（光学工程专业论文）光电实时模式识别技术的研究.pdf

摘要 光学模式识别，以其实时、可并行处理等特点，只益在国防科技、自动控制以 及字符识别等领域得到广泛应用。随着模式识别技术的发展，其研究对象也从简单 的目标逐步过渡到复杂的目标。自然背景下的目标识别技术，在军事科学领域和民 用自动控制领域具有非常重要的意义。由于光学模式识别的固有特性，实现自然背 景下的目标识别存在很大的困难。而电子科学技术在模式识别方面发挥出越来越积 极的作用。因此光电混合的模式识别技术就成为模式识别领域的重要发展方向。本 文首先论述了联合变换相关器的相关识别原理和技术。其次详细讨论了图像处理技 术。接着介绍了基于d s p 图像处理系统的软件开发。最后给出实验结果。 关键字：模式识别磁台变换相关器图像预处理图像分割数字信号处理 a b s t r a c t o p t i c a lp a t t e r nr e c o g n i t i o n ，b e c a u s eo fi t sr e a l - t i m e ，p a r a l l e l - p r o c e s s i n gf e a t u r e ，h a s b e e nw i d e l ya p p l i e di nn a t i o n a ld e f e n s i v et e c h n o l o g y ，a u t o - c o n t r o l a n dc h a r a c t e r r e c o g n i t i o ni n c r e a s i n g l y w i t ht h ed e v e l o p m e n to fp a t t e r nr e c o g n i t i o n ，i t sr e s e a r c ho b j e c t c h a n g e df r o ms i m p l et a r g e tt oc o m p l e xt a r g e t t a r g e tr e c o g n i t i o ni nn a t u r a lb a c k g r o u n d i si m p o r t a n tt om i l i t a r ys c i e n c et e c h n o l o g ya n da u t o - c o n t r 0 1 b e c a u s eo ft h ei n h e r e n t f e a t u r eo fo p t i c a lp a t t e r nr e c o g n i t i o n ，i ti sq u i t ed i f f i c u l tt or e a l i z et a r g e tr e c o g n i t i o ni n n a t u r a lb a c k g r o u n d a tt h es a m et i m e ，t h ee l e c t r o n i ct e c h n o l o g yh a sp l a y e da ni m p o r t a n t r o l ei nt h ea s p e c to fp a t t e r nr e c o g n i t i o n t h e r e f o r e ，t h em e t h o dw h i c hc o m b i n e st h e o p t i c sa n de l e c t r o n i c st e c h n o l o g yh a sc o m ei n t ot h el e a d i n gr o l li nt h ep a t t e r nr e c o g n i t i o n i nt h i sp a p e r , t h ep r i n c i p l ea n dt h et