2016(01)



本文編號(hào)：3563159