（检测技术与自动化装置专业论文）视频图像汉字的仿人识别机理研究.pdf

视频图像汉字的仿人识别机理研究 摘要 人类视觉感知毫无疑问是一个鲁棒性很强的、能抵御实际中可能遇到的各种变形 和各种干扰噪声的文字识别系统。人类用眼睛和大脑可以识别各种各样的文字和图 像，而不计较它的任何干扰和变形。显然，研究机器模仿人类的视觉感知过程不论对 汉字识别，乃至图像识别都是具有极其重要意义的。 论文主要涉及了以下工作： 1 ) 图像预处理。研究了灰度文本图像二值化及字符分割。提出一种灰度文本图 像自适应二值化滤波算法。该算法将自适应滤波与局部闯值二值化有机结合 起来，较好的克服了噪声对二值化的影响，特别对阴影图像二值化处理具有 良好效果。 2 )图像汉字的细化及笔画提取。提出了基于图像形态学的汉字细化算法及基于 改进梯度法的汉字笔画提取算法。该算法将汉字笔画归于横竖撇捺四类，并 能完整有效的从汉字图像中分别提取出来。 3 )图像汉字的字元制定与编码方法。对汉字的构成进行了研究，在总结多种汉 字编码方案优缺点的基础上，结合计算机视觉的特点，提出一种表征汉字特 征的机器认知汉字八形码编制方法。 4 ) 仿人汉字识别系统。在汉字八形码编制及提取算法的基础上，提出了基于汉 字八形码的仿人汉字识别系统。 本文研究表明，灰度文本图像二值化滤波算法有效可行：汉字细化及笔画提取算 法能够提取出汉字中的横竖撇捺四种笔画：八形汉字识别码能有效的表征汉字的本质 特性；基于八形汉字识别码的仿人汉字识别算法能够有效提高系统的抗干扰性和识别 正确率。 关键词：自适应滤波汉字笔画提取八形汉字编码汉字识别 t h es t u d yo ft h em e c h a n i s mo fh u m a n o i dr e c o g n i t i o nf o r v i d e oi m a g ec h i n e s ec h a r a c t e r a b s t r a c t h u m a no c u l a t a p p e r c e i v ei st r u l yar o b u s tc h a r a c t e rr e c o g n i t i o ns y s t e mw h i c hc a r l a d a p tt oa l lk i n d so fn o i s e u s i n ge y e sa n db r a i n ，m a nc a nr e c o g n i z ea l ls o r t so fc h a r a c t e r s a n di m a g e s ，n om a t t e rw h a td i s t u r b e ra n dd i s t o r t i o n o b v i o u s l y , i ti s v e r yi m p o r t a n tf o r c h i n e s ec h a r a c t e rr e c o g n i t i o n , e v e nf o ri m a g er e c o g n i t i o nt h a tw ed os o m er e s e a r c ho nt h e c o u r s eo fm a no c u l a ra p p e r c e i v e t h ef o l l o w i n ga r et h em a j o rc o n t e n t si nt h et h e s i s ： 1 i m a g ep r e t r e a t m e n t w ed os o m er e s e a r c ho nb i n a r i z a t i o no fg r a yi m a g ea n d c h a r a c t e rs e g m e n t a t i o n a na d a p t i v eb i n a r i z a t i o nf i l t e ra l g o r i t h i ni sp r e s e n t e d ， w h i c hc o m b i r t e sa d a p t i v ef i l t e r i n gw i t hl o c a lt h r e s h o l db i n a r i z a t i o nm e t h o d t h e a l g o r i t h mo v e r c o m e st h ee f f e c to fu n e v e nl i g h ta n dn o i s eo nb i n a r i z a t i o n ，e s p