e c h n o l o g yo fj o i n tt r a n s f o r mc o r r e l a t i o n ( j t c ) a r e f i r s t l ya d d r e s s e d t h e nd i s c u s st h ei m a g ep r o c e s s i n gt e c h n o l o g yi nd e t a i l ，f o l l o w i n g i n t r o d u c eh o wt od e v e l o pt h es o f t w a r eo ft h ei m a g ep r o c e s s i n gs y s t e mb a s e do nd s e f i n a l l y , t h er e s u l to f t h ee x p e r i m e n tw a sp r e s e n t e d k e yw o r d s ：p a t t e r nr e c o g n i t i o n j o i n tt r a n s f o r mc o r r e l a t o r i m a g ep r e p r o c e s s i n g i m a g es e g m e n t a t i o n d s p 顾1 。论文 光电实时模式识别技术的研究 1 绪论 1 1 课题研究背景 模式识别是一门研究对象描述和分类方法的学科。从计算的早期，人们就发 现设计和执行算法来模仿人类对物体的描绘和分类能力是一项有趣而富有挑战 性的任务。因此，和多种学科有着紧密联系的模式识别系统和技术是科学研究的 热门领域。 现代科学技术的发展，对模式识别和计算机视觉不断提出更高的要求。模式 识别和计算机视觉的研究对象，也从简单目标逐步发展到复杂的目标模型。自然 背景下的目标，由于其固有的复杂性和不确定性，一直是困扰模式识别技术向前 发展的难题之一。实现自然背景下的目标分割和识别，无论是对于军事科学领域 还是民用自动控制领域，都具有非常重要的意义。 1 9 6 2 年m c l a c h l a n 提出利用光学相关实现模式识别，和两年后v a n d e rl u g t 提出光学复空间滤波器1 2 1 之后，基于相关器的光学模式识别技术就己引起人们的 特别关注。因为，对于单静止的目标图像来醴，这种方法不仅具有高鉴别率和 平移不变性，而且由于光的高速并行性可以在一瞬间完成，其处理速度与图像信 息量的大小无关。直到今f ，这些还都足无可比拟的诱人特点。 另一方面，对自动目标识另l l ( a u t o m a t i ct a r g e tr e c o g n i t i o n a t r ) 技术的社会 需求，也f 1 益迫切起来。囡为它是目标跟踪和制导、自主机器人和机器视觉等广 阔应用领域的核心技术。这些应用对a t r 所提出的要求主要是：高鉴别率、识 别畸变不变性和实时性。二者是互相矛盾的，但又缺一不可。虽然生物视觉系统 通常可以很容易地做到这些要求，但是用人二f 一系统来实现这些要求，却是一个科 学技术难题。一般认为，光学相关模式谚 别( o p t i c a lc o r r e l a t i o np a t t e r n r e c o g n i t i o n o c p r ) 在高鉴别率和实时性方面具有明显的优势，而在识别畸变刁i 变 性方面则有待侧重地研究和解决。因此，对o c p r 的研究一直是光学技术科学中 的一个活跃的前沿领域【 j 。4 0 多年来，除了对用于o c p r 的实时器件和体系结构 不断改进的大量工作外，人们对将o c p r 方法推广为畸变不变性识别的研究i l 以 概括为3 个t 要方面： ( 1 ) 用j io c p r 的各种新型滤波器的综合算法与制备方法【4 1 ； ( 2 ) o c p r 滤波前的各种不变性特征提取与卒删变换方法与系统1 7 , 8 1 ； ( 3 ) o c p r 的多通道运行方法与系统以及滤波后的判别算法 91 0 l 。 