(物体识别过程
在计算机视觉领域,一个典型的物体识别系统往包含以下几个阶段预处理特征特征选择建模匹配定位
1.2.3预处理
预处理几乎是所有计算机视觉算法的第一步动机是尽可能在不改变图像承载的本质信息的前提下,使得每张图像的表观特性如颜色分布,整体明暗,尺寸大小等尽可能的一致,以之后的处理过程。预处理有生物学的对应。瞳孔,虹膜和视网膜上的一些细胞的行为类似某些预处理步骤,如自适应调节入射光的动态区域等等。和特征之间的界线不完全分明。有时两者交叉在一起。预处理经常与具体的采样设备和所处理的问题有关。
从理论上说,像预处理这种先验式的操作是不应该有的。因为它并不为任何目的服务,所以完全可以随意为之没有应该怎么做的标准,大部分情况下预处理是看着实验结果说话。这是因为计算机视觉目前没有一个整体的理论框架,无法从全局的高度来指导每一个步骤应该如何进行。在物体识别中所用到的典型的预处理方法不外乎直方图均衡及滤波几种。像高斯模糊可以用来使得之后的梯度计算更为准确直方图均衡可以克服一定程度的光照影响。值得注意的是,有些特征本身已经带有预处理的属性,因此不需要再进行预处理操作。
预处理通常包括五种基本运算:
编码实现模式的有效描述,适合计算机运算。
阀值滤波运算按需要选出某些函数,抑制另一些。
模式改善排除或修正模式中的错误,或不必要的函数值。
正规化使某些参数值适应标准值,或标准值域。
离散模式运算离散模式处理中的特殊运算。
2.4特征
特征的目的从模式样本中能代表该模式特有的性质。是模式分类中最关键的一步但又是最难以控制的一步。准则尽量少的特征,而能使分类的误差最小。矛盾特征在分类之前完成,事先知道哪些特征能使分类误差最小目