[发明专利]一种多尺度图形识别方法

说明书

一种多尺度图形识别方法，其依次采用如下步骤进行：图形中心归一化；形态学特征提取；图形角度分析；图形多尺度识别；其中形态学特征提取的具体要求为：采用固定大小的圆在图形内部动态移动，遍历所有能够移动到的位置并且保证圆始终在图形内部，遍历不到的位置即剩余面积作为图形的形态学特征图像。本发明所述方法识别准确率高，所用时间较短；尤其需要强调的是，本发明采用多尺度的判别，可以保证识别率，同时可进行移位对比，还可以对图形的方向进行判断。具有可预期的较为巨大的经济价值和社会价值。

技术领域

本发明涉及计算机图形科学技术领域，特别提供了一种用于采用视觉图像来识别图像中图形或目标的多尺度图形识别方法。

背景技术

图像识别是计算机应用领域中利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。对由视觉系统采集的图像进行目标识别的方法大都采用特征匹配的方法，即首先提取图像的特征，然后与模板的特征进行比对，进而识别图像。这就要求首先要了解图像的特点，之后才可以建立特征，对不同的图像需要建立不同的特征表述，并没有统一的方法；而且这类方法的关键在于特征的表述上，如找不到表达图像的本质特征，识别率会很低；并且在常用方法的识别中，要求待识别图像的方向大小一致。在众多的研究方法中，采用矩特征是典型的特征表述方法，如Hu不变矩、小波矩。如文献[1]针对手背静脉识别系统的特征提取与匹配算法研究问题,提出了一种基于几何形状和小波矩的静脉特征提取与匹配方法。该方法结合了小波多尺度分析与不变矩的优点，即具有小波多尺度分析反映信号局部信息的能力，同时也具备了不变矩的特点，提高了矩特征对图像精密结构的把握程度[参见参考文献2-5]。但是矩特征要求图像比例一致，当采集的图像不清晰、或图像受噪声干扰时，识别率会很低，鲁棒性差。子空间模式识别是近年来模式识别领域中得到快速发展的一类方法，同时也在图像识别中得到了广泛的应用。子空间方法将特征提取与特征分类进行了有机的结合[参见参考文献6-8]。如文献[9]采用KPCA,KICAand SVM,进行分析。另一种与其类似方法为图像的过完备稀疏表示模型，稀疏模型能较好地匹配人类视觉感知，因此图像的稀疏表示方法在图像中应用的越来越多。如文献[10]采用稀疏表示的字典进行文字识别。但是子空间识别方法及稀疏表示的识别方法，其实质是在二维图像上求取“基”的分解系数，以此为特征。图像的“基”与图像的二维矩阵的存储形式直接相关，其方法只适用于图像的尺寸比例及旋转角度一致的情况。而采用一些算子及梯度信息的方法，大都是对图像的边缘进行运算，缺乏图像的整体信息，识别方法没有通用性。综上，为了提高识别率，保证识别速度，并且可以对识别的图像方向进行判断，本发明提出一种多尺度图像识别方法，方法采用多尺度的判别，可以保证识别率，同时进行向量移位对比，可以对图像的方向进行判断。

参考文献说明如下：

[1]CUI J,SONG X,CHEN G,et al.Feature Extraction and Matching of VeinBased on Geometrical Shape and Wavelet Moment[J].Journal of NortheasternUniversity(Natural Science),2009，30(9)：1236-1240.(崔建江,宋星月,陈国坤等.基于几何形状和小波矩的静脉特征提取与匹配[J].东北大学学报(自然科学版).2009，30(9)：1236-1240.)

[2]CUI P,PAN Q,LI J.Image Recognition Using Projection-Based WaveletMoment[J].Journal of Electronics and Information Technology,2005,27(11):1774-1777.(崔培玲,潘泉,李军宏等.一种基于投影的小波矩及其在图像识别中的应用[J].电子与信息学报.2005,27(11):1774-1777.)