硕l 论文光电实时模，识别技术的1 i 究 以上研究的目的，主要是解决运动目标的图像在输入平面内或目标在空间上 发生旋转和尺度变化，以及待识别的目标不止一个时，如何保持o c p r 的高鉴别 率、识别不变性和高速度等优点。这里问题的提法已经不是“单一静止目标”的识 别，而是“多个运动目标”的识别，即：多目标的光学相关模式识别和具有畸变不 变性的光学相关模式识别。4 0 多年来，尽管已发表了大量有创新性的方法与技 术，也不乏o c p r 成功应用的例子和实验系统的报道，但是o c p r 至今仍未成为 a t r 实际应用的主流技术。究其根源，除了价格高、灵活性差和体积笨重等原 因外，对于基于光学相关器的纯光学模式识别的存在性问题一直是理论研究的难 点。 在纯光学模式识别研究受阻的情况下，电子科学技术却在飞速发展。特别是 计算机技术的发展，使数字模式识别得到广泛的研究和应用。现在的数字处理系 统具有高性能的处理器，大容量的存储介质，可编程，在处理过程中，控制、分 析、判断和存储灵活，运算精度高。所以结合计算机技术的光学模式识别就给停 滞不前的传统光学模式识别带来新的发展空间。其中光电混合处理系统既具有数 字处理器的灵活性和准确性。又具有光学处理器的并行性、直接性、速度快、容 量大等特点，随着光电器件价格不断下降，理论上可以满足模式识别系统价格低 廉和高计算速度的要求，在民用和军事方面具有重要应用价值。其可行性在国外 已有将小型化光电混合处理系统安装于导弹头部的报道。然而，这种军事应用技 术存在的难度显然超过”般模式识别技术的难度，而且缺乏深入的系统的研究。 光电混合模式识别系统目前国内仍以实验室研究为主，成熟的实用系统还有许多 有关光电计算的理论和实践问题需要解决。 1 2 光电混合模式识别的发展概况 传统的光学模式识别，是建立牲光学匹配滤波的理论基础之上的。光学结构 如图1 1 所示。先用全息法制作待识别目标g ( x ，p ) 的匹配滤波器g + ( “，、，) ，然后 将其放入钞系统的频谱面上。被相干光均匀照明的输入目标f ( x ，经过第一个 傅立叶变换透镜之后，其频谱与匹配滤波器相乘，根据相关原理，经过第二个傅 立叶变换透镜之后，在后焦平面l ：得到输入图像f ( x ，y ) 与图像g ( x ，y ) 的相关结 果。通过检测相关特征判断输入日标的类另0 。 硕二i ：论文光i u 实时模式识别技术的研究 i t ” 厂、 弋 功 ， r 、， h 7 、 。 i f t lf t 2 o 卜l 斟i1 匹配滤波器结构图 匹配滤波器的相关输出包含三部分：一是沿光轴方向生成的物体厂( t y ) 的 几何像。二是图像f ( x ，y ) 和g ( x ，y ) 卷积像，中心位于( 一b ，d ) ，这两部分对相关 识别不起作用。三是图像f ( x ，y ) 和g ( x ，y ) 的相关像，与卷积像对称分布，巾心 位于( b , o ) 。二者相同则产生明显的相关亮斑。 为了改善经典匹配滤波器的相关性能，减弱中心直流分量，增强互相关项， 陆续出现了许多改进滤波器，如纯位相滤波器p o f “。13 1 ，通过将传统匹配滤波器 的模置l ，解决了频谱面饱和的问题，增大了衍射效率，其性能类似高通滤波器， 故可产生较传统匹配滤波器更高的相关峰。二值化纯位相滤波器b p o f 1 4 - 1 7 1 ， b p o f 可以用空间光调制器s l m 实时实现，相关输出近似为6 函数，故光学效 率最高。而且这些滤波器在有一些类型的噪声出现的情况下也可达到比较好的u 别性能。 j 匹配滤波相关器相比，联合变换相关以别不需要提- f i f s n 作滤波器，且调试 中不存在中心严格对准的要求，i n , t ：发展为光学模式识别中的研究热点。