e c i a l f o rs h a d ei m a g e s 2 t h i n n i n go fc h i n e s ec h a r a c t e ri m a g e sa n ds t r o k ee x t r a c t i o n am o r p h o l o g y b a s e d t h i n n i n ga l g o r i t h ma n df ls t r o k ee x t r a c t i o na l g o r i t h mb a s e do ni m p r o v e dg r a d i e n t i sp r e s e n t e d t h ea l g o r i t h ma s s o r t sc h i n e s ec h a r a c t e rs 仃o k e sa sf o n rs o r t s a n d e x t r a c t st h e mf r o mc h i n e s ec h a r a c t e ri m a g e s 3 t h ee s t a b l i s h m e n to fe t y m o na n dt h ec o d i n gs c h e m ef o rc h i n e s ec h a r a c t e r s o m e r e s e a r c ho nc h i n e s ec h a r a c t e rs t r u c t u r ei sd o n e ，a n da f t e rs o m ec o d i n gs c h e m e s o fc h i n e s ec h a r a c t e ra r es u m m a r i z e da n dt r a i to fc o m p u t e rv i s i o ni sc o n s i d e r e d an e wc o d e - - - e i g h t - s h a p ec o d ef o rc h i n e s ec h a r a c t e ri sp r e s e n t e d w h i c hi n d i c a t e s c h i n e s ec h a r a c t e rs t r u c t u r et r a i ra n dc a nb ee x t r a c t e da u t o m a t i c a l l yb yc o m p u t e r f r o mc h i n e s ec h a r a c t e ri m a g e s 4 t h eh u m a n o i dc h i n e s ec h a r a c t e rr e c o g n i t i o ns y s t e m b a s e do ne i g h t s h a p ec o d e s c h e m ea n dc o d e e x t r a c t i o na l g o r i t h m ，h n n l a n o i dc h i n e s ec h a r a c t e rr e c o g n i t i o n s y s t e mi sp r e s e n t e d t h er e s e a r c hi nt h i sa r t i c l es h o w st h a tt h ea d a p t i v eb i n a r i z a t i o n f i l t e r i n g a l g o r i t h mf o rg r a yc h a r a c t e ri m a g ei se f f e c t i v e ；t h et h i n n i n ga l g o r i t h mf o rc h i n e s e c h a r a c t e ri m a g e sa n dt h es t r o k e - e x t r a c t i o na l g o r i t h mc a ne x t r a c th e n ，s u ，p i e ，n af o u r s o r t ss t r o k ef r o mc h i n e s ec h a r a c t e ri m a g e s ；e i g h t s h a p ec o d e o fc h i n e s ec h a r a c t e r c a l le f f e c t i v e l yi n d i c a t