论文总字数：18524字

摘 要

网格纹理图像分析是组成模式识别领域和计算机视觉领域中的非常重要的研究内容,在科学研究领域和实际生活应用方面有着非常广泛的应用前景。纹理分析的研究难点在于提取纹理特征以及如何描述提取得到的纹理特征。近几十年内,科学家们在纹理特征描述方面进行了大量的研究实验工作,并取得了巨大的研究成果。为了解决尺度变化和训练样本有限给纹理识别带来的困难, 提出了一种基于支持向量机的纹理分析新方法。

本文中所使用的是一种基于支持向量机（Support Vector Machines）的网格纹理分析的方法。支持向量机克服了神经网络分类和传统统计分类方法的许多缺点,具有较高的泛化性能。具体实现为在软件halcon上能够对破损网格图片的分析识别，并且分类出不合格与合格的网格图片，从而达到分析网格纹理的最终目的。

关键词：纹理分析 支持向量机 纹理特征

Grid texture analysis based on support vector machine

Abstract

Texture image analysis is important in the field of computer vision and pattern recognition field research content，it has a very wide application background in the field of scientific research and engineering technology. To extract the texture feature descriptor is the foundation of the texture analysis. In recent decades, people have done a lot of research in terms of texture feature description, and many research results have been achieved. In order to solve the dimension change and the difficulties brought about by the training sample is limited to the texture recognition, this paper proposes a new texture analysis method based on support vector machine.

The way used in this article is a kind of the grid texture analysis method based on Support Vector machine (Support Vector Machines). Support vector machine has overcomed the neural network classification and many shortcomings of the traditional statistical classification method, has high generalization performance. Concrete implementation for on the software halcon to analysis of the breakage of grid image recognition, and classification of the unqualified and qualified grid image, to achieve the ultimate goal of the grid texture analysis.

Keywords: texture analysis ; upport vector machine; texture feature

目录

摘 要 I

Abstract II

目 录 III

第一章 绪论 1

1.1研究背景、意义和目的 1

1.2研究方法 1

1.2.1特征提取 1

1.2.2特征选择 2

1.2.3 学习和训练 2

1.2.4 分类识别 2

1.3纹理描述方法综述 2

1.3.1纹理的形成 2

1.3.2纹理分析的研究内容 3

1.3.3纹理描述的方法 3

1.4支持向量机的应用现状 3

第二章 基于支持向量机的网格纹理分析 4

2.1支持向量机 4

2.1.1 支持向量机的基本原理 4

2.2支持向量机模型的建立 6

2.2.1向量机核函数的选择 6

2.2.2惩罚因子C的选择 7

2.2.3训练算法简介 8

2.2.4训练算法步骤 8

2.3小结 9

第三章 在halcon上实现网格纹理分析的程序 11

3.1在halcon上实现图像处理 11

3.1.1在halcon上实现简单的图像分析： 11

3.2在halcon上实现基于支持向量机的网格纹理分析 15

3.2 本章小结 31

总结与展望 32

参考文献 33

致谢 34

附录：halcon主体程序 35

第一章 绪论

1.1研究背景、意义和目的

纹理是图像的一个重要特征,它为纹理识别和理解提供了大量的信息。与图像纹理相关的基本研究问题包括:纹理感知、纹理分析、纹理合成等。纹理分析是模式识别中一个重要的分支。纹理分析中一类重要问题是纹理分类,特征提取和特征的分类是纹理分类的关键。

纹理信息是一个很重要的视觉信息 , 因此图像纹理识别也是数字图像识别的一个重要分支。纹理是由于物体表面的物理属性不同而造成的,不同的物理表面会产生不同的纹理图像,因而纹理作为图像的一个非常重要的属性,在计算机视觉和图像处理中占有举足轻重的作用^[1]。

本文将把研究重点放在纹理图像的预处理和特征提取算法的研究两个方面。

1.2研究方法

本质上讲,纹理图像的自动识别是一个模式识别问题,因此需要应用模式识别技术加以解决。所谓模式识别是根据研究对象的特征或属性,利用计算机为中心的机器系统运用一定的分析算法认定它的类别,系统应使分类识别的结果尽可能地符合真实^[2]。一个功能完善的识别系统在进行模式识别之前,首先需要学习。总的来说,一个模式识别系统包括4个主要环节：

1.2.1特征提取

在识别过程还是学习过程中,需要对研究对象的特征进行测量并将测量所得的结果数字化,或将测量对象分解并符号化 ,形成特征矢量或符号串、关系图,从而产生代表对象的模式^[3]。

1.2.2特征选择

纹理图像中所能提取的特征是很多的，为了能够方便分析图像，需要将提取所得的特征进行筛选。在满足分类识别所要求的正确率的情况下,按某种准则选取对正确分类识别作用较大的特征,这样就能使用尽可能少的特征完成分析识别任务^[4]。

1.2.3 学习和训练

为了使所使用的算法或者学习机具有分类识别功能，这就需要对它进行训练，将识别方法以及特征分类的内容输入机器之中，产生分类识别以及分析的程序。这个过程需要进行多次，将正确的图像特征多次输入进行学习和训练。

1.2.4 分类识别

在经过学习训练之后，产生的分类规则可以用于不同样本的识别。这些分类规则被统称为分类器。通过这个可以将不同的样本图片添加进入学习机，进行特征的提取识别，机器会根据已知样本进行分类分析。

1.3纹理描述方法综述

纹理特征提取是计算机视觉和模式识别研究领域的一个非常重要的研究内容,有着非常广阔的应用背景。

1.3.1纹理的形成

计算机图形学中的纹理既包括通常意义上物体表面的纹理，同时也物体表面存在的形状各异的彩色图案，这在日常生活中被称作花纹。花纹顾名思义就是存在与物体表面的不同彩色花纹或者彩色图案，而这种图案花纹不影响物体表面的光滑度。而沟纹实际上也是表面存在着彩色花纹或彩色图案，但是相比较花纹则更多地要求视觉上需要给人凹凸不平感。 因为有了凹凸不平的图案，所以沟纹通常情况下是不规则的。尽管两者在视觉方面有着较为明显的差异，但是沟纹与花纹在计算机图像学中的生成方法是如出一辙的。因此在计算机图像学中被统称为纹理。在图像分析学中纹理是一个非常重要但是又难于描述的特性，至今对它的定义还是很多样化。纹理图像有时会在局部区域内呈现不规则性，但是也会在宏观区域内表现出某种规律性。这种在不同区域下同时具备不规则性和规律性的图像被称为纹理。^[5]

1.3.2纹理分析的研究内容

纹理分析的重要基础就是纹理特征的提取。在这之中纹理分类、纹理分割、纹理检索以及纹理形状抽取是纹理特征提取的四个重要用途。纹理分类是指在给定的纹理类别中迅速地分析识别出目标纹理区域。在纹理分析领域中有两个重要的研究方向分别是纹理分割和纹理分类,这受到了众多学者的广泛关注^[6]。本文研究分析的重点在于纹理分类问题。

1.3.3纹理描述的方法

在纹理分析之中有一个重要问题就是纹理描述，在模式识别领域这个问题被具化为纹理特征提取（Texture Feature Extraction）。目前已经有大致4种方法：统计分析方法,几何特征方法,信号处理方法及关键点方法^[7]。

1.4支持向量机的应用现状

本文主要研究的是基于支持向量机的纹理分析，向量机的理论则不做深入研究。所以应该了解一下向量机的应用现状以及不足。

向量机的应用主要在以下方面：文本分类、二维图像分类、手写数字识别、

请支付后下载全文，论文总字数：18524字