联合变 换相火器( j t c ) 的原理结构如图1 2 所示。将目标图像和参考图像同时置f 输入面 上，在频谱面上用平方律探测器什接收联合功率谱j p s ，再将联合功率谱输入到 第个傅立叶变换透镜上，在后焦、t i 衙l 得到目标图像和参考图像的相关输：n 。 硕l 论文 光电实时模武识别技术的研究 幽i 2 联合变换相关器结构框图 经典联合变换相关器存在两个方面的弱点：一方面，由于联合变换相关存在 较强的零衍射级，从而使输出面中相关输出的衍射效率较低，影响相关峰的探测； 另一方面，联合变换相关输出面中零级衍射峰的宽度很大，限制了其输入面的目 标图像和参考图像的大小和相对位置，降低了对输入面空间带宽积的使用。因此， 削弱或去除零衍射级，抑制旁瓣，增强互相关峰的强度，提高相关性能，就成为 设计各种新型的联合变换相关器的依据。由此人们提出了很多有效的改进方法。 如非线性联合变换相关器、条纹调制联合变换相关器、振幅调制联合变换相关器、 联合小波变换相关器以及功率谱相移等方法，极大地提高了联合相关的性能。 根摒相关的原理，只有相同性质的两个点才会相干。联合变换相关器输入而 卜的目标图像和相关图像只有由相同性质的点组成才会被识别为真目标。也就是 说联合变换相关器只能识别相同的目标。随着光学模式识别技术的广泛应用，研 究的对象已经不局限于简单的相| 司的目标。当目标发生诸如旋转、己度、倾角等 类型的畸变超过一定的范围时，联合变换相关器的识别性能急剧卜降。所以实现 畸变不变模式识别就成为联合变换相关器能否实用的关键。到目前为l j j ，人们提 出了多种畸变不变的方法，主要有坐标变换法【i r - 2 1 1 ，综合识别函数法s d f 2 2 - 2 6 1 ， 圆请函数展丌法【2 7 - 3 0 1 ，本缸图像法 3 1 - 3 3 】，滤波器库的设计【3 4 , 35 ，神经网络滤波法 ”1 等等。在实际应用中，同标不会单独存在，而是融于各种各样的复杂背景中。 所以在做畸变不变之前必需先要从背景中得到目标。迄今为止，对于自然背景的 抑制和消除，还处在一个比较低级的研究阶段。山于自然背景f 著力别，准确的 捕述自然背景的特征是相当困难的，冈此对其进行抑制和消除的难度相当大。日 前，对自然背景的纹理分析技术，还仅仅停留f 在对其扶度分布进行统计分析的阶 段，通过计算出一定面积图像的均值、方差、相关性以及熵等特钲，进行背景和 1 标的判别和分割。其计算基础是定面积的图像，对于f 1 标和背景边界处的特 顺l 论殳光电实时模，c 识别技术的研究 征计算缺乏准确性，利用其进行目标分割显然会产生边缘定位误差，给后期的识 别增加难度。所以目标提取是光学模式i j , gj j 技术中的一个难点，也是必需要解决 的问题。 1 3 课题的研究内容、目的和意义 光电实时模式识别技术有三大问题需要解决。核心问题是实现对采集图像的 同标提取，这是所有后续工作的前提，h 标提取问题解决不好，就无法丌展下面 的工作。其次是畸变目标的畸变不变识别，根据本课题研究目标图像的特点j 1 ：发 出一种合适的畸变不变识别算法。这是光电实时模式识另0 技术研究重要的步， 算法的实用性直接影响开发系统的应用。最后要做到模式识别的实时性，这是识 别军事目标的关键问题，战场是瞬息万变的，识别过程不能做到实时，就算识别 出目标也没有意义。因此我们考虑采用最新的d s p 实时图像处理系统，这将大 大提高处理速度。另外我们还将该系统不断的小型化，使之具有更强的实用性。 通过对该课题的研究，解决真实目标模式识别技术中的关键问题，研制开发出一 套可以对飞机、机场等军事目标实现实时识别的可弹载的模式识别系统。 1 4 论文的主要工作和内容安排 本文的主要工作包括如下： 1 联合变换相关器小型化研究。由丁原理装置体积较大为了能用于导弹 等系统上小型化是一个重要技术问题。这主要通过转折光蹄，缩小焦 距，将平面结构拓展为空间结构等束实现。 2 图像预处理。本课题处理的图像来自客观世界，受到各种不同的自然条 件或人为因素的影响。