数字图像处理及应用（MATLAB)第6章

《数字图像处理及应用（MATLAB)第6章》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第6章数字图像处理实例分析6.1红外图像识别技术6.2可视密码共享技术6.3数字图像置乱技术研究6.4印刷电路板缺陷检测技术6.5图像拼接技术研究数字图像处理以信息量大、处理和传输方便、应用范围广等一系列优点已成为人类获取信息的重要来源和利用信息的重要手段，已经在宇宙探测、遥感、生物医学、工农业生产、军事、公安、办公自动化等领域得到了广泛应用，并显示出广泛的应用前景。　　　本章以红外目标识别、可视密码共享、图像置乱、印刷电路板缺陷检测、图像拼接等内容阐述图像处理及识别的基本过程及方法。为学习及从事数字图像处理与分析的人员，提供一种分析问

2、题和解决问题的方法，促进数字图像处理在各方面的广泛应用。6.1红外图像识别技术红外图像的目标识别技术近年来发展较快，且在很多领域都获得了广泛应用。图像识别的主要工作就是提取所拍摄目标的图像进行分析，从中分离出目标，提取其有效的特征并进行识别。本节以飞机的红外图像识别为例，对红外图像识别进行介绍。　　　飞机红外图像识别主要是利用图像匹配技术，将待识别飞机与模板飞机进行比较，来判断飞机类型，其具体方法是根据红外图像自身特点，提取五个红外特征组成特征向量，之后通过比较待识别飞机红外特征向量与模板飞机红外特征向量的距离来进行机型的判别。6.1.

3、1飞机红外图像分割对飞机红外图像的分割采用一种基于最大类间方差法的自适应阈值图像分割方法，用分割出的目标区域和背景区域的灰度统计量，判断是否得到正确的分割。　　　对将一幅大小为M×N的图像，设其灰度范围为{0,1,...,l-1}，灰度为i的像素个数为ni,图像总的像素数为:灰度为i的像素出现的概率为:选取门限t，将图像划分为暗区C1和亮区C2两类,C1:{0,1,...,t}；C2:{t+1,t+2,...,l-1}。C1类和C2类出现的概率分别为：其均值分别为图像的总体灰度均值为：按模式识别理论求出C1和C

4、2类的类间方差为　　以此作为衡量分割出的类别性能的测量准则，则求的最大值的过程即为自动确定最佳阈值的过程，因此，最佳阈值为：对红外目标而言，当目标较小时，它的灰度信息在整幅图中所占比例较小，如果用整幅图的灰度直方图确定分割最佳阈值，则不能将目标与背景很好的分开，为了得到好的分割效果，必须使目标的灰度信息在待分割直方图中所占比例增大，最简单直接的方法就是将整幅图像进行分块，在每一个均等的子块中目标的灰度信息量就会增大，之后采用最大类间方差法进行分割。但这种方法存在以下缺点：①目标被分成子块处理时，会出现明显的块状效应；②如果分割出

5、来的子块中几乎全部是目标或全部是背景时，则分割效果将很难让人满意。为此，我们将分割出的目标和背景的灰度统计量作为判断准则，之后对图像的灰度直方图进行多次分割从而获得最佳的阈值。在对原始图像采用最大类间方差法进行分割时，如果目标的灰度值比背景灰度值高时，则原始图像的灰度直方图中高于阈值的部分可看作是目标区域的灰度统计直方图。当一幅图像中只有目标和背景时，其灰度直方图可看作目标与背景像素灰度混合分布的概率密度函数，且其混合分布的两个分量p(i,1),p(i,2)认为是正态分布，对应的均值、方差、先验概率分布记为μ1,μ2,δ1,δ2,P1,

6、P2，δ1,δ2分别为：当满足:时，认为目标与背景灰度分布分得足够开，式中参数α一般在2～3之间选取，具体的要依据目标背景在图像中的灰度分布特性而定。当选取某一阈值对图像分割时，若分割出的两部分的灰度分布均值和标准差满足式则认为该阈值能够较好的将目标和背景分开，如果不能满足式则认为该阈值不能将目标分割出来，需要对分割出的目标区域进行进一步分割，如此一步一步分割下去后，目标信息会占据越来越大的比例，从而获得正确的分割结果。以下是图像分割的Matlab程序：functionIout=threshold(I)%I=imread('ro

7、otpath');%单独运行该子程序时用，读入指定路径的图像%求图像的灰度直方图Hs=size(I);S=s(1)*s(2);%图像I的像素点个数SH=zeros(1,256);form=1:Si=I(m)+1;H(i)=H(i)+1;endfigure(1)bar(H)title('直方图')%单独运行该子程序时用到如下4行注释%figure(2)%subplot(1,2,1)%imshow(I,[])%title('处理前')%最大类间方差法求最佳阈值Gtemp=0;G=zeros(1,256);level=0;fort=0:255N

8、0=0;N1=0;H0=0;H1=0;%1.求目标、背景点数占图像比及平均灰度forj=1:256if(j-1)<=tN0=N0+H(j);H0=H0+H(j)*j;elseN1=N1+H(j