隨著科技的高速發(fā)展,智能手機(jī)的大規(guī)模普及以及移動終端硬件性能的提高,博物館的展示有了煥然一新的體驗(yàn)方式。圖像處理技術(shù)在新體驗(yàn)方式中的應(yīng)用成為了一個研究熱點(diǎn),比如如何更生動、形象的向用戶展示文物的信息,如何將圖像識別技術(shù)更好的應(yīng)用在AR技術(shù)這個領(lǐng)域,當(dāng)用戶使用自己手中的移動設(shè)備對著文物掃一掃時,其相關(guān)信息能迅速并準(zhǔn)確無誤的展現(xiàn)在用戶眼前等等。本文實(shí)現(xiàn)了一個基于邊緣檢測的文物識別系統(tǒng),在檢測到圖像主體文物的邊緣后,利用Open CV中的函數(shù)劃定主體輪廓,提取文物主體進(jìn)行Harris角點(diǎn)檢測進(jìn)行特征提取,計(jì)算Hausdorff距離進(jìn)行相似度度量完成對文物的分類識別。本文的主要研究內(nèi)容如下:（1）邊緣檢測算法。通過采用改進(jìn)的Canny邊緣檢測算子對采集到的圖像進(jìn)行文物主體檢測,通過分割提取到文物主體的圖像。改進(jìn)后的Canny算法不僅能夠很好的提取文物的邊緣曲線,而且對文物的邊緣細(xì)節(jié)起到了一定的保護(hù)作用。（2）特征提取。在特征提取階段,選用Harris角點(diǎn)檢測算法對采集到的圖像中文物主體目標(biāo)進(jìn)行角點(diǎn)樣本數(shù)據(jù)集的獲取,形成Harris角點(diǎn)特征。（3）文物識別。將已檢測的文物角點(diǎn)數(shù)據(jù)點(diǎn)集作為分類的模... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

文物原圖

中北大學(xué)學(xué)位論文20雙閾值算法圖像邊緣的連接：我們設(shè)大于T1的像素點(diǎn)為O1，介于T1、T2之間的像素點(diǎn)為O2。在O2中找到一個不為零的點(diǎn)，開始對其進(jìn)行跟蹤，跟蹤此點(diǎn)所在的輪廓線，直到該輪廓線的終點(diǎn)為止。在O1中找到和O2中對應(yīng)的像素點(diǎn)并進(jìn)行分析，同時找到該點(diǎn)在O2周圍的8個像素點(diǎn)，如果存在非零的像素點(diǎn)就將此點(diǎn)保存在O2中。之后將所有滿足上述要求的點(diǎn)進(jìn)行統(tǒng)計(jì)。將每一個像素點(diǎn)分別進(jìn)行輪廓線的掃描，直到在O2中無法繼續(xù)上述的步驟為止。Canny算子是一種適用場合較為廣泛的經(jīng)典邊緣檢測算子。Canny算子在進(jìn)行圖像的邊緣檢測時，可以根據(jù)不同類型的圖像設(shè)置不同的參數(shù)，所以Canny算子的檢測率是比較高的，Canny算子常常會和高斯濾波器相關(guān)聯(lián)，在使用Canny算子和高斯濾波對圖像進(jìn)行處理時，要選取合適的參數(shù)，這樣會使整個處理過程迅速且準(zhǔn)確。傳統(tǒng)的圖像邊緣檢測算子基本上都是二階差分近似值或者梯度得到的圖像邊緣，這種方式在處理速度和處理效率方面來說表現(xiàn)的都不錯，缺點(diǎn)在于對噪聲的干擾不能很好且無法應(yīng)對較為復(fù)雜的圖像邊緣。2.2.6各邊緣檢測算子分析實(shí)驗(yàn)時將在Anaconda中配置OpenCV，使用它的PythonAPI接口來實(shí)現(xiàn)幾種傳統(tǒng)的邊緣檢測算子，應(yīng)用這些算子處理本文中研究文物對象的圖像得到如下的結(jié)果。圖2-4文物原圖Fig.2-4Originalculturalrelics圖2-5Sobel算子Fig.2-5Sobeloperator

中北大學(xué)學(xué)位論文21圖2-6Roberts算子Fig.2-6Robertsoperator圖2-7Prewitt算子Fig.2-7Prewittoperator圖2-8LOG算子Fig.2-8LOGoperator圖2-9Canny算子Fig.2-9Cannyoperator如圖（2-5）到圖（2-9）所示這幾種算法都能夠?qū)D像的邊緣提取出來，其中Sobel算子、Roberts算子、Prewitt算子能夠很好的適應(yīng)噪聲較多的圖像，但又有所不同，Roberts算子提取之后的輪廓線條較粗，使得邊緣的細(xì)節(jié)丟失很多。Sobel算子提取的邊緣有會將一部分噪聲當(dāng)成圖像的邊緣，造成偽邊緣的產(chǎn)生；Prewitt算子提取的圖像邊緣不連續(xù)的地方很多。這些算法提取出來的圖像邊緣都沒有達(dá)到理想的目標(biāo)。Log算子對噪聲十分的敏感，基本上不會被用到圖像的邊緣檢測，相比較來說Canny算子能夠很好的檢測到圖像中的邊緣，且Canny算子檢測出的邊緣具有很好的閉合性，對圖像中的邊緣定位也相對的準(zhǔn)確，缺點(diǎn)就是對噪聲的抑制效果差一點(diǎn)。

【參考文獻(xiàn)】：
期刊論文
[1]基于深度圖像的實(shí)時多人體姿態(tài)估計(jì)[J]. 肖賢鵬,劉理想,胡莉,張華.  傳感器與微系統(tǒng). 2020(06)
[2]基于多視圖循環(huán)神經(jīng)網(wǎng)絡(luò)的三維物體識別[J]. 董帥,李文生,張文強(qiáng),鄒昆.  電子科技大學(xué)學(xué)報. 2020(02)
[3]淺談增強(qiáng)現(xiàn)實(shí)技術(shù)在博物館展示中的應(yīng)用[J]. 丁夢瑩.  漢字文化. 2018(15)
[4]一種自適應(yīng)的Canny邊緣檢測算法[J]. 宋人杰,劉超,王保軍.  南京郵電大學(xué)學(xué)報(自然科學(xué)版). 2018(03)
[5]基于OpenCV-Python的圖像分割技術(shù)的設(shè)計(jì)和應(yīng)用[J]. 周宇.  電子世界. 2018(03)
[6]基于Roberts算子的車道線圖像的邊緣檢測研究[J]. 唐陽山,徐忠?guī)?黃賢丞,朱停仃,李棟梁.  遼寧工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2017(06)
[7]基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量分類算法分析研究[J]. 李曉明,任慧,顏金堯.  中國傳媒大學(xué)學(xué)報(自然科學(xué)版). 2017(02)
[8]基于移動終端和AR技術(shù)的博物館文化教育體驗(yàn)系統(tǒng)的設(shè)計(jì)與應(yīng)用研究[J]. 余日季,蔡敏,蔣帥.  中國電化教育. 2017(03)
[9]基于AR-VR混合技術(shù)的博物館展覽互動應(yīng)用研究[J]. 李婷婷,王相海.  計(jì)算機(jī)工程與應(yīng)用. 2017(22)
[10]一種改進(jìn)的Sobel算子邊緣檢測及細(xì)化算法[J]. 沈德海,鄂旭,侯建.  渤海大學(xué)學(xué)報(自然科學(xué)版). 2014(03)



本文編號：3398141