最大限度降低这些干扰，能提高模式识别的准确 度。 3 图像分割。根据识刖目标所在背景的特点，提m 相应的去除背景的方法， 并分割图像，提取出需要的目标。 4 畸变不变。根掘f i l 标类别特征，在综合比较了当前流行的畸变小变方法 后提出了针对性的方案，较好解决了本课题需要处壬| ! 的这一类同标的畸 变不变问题。 5 d s p 系统实时图像处理软件开发。光电实时模式识别技术的实用要求要 对军用目标图像实现实时识别，冈此d s p 系统的丌发是重点。这要求将 由计算机完成的1 ：作编制成可l l d s p 系统统一处t ! t ! f 1 9 袱序。 坝i 沦文光电实时模式识别技术的研究 6 建立光电实时模式识别系统并进行实验，根据实验结果分析系统的性能， 产生误差的原因，并分析系统具有多大限度的容差性，并提出解决办法。 硕士论文 光电实时模式识别技术的研究 2 联合变换相关器识别原理及实现 2 。1 联合变换相关器原理 联合变换相关器的结构如图2 1 所示。设输入面中放置的目标图像和参考图 像分别为f ( x ，y y ) 和r ( x ，y + y ) ，即联合输入图像为 f ( x ，y ) = r ( x ，y + y ) + t ( x ，y y ) ( 2 1 ) 则傅立叶频谱为 f ( u ，v ) = e ( u ，v ) l e x p ，( “，v ) e x p ( j v y ) + l t ( u ，v ) l e x p 6 b , ( 1 1 , v ) l e x p ( 一w ) ( 2 , 2 ) 联合功率谱j p s 为 i f ( u ，v ) l2 = l 尺( “，v ) i2 + i 丁( “，v ) j 2 + 2 l r ( u ，v ) 0 7 1 ( “，v ) | c o s 办( “，v ) 一以( “，v ) + 2 v y 】( 2 3 ) ( “，v ) 是空间频率坐标，以2n ，标度。l e ( u ，v ) i 和i r ( u ，v ) 1 分别为参考图像和目 标的傅立叶变换的振幅，庐，( “，v ) 和，( “，v ) 为各自频谱的位相。由上式可以看出， 联合相关变换的功率谱是振幅调制的正弦型光栅结构的干涉强度分布，其相关峰 可以视为该正弦光栅结构的一级衍射峰。经典的联合变换相关输出就是直接对上 式进行逆傅立叶变换得到的。前两项的傅立叶变换产生参考图像和目标图像各自 的自相关输出。属于零衍射级，后一项产生我们所需要的互相关输出。 设联合输入图像如图2 1 所示，经典联合变换相关器所得到的相关结果如图 2 2 所示。由图可以看出，经典联合变换相关器的直流分量( 零级项) 占相关输出 面的大部分能量，而互相关输入与零衍射级相比，能量很弱。当目标图像和参考 图像之间的中心距离很近时，互相关项将被淹没于零级项中，导致识别困难。 幽2 1 联合输入网像 硕卜论文 光电宴时模式识别技术的研究 图2 2c j t c 的相关输出结果 与匹配滤波相关器相比，联合变换相关器具有如下优点： ( 1 ) 实时识别和自适应的特点，因为它不需要提前制作滤波器，只需将参考 图像存储于计算机中，相关时将其与目标图像同时显示在液晶电视l c t v 或其他 空间光调制器s l m 上。 ( 2 ) 探测联合变换功率谱可以是一个非线性的处理过程，从而提高相关性 能。 ( 3 ) 由于我们对相关峰的形状并不特别感兴趣，所以可以选择功率谱的一部 分来产生干涉条纹。 似) 如果采用短焦距傅里叶变换透镜加一个放大透镜，系统的总长度可以大 大缩短。 目前联合变换相关器技术已经j “泛应用于诸如指纹识别f 4 0 1 、光纤检测f 4 1 a 2 l 、 工业零件识别【4 3 】、汽车牌照识别【4 4 l 以及三维跟踪等领域，并取得了很好的识 别效果。 