m0_70745318的博客

脸是每个人最重要的外貌特征，随着科技推动社会不断向前发展，人脸识别也逐渐融入人们的生活中，例如在常见的人脸识别系统、身份验证、图像搜索、监控违法犯罪行为等用处上，人脸识别都是不可缺少的技术。不少研究者也先后提出原理不同的人脸检测算法，目前使用较多的是基于Haar-Like 特征的人脸检测算法，但由于人脸自身具有复杂性，肤色、脸型等细节的变化，甚至如眼镜、刘海等外物的遮挡，使得人脸识别的准确率大打折扣。因此，如何使用合理的算法，提高人脸检测的精确度，是每个相关领域技术人员必须思考的问题。

本博文主要分析了常用的边缘检测与图像分割算法，对于边缘检测算法，分析了Roberts 算子、Sobel 算子、Prewitt 算子、Log 算子、 Canny 算子原理，并通过Matlab编程对上述算法进行了实验验证。针对图像分割，本文介绍了极小值点阈值分割算法、最优阈值图像分割法、迭代阈值分割、Otsu算法分割、Bernsen算法、大津法阈值插值算法、水线阈值算法(分水岭或流域watershed)、区域生长算法、四叉树分解等，并通过Matlab程序对上述图像分割算法进行了实验验证。

在区域分割处理技术之中，又包含有区域生长分割技术以及区域分裂合并分割技术。在此次研究过程中，所应用到的具体技术属于区域生长分割技术，该种技术主要是实现建立相应的生长准则，把相近的区域范围相互结合，使之转变为相对大范围区域。此种技术的理念为选取一个合适的像素点作为种子点，依据提前定义的生长准则，选出满足这一准则的像素点，并将它们合并起来的过程。该算法所拥有的优势为进行实际计算过程相对便捷，不过却需要应用相对多的人工作业。在此部分研究时，会把该项分割处理方法所拥有的诸多优势利用区域生长法和分水岭图像分割算法的研

阈值分割方法是图像分割领域中较为常见的算法。其主要原理：借助于图像所拥有的相应灰度分析得出不同区域对应的阈值，然后把所得阈值和分析图像对应像素具体灰度情况加以对比，最终将像素根据分割结果分到合适的分类中完成图像分割。在进行阈值的选取过程中，其中最为重要的是依据相应的准则函数对最佳阈值进行计算，只有确保了所设定阈值更为准确才可以将图像正确分割。通过原始图像f(𝑥, 𝑦)选取阈值 T 进行分割，分割后的图像为g(𝑥, 𝑦)，可以定义为如下公式所示：在学者们提出了图像分割的阈值处理技术之后，该项技术得以不

根据裂缝图像的特点，在对其进行目标检测和识别之前，需要进行图像预处理，主要包括：直方图均衡化増强、中值滤波去噪、对比度増强、二值化处理、二值图像滤波等步骤。其中，在二值过程中对阈值的确定择自定义阈值法与迭代自适应法相结合的方式来计算；二值图像滤波主要是连通区域的面积滤波，通过去除小面积的杂点噪声进行滤波去噪的，路面裂缝图像预处理结果如下图所示。边缘是目标形状的主要信息。在图像形态特征基础上突出有效特征信息， 达到图像识别与分析的目的， 更符合人类对图像的理解。

随着计算机技术、通信技术、图像处理技术的不断发展，基于视频序列的目标检测与跟踪技术在国内外的各个领域均得到了十分广泛的应用。如在军事方面，军用卫星、战区导弹防御、侦察机、导弹制导、火控系统及小型自寻导引头等均广泛应用了图像目标的检测识别与跟踪技术，大大提高了武器系统的运动攻击性能，增强了全天候作战的效能。在视频跟踪过程中，通过采用不同的检测算法并结合多种跟踪策略，可以在一定程度上对传统的检测识别和跟踪算法进行改进。在得出目标的位置信息后，可以进行后续的速度分析、位移分析、行为分析等高层应用，拓展系统的应用领

在语音识别技术的发展过程中，动态时间规整算法（Dynamic Time Warping，DTW）一直处于重要地位，其本质上是一种距离度量算法。在过去的几十年中研究者们提出了几十种距离度量算法，实验证明，动态时间规整算法仍然是最佳的距离度量技术。然而，目前的各种嵌入式语音识别方案中，由于动态时间规整算法本身庞大的计算量和相邻数据处理过程中的高度依赖性极大地限制了它的实际应用，同时也使得计算资源和存储空间相对有限的嵌入式设备无法更好地发挥其性能。

