圖形識別

主要內容

我們現在所處的這個時間，計算機已經廣泛普及，信息技術也在以幾何級的速度高速發展，圖像已經成為人們日常生活中處理數字信息時不可或缺的重要載體。圖像中的圖形特徵比較符合人類視覺的認知習慣，例如字元識別、工業零件識別、商標識別以及地圖邊界和海岸線識別、航空照片中景物輪廓的識別等。

目前在許多圖形識別的相關研究中，圖形特徵描述有傅立葉運算元，Freeman鏈碼錶示法，Blum圖形骨架法和不變矩特徵描述運算元等。但由於實際套用中的較多限制，要對圖像中的圖形特徵做出識別，除了提取出主要的圖形特徵，還需要提取出圖像中圖形的相關特徵區域來提高識別的精度與準確率。

直線提取方法

在計算機視覺和圖像處理領域，圖形的各種特徵經常被用作高層處理如立體匹配、目標跟蹤、物體識別等的輸入信息；在航空和衛星圖像中，城市道路、建築物、水上橋樑等都具有圖形的各種特徵，直線檢測和分析對航空和衛星圖像中有特別重要的意義；直線特徵在物體輪廓檢測和機器人自動導航等領域也有重要套用。在過去幾十年里，研究人員提出了多種圖形特徵提取方法，而提高直線提取的實時性一直是眾多學者的努力方向。當前廣泛使用的圖形提取方法大致可分為兩類。

HT(Hough Transform)及其改進法

HT(霍夫變換)是一種依據全局統計信息的直線提取方法，它基於圖像空間點向參數空間對應位置投票累加並搜尋參數空間峰值獲得直線方程。HT對直線斷裂、局部遮擋等缺陷不敏感，對隨機噪聲具有魯棒性；但 HT 需要較大的存儲空間和較長的計算時間，無法保證實時性，因而其套用受到限制。

矢量基元組合方法

矢量元組合方法可以通過圖像空間中像素點的某種特定關係進行邊緣連線獲得矢量基元，通過某種準則合併基元得出完整直線。這種方法在一定程度上克服了 HT 計算量大、計算時間長等缺點，但其精度依賴於基元的選擇情況，對基元斷裂和噪聲敏感，而且缺少全局性。針對以上問題，綜合以上兩種方法，近年來又提出了一種既有效利用直線邊緣局部特徵又兼顧其全局性的直線圖形快速提取算法。該算法分析了離散圖像中直線輪廓的結構特徵，用行基元、列基元和斜基元表示連續的邊緣圖像點，通過計算基元傾角對基元中心點分別進行極角約束HT，進而從變換點數量和變換角度範圍兩方面進行計算量控制，可顯著提高信息處理速度。

圖像分割方法

基於熵的最優門限分割

基於熵的最優門限分割方法採用最大熵原則選擇閾值。這種方法的目的在於將圖像的灰度直方圖分成兩個或多個獨立的類，使得各類熵的總值最大，從資訊理論的角度來說就是這樣選擇閾值獲得的信息量最大。

基於二叉樹結構聚類算法的彩色圖像分割

該方法首先對待分割圖像採用最優閾值化方法獲取R,G,B三個顏色空間的最佳閾值，然後通過構造自適用二叉樹進行一次粗分割提取目標區域，最後採用C-均值聚類算法對二叉樹的每個葉子結點進行精確分割提取出圖形區域結構。