经典联合变换相关器存在两个方面的弱点：“方面，由于联合变换相关存在 较强的零衍射级，从而使输出面中相关输出的衍射效率较低，它影响相关峰的探 测：另一方面，联合变换相关输出面中零级衍射峰的宽度很大，限制了其输入面 的目标图像和参考图像的大小和相对位置，降低了对输入面空i d j 带宽积的使用。 因此，削弱或去除零衍射级，抑制旁瓣，增强互相关峰的强度，就成为设计 各种新型的联合变换相关器的依据。目前研究最多的有以下几种类型：非线性联 合变换相关器，条纹调制滤波联合变换相关器，振幅调制滤波联合变换相关器。 本课题组的上腻博仁袁祥岩在这方面投入了大量的工作，最终得出基于振幅调 硕士论文 光电实时模式识别技术的研究 制滤波的联合变换相关器最适合本课题的研究丁作。下面简要介绍振幅调制滤波 f e n g 等人提出的振幅调制滤波函数( a m f ) 为： 柏叫，_ j ，刮：m ，训 眨z 【 1 j 月( “，v ) 2 d ( n l ，”，) 一 矗二，一一+ ( 3 2 10 ) ( 3 2 1 1 ) ，7 是图像中每个像素的m n 的邻域。 然后对每一个像素估计出灰度值 6 ( l i ，1 2 一+ 等训 。2 1 2 这里v2 是图像噪声中的方差。图3 2 8 为自适应滤波前后效果。 3 2 4 锐化 ( b ) 幽3 2 8 自适应滤波( a ) 原始蚓像：( b ) 滤波后的图像 锐化技术用于加强图像中的目标边界和图像细节。常用的方法是对图像进行 微分处理。图像模糊是常见的图像降质问题。在图像摄取、传输及处理过程中有 许多因素可以使图像变模糊。电子系统高频性能不好也会损失图像高频分量，而 使图像不清晰。在对图像进行数字化时，实际取样点总是有一定的面积，所得的 样本是这个具有一定面积的区域的亮度平均值，若取样点正好在边界上，则使样 本值降低，从而使数字图像的边界变的不清楚。 大量的研究表明，各种图像变模糊的物理过程的数学模型+ 般含有求和、平 均或积分运算。所以可以在空域中运用微分运算增强图像，也可以在频域中用加 强高频分量的方法增强图像。锐化效果可见图： 2 8 。 婴! ：堡苎堂皇茎堕塑苎望型垫查堕堕壅 ( b ) 图3 28 锐化( a ) 原始图像：( b ) 锐化后的图像 3 3 图像分割5 2 - 6 2 3 3 1 图像分割定义 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部 分常称为目标或前景( 其它部分称为背景) ，它们一般对应图像中特定的，具有独 特性质的区域。为了辨别和分析目标，需要将这些有关区域分离提取出来，在此 基础上才有可能对目标进一步处理，如进行特征提取和测量。图像分割就是把图 像分成各具特性的区域并提取出感兴趣目标的技术和过程。这早特征可以是灰 度、颜色、纹理等，目标可以对应单个区域，也可以对应多个区域。本课题是对 灰度图像的研究，因此可以利用目标区域和背景区域在灰度方面的差异，实现对 图像的分割，即基于灰度的图像分割。 图像分割可以借助集合的概念用如下比较正式的方法定义： 令集合r 代表图像区域，对r 的分割可看作将r 分成若干满足以f5 个条 件的非空子集( 子区域) 岛，r 2 ，q ，： l 1 叫j r k 尺 扛l ( 2 ) 对所有的z 和j ，f t 有尺，n r ，= o ； ( 3 ) 对江1 , 2 ，3 ，门，有p ( r i ) = 豫砸； ( 4 ) 对j ，有户( ru r j ) = 剐。踞； ( 5 ) 对，= 1 ，2 , 3 ，门，r i 魁连通的区域。 硕i j 论文 光电实时模式识别技术的研究 其中p ( r i l 是对所有在集合兄中元素的逻辑谓词，是空集。 上述条件( i ) 指出分割所得到的全部子区域的总和( 并集) 应能包括图像中所 有象素，或者说分割应将图像中的每个象素都分进某个子区域中。条件( 2 ) 指 出各个子区域是互相不重叠的，或者说一个象素不能同时属于两个区域。条件( 3 ) 指出在分割后得到的属于同一个区域中的象素应该具有某些相同特性。