e st h et r a i to fc h i n e s ec h a r a c t e rs t r u c t u r e t h ec h i n e s e c h a r a c t e rr e c o g n i t i o ns y s t e mb a s e do ne i g h t s h a p ec o d ec a ne f f e c t i v e l yi m p r o v en o i s e i l r m a u n i t ya n dc o r r e c tr a t eo f t h es y s t e m k e yw o r d s ：a d a p t i v ef i l t e r , c h i n e s ec h a r a c t e rs t r o k ee x t r a c t i o n ，e i g h t s h a p ec h i n e s e c h a r a c t e rc o d e ，c h i n e s ec h a r a c t e rr e c o g n i t i o n 独创性声明 本人声明_ | ；晕熊交的学位论文怒本太在导师撂导下进行的磺究工馋及取得的 ； 变成暴。据 我所知，除了文中特别加以标志和致谢的地方外，论文4 1 不包含其他人已经发表或撰写过的 研究藏襞，瞧不包鸯为获褥金裁兰墼盍燮 或萁毽教育梳穗麓学傻线汪| ；掰使瑶避麓材 料。与我一同工作的i 抵对本研究所做的任何贡献均已在论文中作了明确的说明并袭示谢 意。 学位论文作者签字：秦毒最攀字瑟魏：矽尹年中旁黟蹬 学位论文版权使用授权书 本学位论文作者完叠了解焱月b 王、业太堂有荚保留、使刖学位论文的规定，有权保留 荠商鑫家有关帮门或辊掬送交论文麓复印髑：秘滋盘，克薛论文被套丽戴偌阗。本a 援救金 盥王些态堂可以将学位论文的全部或部分论文内裙编入有关数据席进行检索，可以采用影 印、缩郧或扫描等复制筝段保存、汇编学位论文。 ( 保密的学位论文在解密后逑用本授权辟) 学谴论文者签名：森拳氛 导爨签名： 签字目期； 年月星 学位论文作者毕业后去向 工律单位： 通讯地址： 签字目期旁胖野年中冠玛髫 邀话： 邮编： 致谢 论文是在王建平研究员的悉心指导下完成的。从课题的选题到课题的研究都倾注 了王老师大量的心血。 在与王老师相处的三年中，王老师以渊博的知识、严谨的治学态度、非凡的敬业 精神、敏锐的思维和对学科发展前沿的洞察力使我在学术、专业技术和做人方面受益 匪浅，为我今后的工作生活树立了楷模。在此向王老师致以最真挚的谢意! 衷心感谢朱程辉副教授，朱老师认真的工作态度、严谨细致的工作作风、以及学 习生活上热心的帮助尤为让我感动。在此向朱老师表示深深的感谢! 衷心感谢方敏教授在学习和生活上给予我的帮助和支持。 衷心感谢合肥工业大学智能控制研究所的王金玲老师、穆道明老师、罗国军老师、 郑洁老师以及其他几位老师在课题研究过程中给予的无私帮助。 感谢好友李坤，金波，叶英杰在三年里给予我生活上的关心和帮助。感谢王志红、 陈昕、姜涛、后俊、钱波、梁朝军、史明光、秦剑、杨静、钱自拓、汪竹林、郭智辉、 赵丽新、蔺菲等实验室同学，这段与他们共同度过的学习时间，将成为我人生中的美 好记忆。 感谢我的父母及家人，是他们用辛勤的劳动给了我学习与生活的最基本条件，使 我有机会接触外面精彩的世界。 衷心感谢所有关心和帮助过我的同学和朋友! 作者：秦枫 2 0 0 4 年4 月 第一章绪论 使计算机具有人类的感知能力，能够识图认字、听话和说话，能与人类自 然进行信息交互，这些是人们长期以来的梦想。赋予计算机认识图像汉字的。智 能，克服计算机汉语信息处理的汉字输入困难的问题，对我国信息化发展具有 极特殊重要的意义。 1 1 汉字识别及其技术现状 汉字识别，即运用计算机系统自动识别印刷或手写的图像汉字，进而转换 为计算机可以处理的编码技术。 汉字是形、声、义有机组合的方块文字，与西文相比，汉字具有数量浩大 ( 常用汉字在4 0 0 0 7 0 0 0 个以上) 、结构繁杂、字体字形变化多端等特点。因 此，汉字识别的研究工作一直被看作是十分困难的模式识别问题，并被视为字 符识别研究的最终目的。 1 1 1 汉字识别研究的发展历程2 j 1 3 1 4 文字识别很早就是人们的梦想，早在1 9 2 9 年，t a u s h c k 就在德国获得了一 项有关o c r ( o p t i c a lc h a r a c t e r r e c o g n i t i o n ) 的专利。欧美国家为了将浩如烟海、 与日俱增的大量报刊杂志、文件资料和单据报表等文字材料输入计算机进行信 息处理，从5 0 年代就开始了西文o c r 技术的研究，以便代替人工键盘输入。 