随着信息技术的发展，基于视频图像中对感兴趣的目标提取，已经逐渐渗透到人们生活的方方面面，吸引越来越多的学者和研究机构参与该领域的研究。基于视频图像中对感兴趣的目标提取已广泛应用于监控视频、人脸识别、车道线识别、安全帽佩戴情况检测、行星探测等领域。目前，对视频图像中感兴趣的目标提取的研究方法有很多，本文主要研究基于 MATLAB GUI 界面视频处理系统设计。通过编写 MATLAB GUI 界面的回调函数，以实现视频处理系统的搭建。

图像拼接是将一组具有重叠区域的图像集合拼接成一幅完整的无缝的图像的技术。它包括图像配准和图像融合２部分，虽然目前关于图像拼接技术的原理和方法相对较多，但是还没有一种通用的拼接方法能够快速高效地实现图像的拼接。图像拼接的关键在于图像的配准，目前常用的配准方法很多，诸如：模板匹配、变换域匹配、基于特征图像匹配等等。由于在设计线阵CCD排列方式的时候，使得每２幅图像间的重叠区域宽度在很小的像素范围内，选择模板匹配算法的实时性优于其他算法。图像融合中，由于每个CCD的性能参数（标准像元数2048，像元尺寸８μｍ

本文利用图像的几何不变矩特征对数字验证码进行识别，以 Matlab 软件作为测试平台，并搭建GUI 界面进行测试。实验结果表明了不变矩在识别数字验证码方面的可行性。而且该方法可以很容易地扩展到英文字母或字母数字混合验证码的识别中。

手写数字识别是字符识别的一个分支，广泛应用于需要处理大量手写数字信息的领域。手写数字的识别总的来说，可以分为两大类：统计识别方法和结构识别方法。统计识别方法是基于对字符整体的分析，有模板匹配和代数变换等；结构识别方法是将字符分解成一些构件，进行特征抽取，然后用句法或其它方法进行识别。这些方法各有特点，但也存在一定的局限性：模板匹配方法不易做到与书写者独立，总体变换方法在变换过程中容易使一些有助于识别的关键信息丢失。句法方法容易受噪声干扰，对字符的识别过程较呆板，抗形变能力较差等。

本文将人脸识别和 QR 二维码结合在一起，将人脸图像信息录入二维码中，可以通过扫描二维码迅速识别出人脸信息。本文实现了人脸图像信息处理、QR 二维码的生成及识别，虽然二维码有着识别快、存储信息量大等优点，但是通过二维码能够快速识别出人脸信息的同时，也存在信息泄露的风险，可以在当前研究的基础上进一步提高二维码的加密性和安全性，对人脸识别系统我们还需要更加完善的措施，以保证二维码内信息的安全。

图像分割是数字图像处理的一个经典难题。其分割质量的好坏直接影响到图像处理的后续工作。因而在理论研究和实际应用中受到研究人员的广泛重视。本文在总结了过去的分割方法基础上，就目前常用几种分割方法进行实验研究。主要包括阈值分割、ＬＯＧ算子分割、ＦＣＭ 聚类分割、分水岭分割，并结合 ＣＴ图像进行图像分割。文章阐述了各种分割方法的概念及原理，并在此基础上对分割结果进行了分析和探讨，得出各种方法的优点和不足。这些实验结论将为后续研究提供科学依据。

车牌识别技术在实际生活场景已有了广泛的使用， 文章主要分析采用 MATLAB 实现车牌自动识别的图像处理算法。 使用的图像处理技术包括图像灰度化、 Radon 倾斜校正、 边缘检测、 形态学处理、 字符分割算法、模板匹配等。

随着现代化信息技术的发展，在答题卡阅卷领域已逐步实现计算机取代人工阅卷。计算机阅卷的优点：不但加快了阅卷速度，而且节约了人力资源，避免了人为错误的产生，增加了考试的公平性，进而提高了阅卷质量和效率。计算机识别答题卡后，还能直接读取学生的成绩进行存储并建立数据库，方便长久保存，省去了手工输入学生成绩的步骤。此外，学生答题卡图像识别技术能够和许多信息化技术相融合，便捷地获取答题成绩，进而将其应用到不同的教研系统中进行数据共享，方便数据分析，找出教学中存在的问题从而改进教学方法，具有非常重要的现实意义。针对答题卡

使用数字图像处理技术来解决计算机视觉、人工智能、生物遥感器视觉等领域所涉及到的图像问题时，最重要、最关键的一步是提取出图像中最有效、最有用的特征信息。而图像边缘检测技术所研究的对象即图像的边缘，也是图像中一个重要的特征信息，它能比较直观地把图像的形状等一些重要的特性展示出来，是分析图像的重要依据，是后面进一步分析图像的重要基础，对图像边缘提取的质量好坏直接影响着后续对整个图像研究的成功与否。同时，图像的边缘，具有不变特性，不随环境的改变而改变。上世纪60年代，Roberts根据图像边缘灰度具有间断性这一特征