数字图像处理在光学相关识别中的应用研究

来源:用户上传      作者:

　　【摘  要】光学模式识别信息处理容量大，运算速度快，但精度不高，存储不灵活，不易判断控制和分析。联合变换相关器在光学图像相关识别中得到广泛的应用。为了提高联合变换相关器的性能，将数字图像处理技术引入光学相关识别中，主要体现在对联合图像进行预处理及对联合功率谱的滤波处理。本文阐述国内外常用的联合图像预处理算法和功率谱滤波算法，并對这些算法在光学相关识别中应用效果进行研究。
　　【关键词】数字图像处理;光学相关识别;应用
　　一、数字图像处理技术概述
　　 计算机的显著特征在于，能够对各类数据信息进行科学的处理，数字图像在经过采样-量化处理后转变为数字存储在计算机当中，在经过数字图像处理之后，数据信息便会被分割、增强、复原，这一过程就是我们所说的数字图像处理过程。
　　 由此可见，数字图像处理是计算机软硬件有效结合的一种技术，伴随着先进计算机的快速发展及其各行业中广泛运用。在先进计算机科学技术的推动下，数字图像处理技术在获得大程度发展的同时，展现出以下几方面的特点：
　　 1.图像处理的多样性
　　 数字图像编写算法及程序上存在一定差异，会造成最终的图像处理结果也是有所不同的。
　　 2.图像处理精准度较高
　　 随着数字图像处理精准度的不断升高，图像再现性质量也得到了相应的提升，数字图像处理实则是利用多种计算方法对图像数据进行的相关编写与计算，伴随着先进计算机技术的进步，促使计算结果的精准度得到了有效的保障，除此之外，多种计算方法的融合会获得相近的计算结果，具有良好的再现性。
　　 3.各学科技术的相互融合
　　 数学与物理是数字图像处理的基本性因素，除此之外，数字图像处理技术是与计算机技术、通信技术、电视技术等紧密的联系在一起。
　　 4.大量的数据处理
　　 图像当中涵盖了大量的信息，其中包含：有用、无用等各类信息，我们可利用图像处理技术将无用信息完全的进行消除，从而获得图像当中的有用信息数据。
　　二、数字图像在光学相关识别中处理技术及处理过程
　　 图像是人类获取信息、表达信息和传递信息的重要手段。利用计算机对图像进行 去除噪声、增强、复原、分割、提取特征等的理论、方法和技术称为数字图像处理。 数字图像处理技术已经成为信息科学、计算机科学、工程科学、地球科学等诸多方面的学者研究图像的有效工具。数字图像处理主要包括图像变换、图像增强、图像编码、图像复原、图像重建、图像识别以及图像理解等内容。
　　 1.图像处理的基本操作
　　 读取和显示图像可以通过imread和imshow来实现;图像的输出用imwrite函数就可以很方便的把图像输出到硬盘上;另外还可以imcrop、imrisize、 imrotate等来实现图像的裁剪、缩放和旋转等功能。
　　 2.图像类型的转换
　　 Matlab 支持多种图像类型，但在某些图像操作中，对图像的类型有要求，所以要涉 及到对图像类型进行转换。Matlab7.0图像处理工具箱为我们提供了不同图像类型相互转换的大量函数，如mat2gray函数可以将矩阵转换为灰度图像，rgb2gray转换RGB 图像或颜色映像表为灰度图像。在类型转换的时候， 我们还经常遇到数据类型不匹配的情况，针对这种情况，Matlab7.0工具箱中，也给我们提供了各种数据类型之间的转换函数，如double就是把数据转换为双精度类型的函数。
　　 3.图像增强
　　 图像增强的目的是为了改善图像的视觉效果，提高图像的清晰度和工艺的适应性， 以及便于人与计算机的分析和处理，以满足图像复制或再现的要求。图像增强的方法分为空域法和频域法两大类，空域法主要是对图像中的各个像素点进行操作;而频域法是 在图像的某个变换域内对整个图像进行操作，并修改变换后的系数，如傅立叶变换、DCT变换等的系数，然后再进行反变换，便可得到处理后的图像。下面以空域增强法的几种方法加以说明。
　　 （1）灰度增强