条件( 4 ) 指出在分割后得到的属于不同区域中的象素应该具有一些不同特性。条件( 5 ) 要 求同一个子区域内的象素应该是连通的。对图像的分割总是根据一些分割的准则 进行的。条件( 1 ) 和( 2 ) 说明分割准则应可使用于所有区域和所有象素，而条件( 3 ) t n ( 4 ) 说明分割准则应能帮助确定各区域象素有代表性的特性。 根据以上定义和讨论，可按如下方法对分割算法进行分类。对灰度图像的分 割常可基于象素灰度值的不连续性和相似性。区域内的象素一般具有灰度相似 性，而在区域之间的边界上一般具有厌度不连续性。所以分割算法可分为利用区 域问灰度不连续性的基于边界算法和利用区域内灰度相似性的基于区域的算法。 另外根据分割过程中处理策略的不同，分割算法又可分为并行算法和串行算法。 在并行算法中，所有判断和决定都可以独立的和同时的做出，而在串行算法中， 早期处理的结果可被其后的处理过程利用。一般串行算法所需计算时间比并行算 法长，但抗噪声能力也较强。上述这两个准则互不重合又互为补充，所以分割算 法可根据这两个准则分成四类：1 并行边界类：2 串行边界类：3 并行区域类： 4 串行区域类。这种分类方法既能满足上述分割定义的五个条件，也可以包括图 像分割所常用的各种算法。例如基于边缘检测的方法可以是并行的或串行的，主 要取决于边缘连接或跟踪时采用的策略，闽值分割法和象素分类法都属于并行区 域类，而区域生长和区域分裂合并法则属于串行区域类。根据本课题所研究图像 的特征及要求，主要采用中问两类分割算法。 3 3 2 并行区域技术 取阈值是最常见的并行的直接检测的分割方法。在利用墩阂值方法来分割灰 度图像时一般都对图像有一定的假设。也就是说，是基于一定的图像模型的。晟 常用的模型可描述如下：假设图像由具有单峰灰度分布的目标和背景组成在目 标或背景内部的相邻象素问的扶度值是高度相关的，但在目标和背景交界处两边 的象素在灰度值上有很大的差别。如果一幅图像满足这些条件，它的灰度直方图 基本上可看作是由分别对应目标和背景的两个单峰直方图混合而成。此时如果这 两个分布大小( 数量) 接近且均值相距足够远，而且均方差也足够小，则直方图 应是双峰的。对这类图像常可用取闽值方法来较好地分割。 硕士论文 光电实时模式识别技术的研究 最简单地利用取阈值方法来分割灰度图像的步骤如下。首先对一幅灰度取值 在g m l 。和g 。之问的图像确定一个灰度闽值7 1 ( g m i 。 t ( z ，y ) 丁 ( 3 叫 按式( 3 | 3 1 ) 处理得到黑背景图像，按式( 3 3 2 ) 处理得到白背景图像。其中 m a x g r a ，a l 取值为灰度图像的最大灰度级，一般灰度图像中象素灰度用8 位表示，灰度分为2 5 6 级即0 2 5 5 。所以这罩m a x g r a ，a l 取2 5 5 。 图像的单阈值处理比较简单，相应的图像也比较简单。如图3 3 1 和图3 f 3 2 原始图像背景单一，灰度均匀，且和目标的灰度值明显不同，其直方图为明显的 双峰结构。背景为灰白，对应直方图中1 5 0 15 5 之间的灰度级；目标较暗，对应 直方图中o 15 0 之间的灰度级。 ( b ) 劁3 3 i 单阈值分割( a ) 原始图像：( b ) 处理后的图像 硕1 。论文 光电实时模式识别技术的研究 图3 3 2 直方图( a ) 剀3 3 1 ( a ) 的直方图；( b ) 图3 3 1 ( b ) 的直方图 图像的多阈值分割较为复杂，首先要对待处理的图像有一定的认识，根据图 像中不同区域的灰度值范围来确定多个阈值，其基本原理与单阈值分割一样。 3 3 3 串行边界技术 边缘检测可归属于串行边界技术，是所有基于边界的分割方法的第一步。边 缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。在 图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区 域的内部特征或属性