论文总字数：13131字

摘 要

关键词：手绘图形，模式识别，数字图像处理

Abstract：Hand-drawn graphics recognition is widely applied in real life.In this paper,we use pattern recognition theory, the digital image processing method and related mathematical knowledge to study graphic recognition method,then we can realize the method by Matlab program.

Keywords：hand-drawn graphics，pattern recognition，digital image processing

目 录

1 引言 3

2 图像识别的相关知识 4

2.1 Hough变换理论 4

2.2 角点检测算法 5

2.2.1 Moravec角点检测算法 6

2.2.2 Harris角点检测算法 6

2.2.3 FAST角点检测算法 6

2.2.4　SUSAN角点检测算法 7

3 手绘多边形的识别方法 8

3.1 图像预处理 8

3.2 角点检测 11

3.3 边角提取 15

3.4 分类识别 16

4 实验结果与分析 18

结论 19

参考文献 20

致谢 21

1 引言

自从人类进入信息时代，计算机的普及范围越来越广泛，数字图像处理技术的优势就逐渐显现出来.数字图像处理主要研究的方向包括：图像变换、图像编码压缩、图像增强和复原、图像分割、图像描述和图像分类这几个方面.

本文主要研究的是图像处理中的图像分类这一方面，在许多领域中，对图像进行处理时都需识别出图像中的几何图形.现今的几何图形识别大多是对三角形、四边形、圆形和其他规则图形的识别，很少有对多边形的各种形状进行细分的识别研究^[1,7,8].因此，本文对于多边形的各种形状进行研究是有意义的.

对多边形进行分类研究，需要运用许多图像识别方面的知识，虽然传统的图像识别方法，类似于霍夫变换、不变矩、骨架造构识别等，它们检测的准确性很高而且算法成熟，但是有着耗费大量内存、计算速度慢等缺点，不适合要求对几何图形进行快速检测的领域^[1].基于这些原因，本文把多方面知识结合使用，形成了一种新的方法.本文将数字图像处理、角点检测、Hough变换直线检测等图像处理与数学知识的结合，提出一种手写多边形的识别方法.弥补了多边形在一定情况下肉眼难以分辩的缺陷，可以不用借助测量工具进行人工测量，而通过计算机就能简单的解决这一问题.

2 图像识别的相关知识

随着计算机技术和图像处理技术的不断发展，模式识别逐渐形成其自有的体系，主要包括四大类别：统计模式识别、结构模式识别、模糊集识别和人工神经网络模式识别等.这里的模式是指一个类的成员所表现出的共有且有意义的规则性，即表示这一类目标物的本质特征集合，它可以度量并可用于对感兴趣的目标物进行分类.而模式识别是指在图像处理、特征提取的基础上，把待识别模式划分到各自的模式类中去的过程，即自动或半自动地检测、度量、分类图像中的目标物^[2].

每个图像都有它自身的特征，例如数字0由一个圈组成、字母W有两个尖角、字母O也是一个圈等．由数字0和字母O存在的共同点可知，其他许多图像之间也存在着相同的特征，图像的共同特征给图像带来识别上的困难，我们要做的就是在图像之间找到更加有区分度的特征，借助于数字图像处理技术能够更有效得识别图像.

2.1 Hough变换理论

图像处理中最常用的一种检测算法就是霍夫（Hough）变换，它有良好的抗噪声性能以及对部分遮盖现象不敏感等特性.Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点.

Hough变换的基本思想是：设已知一黑白图像上画一条直线，要求出该直线的所在位置，可以通过直线方程y=k*x b来表示，其中k为斜率，b为截距.为了解决垂直直线斜率无限大的问题，一般通过直线的极坐标方程

进行Hough变换，即用正弦曲线表示图像空间中直线上的点，其中是图像空间中直线到坐标原点的距离，是直线与X轴正向的夹角.两个参数的意义如图1所示

图1 极坐标示意图

这样，对于任意一组确定的（），上式都可以唯一确定一条直线，也就是说图像中的任意一条直线都有一个固定的（）值.

2.2 角点检测算法

角点是图像的一个很重要的局部特征，它决定了图像中目标的形状，对图像和图形的理解和分析有很重要的作用.角点具有旋转不变性和不随光照条件改变而改变的优点，因此角点在保留图像图形重要特征的同时，可以有效地减少信息的数据量，使其信息的含量很高，有效地提高了计算机速度，有利于图像的可靠匹配，使其实时处理成为可能.

评价现有的角点检测算法的性能主要从以下五个方面：

（1）稳定性，即同一个场景图像在亮度、对比度等因素变化的情况下，检测出角点的位置及数目应当稳定；

（2）准确性，即角点位置定位准确，不发生误检测；

（3）高效性，即指算法的计算速度快慢，算法速度必须足够快以满足图像处理系统的要求；

（4）可靠性，即在算子的可变参数改变情况下不影响生成的角点的质量，只改变检测出角点的数目；检测到的角点具有平移、旋转、伸缩不变性；

（5）鲁棒性，即在一定的噪声干扰下，算子仍然具有很强的角点检测能力.

2.2.1 Moravec角点检测算法

Moravec角点检测算法是最早的角点检测算法，该算法将角点定义为具有低“自相关性”的点.算法会检测图像的每一个像素，将像素周边的一个领域作为一个patch.角定义的相关性通过两个patch间的平方差之和（SSD）来衡量，SSD值越小则相似性越高.Moravec会计算每个像素patch和周围patch的SSD最小值作为强度值，取局部强度最大的点作为特征点.

如果像素位于平滑图像区域内，周围的patch都会非常相似.如果像素在边缘上，则周围的patch在与边缘正交的方向上会有很大差异，在与边缘平行方向上则较为相似.而如果像素是各个方向上都有变化的特征点，则周围所有的patch都不会很相似.

Moravec角点检测算法有几个很明显的缺陷：

剩余内容已隐藏，请支付后下载全文，论文总字数：13131字