基于圖像的測(cè)量由于具有檢測(cè)精度高、速度快、成本低等優(yōu)點(diǎn),而廣泛應(yīng)用于醫(yī)療、工業(yè)、農(nóng)業(yè)、軍事和國(guó)防等領(lǐng)域。因此,它也成為計(jì)算機(jī)視覺領(lǐng)域最熱門的研究課題之一。在醫(yī)院手部燒傷燙傷的康復(fù)治療中,彈力手套是一種常見的康復(fù)手段。傳統(tǒng)方法是測(cè)量人員到病房直接對(duì)患者手部進(jìn)行測(cè)量,從而制備出彈力手套。人工測(cè)量方法中個(gè)人依據(jù)標(biāo)準(zhǔn)不同,測(cè)出數(shù)據(jù)誤差不同;并且人力培養(yǎng)時(shí)間長(zhǎng),成本高。所以,采用基于圖像的測(cè)量技術(shù)對(duì)患者手部進(jìn)行拍照并測(cè)量手部參數(shù)輔助彈力手套制備有著重要的實(shí)際應(yīng)用價(jià)值。為了解決基于圖像的特征檢測(cè)、幾何參數(shù)測(cè)量等問題,本文基于患者的手部圖像著重研究了特征提取及參數(shù)測(cè)量方法,主要工作有:1、給出了一種融合分塊加權(quán)局部二值特征（BW-LBP,Block Weighted Locally Binary Pattern）與MFRAT（修改的有限Radon變換的線性濾波器）的手掌掌紋特征提取方法。該方法首先利用圖像高頻強(qiáng)調(diào)濾波和限制對(duì)比度自適應(yīng)直方圖均勻化結(jié)合方法對(duì)手部圖像進(jìn)行增強(qiáng),然后利用將原始局部二值特征（LBP,Locally Binary Pattern）中由單個(gè)像素點(diǎn)與鄰域像素點(diǎn)的對(duì)比實(shí)現(xiàn)為多個(gè)區(qū)域... 

【文章來源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１基恩士視覺測(cè)量系統(tǒng)

法應(yīng)用到實(shí)際手部紋路主線提取問題中，查看提取的效果。??２．２改進(jìn)的手部圖像局部紋理特征提取方法??２．２．１?ＢＷ－ＬＢＰ?方法與?Ｍｏｄｉｆｉｅｄ?Ｆｉｎｉｔｅ?Ｒａｄｏｎ?變換方法??（１）?ＬＢＰ??最先提出的ＬＢＰ算子定義在圖像中一個(gè)３ｘ３大小的像素區(qū)域中，在這個(gè)區(qū)域中中??心的像素灰度值作為做差值計(jì)算的參考值，做差值的對(duì)象是區(qū)域中相鄰的８?jìng)�(gè)像素，??如果存在８?jìng)�(gè)像素中的像素值比區(qū)域參考值大，那么這個(gè)鄰域點(diǎn)的位置置１，如果存??在８?jìng)�(gè)像素中的像素值比區(qū)域參考值小則置０，如圖２－１所示。上述操作完成后的結(jié)??果是一個(gè)８位二進(jìn)制數(shù)，為了獲取ＬＢＰ碼，需要把這個(gè)二進(jìn)制數(shù)轉(zhuǎn)換為十進(jìn)制，存在??２５６種不同的ＬＢＰ碼，將這個(gè)１０進(jìn)制值表示窗口中心像素點(diǎn)的ＬＢＰ值，來反應(yīng)中心??像素為中心的３ｘ３區(qū)域的紋理信息。??Ｉ９ＨＤＨＩ?Ｔｈｒｅｓｈｏｌｄ?０?１?１??３２?８３?２０４??？＞?０?１??？?（０１１１１１００）ｉｏ＝１２４??６１?１７４?２５０?８３?０?１?１?Ｂｉｎａｉｙ?ｄｅｃｉｍａｌ??Ｌ??圖２－１?ＬＢＰ處理過程示意圖??Ｆｉｇ．２－１?ＬＢＰ?ｐｒｏｃｅｓｓ?ｓｃｈｅｍａｔｉｃ??記為以像素＆為中心鄰域內(nèi)的Ｐ個(gè)像素的集合，定義??１０??