　　 有多种方法可以实现图像的灰度变换，其中最常用的就是直方图变换的方法，即直方图的均衡化。这种方法是一种使输出图像直方图近似服从均匀分布的变换算法。Matlab7.0图像处理工具箱中提供了图像直方图均衡化的具体函数histeq，同时我们可以用函数imhist函数来计算和显示图像的直方图[4]。
　　 （2）空域滤波增强
　　 空域滤波按照空域滤波器的功能又可分为平滑滤波器和锐化滤波器。平滑滤波器 可以用低通滤波实现，目的在于模糊图像或消除噪声;锐化滤波器是用高通滤波来实现，目的在于强调图像被模糊的细节。
　　 在Matlab中，各种滤波方法都是在空间域中通过不同的滤波算子实现，可用 fspecial函数来创建预定义的滤波算子，然后可以使用imfilter或filter2 函数调用创建好的滤波器对图像进行滤波。
　　 4.边缘检测
　　 数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域 十分重要的基础，也是图像识别中提取图像特征的一个重要属性。边缘检测算子可以检查每个像素的邻域并对灰度变化率进行量化，也包括对方向的确定，其中大多数是基于 方向导数掩模求卷积的方法。常用的Sobel算子，Prewitt算子，Roberts算子，Log算子等。Matlab7.0工具箱中提供的edge（函数可以进行边缘检测，在其参数里面，可以根据需要选择合适的算子及其参数。
　　三、数字图像处理在光学相关识别中主要研究的内容
　　 1.图像变换
　　 由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。 　　 2.图像编码
　　 压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
　　 3.图像增强和复原
　　 图像增强的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显;如强化低频分量可减少图像中噪声影响。至于图像复原，我们将在下边作详细讨论。
　　四、数字图像处理技术在光学相关识别中的未来发展
　　 1.需进一步强化软件理论知识的探究，挖掘出全新的数字图像处理方法，注重与其相关科学领域成果的探究，凭借新思维、新方法在图像处理中进行有效的运用;
　　 2.图像处理准确性与处理速度非常重要。通过对气象云图、遥感进行的深入浅析可以看出，大量的數据信息与处理速度二者之间存在很大的矛盾，是需要针对具体问题来加以解决的;
　　 3.深入探究数字图像处理基本知识。需对数字图像处理基本知识进行深层次的学习与掌握，这样才能够使得图像处理技术基本理论完善化;
　　 4.注重边缘学科的探究。科学的边缘性探究是通过对与数字图像处理技术有关学科进行的探究，与数字图像处理技术紧密联系的学科包括：心理学、视觉学等。在通过深入探究后便能够有更大的突破与创新，促使我国的数据图像处理技术获得更大的进步;
　　 5.标准化建设。较大的数据量信息是数字图像的显著特征，可是，图像信息处理中的检索、交流中潜存很多的问题，目前与计算机图像处理相关的软硬件是非常多的，同时并无一体化的平台，这对于数字图像处理工作的开展造成了很大的障碍。
　　结语
　　将光学处理和数字处理结合起来，可以取长补短，相辅相成。将数字图像处理方法应用在光学相关识别中能很大程度改善传统光学相关识别器的性能，具有广阔的应用前景。
　　参考文献
　　[1]朱安琪.  数字图像处理与识别系统的开发研究[J]. 电子测试. 2016（09）
　　[2]郑李强. 数字图像处理技术的发展及应用[J]. 电脑知识与技术. 2018（02）
　　[3]唐云龙，陈平. 智能交通中数字图像处理技术的运用[J]. 中国高新区. 2018（01）
转载注明来源:https://www.xzbu.com/1/view-14790348.htm