基于机器学习的目标图像定位算法研究

《基于机器学习的目标图像定位算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文题目:基于机器学习的目标图像定位算法研究研究生陈艾专业计算机技术指导教师李建军教授完成日期2016年3月原创性声明本人郑重声明：所呈交的学位论文，视立进，是本人在导师的指导下行研究工作所取得的成果。除文中己经法明引用的内容外，本论文不含巧何巧他个人或集体己经发表或撰１写过的作品或成果，巧已在义中＾＾月确。对本文的研究做出重豐贡献的个人和集体方式标明。一申请学位论文与资料若有不实之处，本人承阳切相乂责任。３论文作者签名ｔＲ期：２６巧ｎ东音、八年３｜＾学位论文使用授权说明，目Ｐ本

2、人完全了解杭州电子科技大学关于保留和使用学位论文的规定；研究生在校攻读学位期间论文工作的知识产权单位属杭州电子科巧大学。本人保证毕业离校后，发表论文或使用论文王作成果时署名单位仍然为杭州电子科巧大学。学校巧权保留送交论文的复＇印件，允许查阅和借阅论文择，ＷＷ允许采用影印、：学校可公布论文的全部或部分内缩印或巧它复制于段保存论文。（保密论文在解密后遵守此规定）论文作巧签名：赛曰期：＞八年月ｆ女３户指导教师签名：日期：处年５月日＾杭州电子科技大学硕士学位论文基于机器学习的目标图像定位算法研究研究生：

3、陈艾指导教师：李建军教授2016年3月DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterResearchontargetimagelocalizationalgorithmbasedonmachinelearningCandidate:AiChenSupervisor:Prof.JianjunLiMarch,2016杭州电子科技大学杭州电子科技大学硕士学位论文摘要近年来，智能化生活正一步一步贴近我们的生活，准确、快速的图像目标检测与识别正在发

4、挥越来越重要的作用。条形码是智能化生活中广泛应用的商品标签，同时它也是结构化的图像，易于检测与识别。随着商品零售业的蓬勃发展，扫码工作变的越来越繁重，而现有的日常生活中的条码检测多数都是半人工的，对于人力资源是很大的浪费。在复杂背景下，快速准确的定位出条形码的位置是精确识别的前提和基础，也是近年来科学研究的热点问题。本文对条码定位算法进行了深入研究，针对现有的条码定位算法存在的问题，在复杂背景下，尤其在多个条码同时存在的情况下以及在条目发生旋转和发生形变的情况下无法精确定位的问题，提出了一种基于霍夫变换（HoughTrans

5、form）和局部二值模式特征（LocalBinaryPattern,LBP）的支持向量机（SupportVectorMachine,SVM）的条码定位算法，以提高条形码的定位精度，为后续的条码识别提供良好条件。研究的方法和内容主要包括以下几个方面：（1）围绕现有检测算法对于条码发生旋转后无法做到精确定位的问题进行研究，提出一种基于条码直线分布特性的二维霍夫变换修正算法。根据条码直线在图像中分布密集的特性，通过二维Hough统计出分布密集的直线的角度，再由此角度进行旋转图像，得到修正角度后的图像。实验结果表明本方法检测角度误差

6、小，且对于多数复杂背景条件下的条码图像能做到正确调整。（2）针对图像中存在着多个条码或条码缺损无法精确检测的问题，提出采用分块LBP特征来描述条码。图像中条码的情况复杂，分块的LBP可以很好解决检测多个条码和条码有所缺损的情况。（3）针对条码定位精度不足的问题，根据条码图像黑白相间的特性，引入颜色直方图结合LBP特征进行描述条码，对条码进行特征提取。将提取后的数据进行训练得到SVM分类器模型。随后用分类器，对待检测的图片进行条码检测，经过后处理得到定位结果。通过在国际通用的数据库（WestfälischeWilhelms-U

7、niversitätMuensterBarcodeDatabase，WWU）下进行实验，并与传统条码定位算法的实验结果比较，验证了本文算法的有效性。关键词：局部二值模式特征，支持向量机，霍夫变换，条形码，区域检测I杭州电子科技大学硕士学位论文ABSTRACTInrecentyears,intelligentlifeisonestepclosertoourlife,accurateandfastimagetargetdetectionandrecognitionisplayinganincreasinglyimportantr

8、ole.Barcodeisawidelyusedcommoditylabelinintelligentlife.Itisalsoastructuredimage,whichiseasytodetectandrecognize.Withtherapiddevelopmentofthereta