?北京化工大學(xué)碩士學(xué)位論文???＾＾快平均灰度值為６??＼?｜?７?｜?６?｜?８??＇ＨＩ?４?７?０?０?１??７?Ｈ?閾值???？?〇?０??／?５?６?６????（８?Ｉ?５?１?７?［?１?１?１?°?１?１??￣？快平均灰度值為５??圖２－２分塊ＬＢＰ特征的圖像表示??Ｆｉｇ．２－２?Ｂｌｏｃｋ?ｔｈｅ?ｉｍａｇｅ?ｒｅｐｒｅｓｅｎｔａｔｉｏｎ?ｏｆ?ＬＢＰ?ｆｅａｔｕｒｅ??傳統(tǒng)ＬＢＰ值求取僅依賴中心像素點(diǎn)與鄰域像素點(diǎn)的關(guān)系，沒有考慮圖像中鄰域內(nèi)??中心像素周圍各個(gè)像素點(diǎn)灰度值之間的差異，使圖像中某些鄰域內(nèi)的鄰域像素灰度值??無任何相關(guān)的情況［３］，由這些像素計(jì)算得到的ＬＢＰ結(jié)果存在相同的情況�？捎蓤D２－３??看出，在圖像中區(qū)域塊不同，并且中心像素點(diǎn)灰度值也不一樣的情況下（分別為１００??和６０），在初始ＬＢＰ方法最終計(jì)算的ＬＢＰ碼卻相同，在圖像選擇區(qū)域可以看到鄰域??像素點(diǎn)分布存在明顯差異，因此會(huì)造成很大的誤差。??傳統(tǒng)ＬＢＰ采用的是中心像素點(diǎn)灰度值與鄰域內(nèi)所有像素點(diǎn)的不一致關(guān)系，沒有考??慮到圖像的連續(xù)存在性，也忽視鄰域點(diǎn)在位置分布上存在的差異，鄰域點(diǎn)間的關(guān)系能??更好描述圖像，因此在使用ＬＢＰ算子過程中存在丟失部分紋理特征的可能。??Ｂ—，關(guān)??—圓，??圖２－３鄰域分布不同ＬＢＰ值相同示意圖??Ｆｉｇ．２－３?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｓａｍｅ?ＬＢＰ?ｖａｌｕｅｓ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｎｅｉｇｈｂｏｒｈｏｏｄ?ｄｉｓｔｒｉｂｕｔｉｏｎｓ??（３）?ＢＷ－ＬＢＰ?方法??為克服上述方法存在的缺陷，本文提出改進(jìn)的分塊加權(quán)ＬＢＰ算子，記為ＢＷ－

【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)局部二值模式的紋理特征提取方法[J]. 李松,蔡航,于蒙.  計(jì)算機(jī)應(yīng)用與軟件. 2019(09)
[2]基于二維圖像的三維幾何參數(shù)測(cè)量研究[J]. 張黎,陳軍,劉春玲,羅維平,游長(zhǎng)莉.  武漢紡織大學(xué)學(xué)報(bào). 2019(04)
[3]基于改進(jìn)紋理特征的現(xiàn)堪圖像檢索算法[J]. 蘭蓉,馬威.  西安郵電大學(xué)學(xué)報(bào). 2019(04)
[4]一種紋理缺陷特征提取算法[J]. 吳煥新,岳曉峰,秦偉洋,張鵬飛.  計(jì)算機(jī)與數(shù)字工程. 2019(05)
[5]一種線陣CCD融合光柵尺的高精度尺寸測(cè)量新方法研究[J]. 同志學(xué),白金池,康智強(qiáng).  光學(xué)技術(shù). 2019(03)
[6]一種基于加權(quán)顏色形狀特征和LBP-GLCM紋理特征提取的服裝圖像檢索方法[J]. 繆智文,何麗嘉,劉洞波.  紡織報(bào)告. 2019(04)
[7]基于圖像分割的雙目無源測(cè)距[J]. 謝志宏,王楠洋,宗艷桃,倪華陽(yáng).  計(jì)算機(jī)仿真. 2019(02)
[8]基于單應(yīng)矩陣的手眼視覺系統(tǒng)簡(jiǎn)便標(biāo)定方法[J]. 張航,王曉凱,張?jiān)迄i.  計(jì)算機(jī)工程. 2018(09)
[9]基于圖像的人體特征點(diǎn)提取與尺寸測(cè)量[J]. 許明星,李重.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(06)
[10]基于局部線性二值模式的掌紋掌脈融合識(shí)別[J]. 王穎,惠曉威,林森.  傳感器與微系統(tǒng). 2018(04)

博士論文
[1]局部紋理特征提取與識(shí)別算法研究及應(yīng)用[D]. 王強(qiáng).西南交通大學(xué) 2018

碩士論文
[1]基于線結(jié)構(gòu)光的物體幾何參數(shù)測(cè)量方法研究[D]. 郭蕾.內(nèi)蒙古科技大學(xué) 2019
[2]基于圖像的油菜表型參數(shù)測(cè)量方法研究[D]. 吳文華.浙江大學(xué) 2019
[3]基于機(jī)器視覺的槍彈外形幾何參數(shù)測(cè)量研究[D]. 施洋.中北大學(xué) 2019
[4]基于圖像的二維和三維幾何量測(cè)量方法研究[D]. 錢斌.南昌航空大學(xué) 2018
[5]基于改進(jìn)LBP算子的人臉識(shí)別算法研究[D]. 徐金林.安徽理工大學(xué) 2018
[6]基于改進(jìn)LBP算子的圖像紋理分類研究[D]. 高攀.西南交通大學(xué) 2018
[7]基于聯(lián)合邊緣和方向特征的掌紋識(shí)別[D]. 李夢(mèng)雯.安徽大學(xué) 2018
[8]基于機(jī)器視覺的手機(jī)二維尺寸測(cè)量技術(shù)研究[D]. 劉杰.廣東工業(yè)大學(xué) 2017
[9]基于圖像的遠(yuǎn)程人體測(cè)量及個(gè)性化女體模型生成[D]. 楊敏.蘇州大學(xué) 2016
[10]基于圖像紋理特征LBP的計(jì)算機(jī)生成圖像與真實(shí)圖像的取證技術(shù)研究[D]. 李艷紅.北京交通大學(xué) 2014



本文編號(hào)：3292450