图像目标的快速智能识别研究

• 作 者: 周恩明
• 机 构: 重庆大学
• 出 处: 重庆大学
• 发表日期: 2012年期
• 关键词: 边缘提取 特征矢量 ART2神经网络 识别 活跃度

基于图像的目标识别方法由于其非接触特性和成本低廉，受到工业、安全等领域的广泛欢迎。随着应用的深入，识别对象类型繁多，识别系统往往被设计得非常复杂才能满足识别能力的要求，系统的复杂化一般会延长目标识别时间，这对于一些实时性要求较高的场合是致命的，比如工业在线检测和视频监控。为了解决图像识别系统的识别能力和实时性之间的矛盾，本文从图像识别的全过程进行整体考虑，设计一种优化的、面向工业生产线环境的图像识别系统。为了提高实时性，首先，本文针对背景相对简单的工业环境，提出一种快速边缘检测算法，通过边缘方向膨胀和扇形扩展的方法，充分利用边缘特征的历史信息，从而缩短边缘检测时间；其次，采用边缘特征作为识别的依据，并定义了变异系数的概念度量常用边缘特征的平移、旋转和缩放的不变性，精选不变性好的特征形成一个规模尽量小的特征集；最后，提出一种基于改进ART2神经网络的方法进行识别分类，利用神经网络的在线计算时间短的特点，保证了目标识别分类过程的快速性。为了提高识别能力，本文针对应用于目标分类的ART2网络进行了改进，提高其智能水平：为了模仿人类在目标识别过程中的自组织自学习能力，本文将活跃度与警戒值调节机制的概念引入了ART2网络，使改进后的网络在目标识别过程中，能够针对不同的目标类型和不同的学习阶段，产生不同的学习热情；并能够在有监督和无监督的条件下，完成对图像目标的学习、识别和记忆。实验证明，文中的方法在保证了识别能力的同时，具有较高的实时性，能够满足工业需求；同时，文中方法在这两个性能上都优于传统的方法。基于文中提出的图像识别方法，本文构建了一个基于VC的图像目标识别系统，包括图像处理、识别分类、立体匹配及定位和人机交互等功能模块。对图像识别系统的运行和测试结果表明，系统工作正常，且具有很高的实用性。