汉字的识别最早可以追溯到6 0 年代，1 9 6 6 年，i b m 公司的c a s e y 和n a g y 利用 简单的模板匹配法识别了1 0 0 0 个印刷体汉字。7 0 年代以来，日本学者做了许 多工作，其中有代表性的系统有1 9 7 7 年东芝综合研究所研制的可以识别2 0 0 0 汉字的单体印刷汉字识别系统；8 0 年代初期，日本武藏野电气研究所研制的可 以识别2 3 0 0 个多体汉字的印刷体汉字识别系统，代表了当时汉字识别的最高水 平拉j 。此外，日本的太平洋、松下、理光和富士等公司也有其研制的汉字识别 系统。这些系统在方法上，大都采用基于k l 数字变换的匹配方案，使用了大 量专用硬件，其设备有的相当于小型机甚至大型机，价格极其昂贵，没有得到 广泛应用。我国对汉字识别研究工作始于七十年代末，其研究工作大致可以分 为三大阶段： 第一阶段从7 0 年代末期到8 0 年代末期。这一阶段主要研究的是汉字识别 的算法和方案，研究人员提出了用于汉字识别的各种方法和特征，如特征点方 法、汉字周边特征、汉字的结构元特征等，并在此基础上研究成功一批汉字识 别系统，其中比较突出的有清华大学电子工程系研制成功的清华多字体印刷汉 字识别系统，沈阳自动化所研制的沈阳印刷汉字识别系统和北京信息工程学院 研制成功的北信单体印刷汉字识别系统。这一阶段是印刷汉字识别成果倍出的 时期。但是，这些成果还仅仅处于实验室阶段，没有转化为产品来实际解决印 刷汉字的自动输入问题。 第二阶段是九十年代初期开始，汉字o c r 技术进入了一个重要、蓬勃发展 的时期即将实验室的研究成果推向市场，推向实用，在实际的汉字识别输入应 用条件下，检验和考查这些研究成果。而个汉字识别能否通过这一严峻的考 验，并进一步发展，取决于两个重要因素j ： 识别方案本身是否具有足够的抗干扰能力，以适应实际应用环境中各种 干扰噪声的影响，保持较高的识别正确率，满足实际应用的要求。 识别系统是否可以根据用户的要求、市场的需要，不断及时地改进系统 的性能指标和使用环境，从而在激烈的市场竞争中取得一席之地。 印刷体汉字识别系统的研究还要解决好实用汉字识别系统所必须解决的一 些问题，如版面的自动分析、行字切分、人机界面和良好的应用环境等等。这 阶段，形成了一些初步实用的印刷体汉字识别系统开始进入市场。典型的系 统有：清华大学电子工程系完成的清华o c r ( t ho c r ) ，北京信息工程学院完 成的北信o c r ( b i o c r ) 并n 沈阳自动化所完成的沈阳o c r ( s y - o c r ) 。其中清华 o c r 以其较高的性能和良好的使用环境，颇受用户欢迎。 九十年代计算机硬件资源发生了巨大的变化，为手写体汉字识别提供了相 对充分的研究环境。更为重要的是，从8 0 年代开始，汉字o c r 的研究开发就 一直受到国家“8 6 3 计划”的很大资助，人而促进了许多o c r 重大成果的获得。 特别是在手写体识别方面。大量有关手写体o c r 方面的论文和系统见诸于世 4 1 。到了1 9 9 2 年后，一些手写体汉字识别系统逐渐向实用化发展。 1 1 2 汉字识别技术研究现状及发展趋势1 5 i1 6 1 1 7 11 8 1 由于汉字数量众多，汉字识别问题属于超多类模式集合的分类问题。根据 实用情况的不同，汉字识别技术可以分为印刷体识别及手写体识别技术。而手 写体识别又分为联机( o n 1 i n e ) 与脱机( o f f - l i n e ) 两种。由于手写体汉字变形 较大，结构上不确定性更大，故从识别技术的难度来说，手写体识别的难度高 于印刷体识别，而在手写体识别中，脱机手写体的难度又远远超过了联机手写 体识别。到目前为止，联机手写体汉字的识别已有实际应用，汉字等文字的脱 机手写体识别还处在实验室阶段。 联机手写体的输入，是依靠电磁式或压电式等手写输入板来完成的。在书 写时，笔在板上的运动轨迹( 在板上的坐标) 被转化为一系列的电信号，电信 号可以串行地进入到计算机中。从这些电信号我们可以比较容易地抽取笔划和 笔顺的信息，从9 0 年代以来，联机手写体识别己逐步走向实用，方兴未艾。中 国大陆及台湾地区的科研工作者推出了多个联机手写体汉字识别系统，国外的 一些大公司也开始进入这一广场。这一技术也迎合p d a ( p e r s o n a ld i g i t a l a s s i s t a n t ) 静发袋潮流。汉字谈涮最重器的指标是识剐正确率，萁簸薪技术包籀 以下几个方面： 一、汉字谈剐混合系统的研究 现有的多种汉字识别理论鄹方法，往往各有长短，当前汉字识别的一个研 究重点就是一改传统的单一特征提取和单一分类方法构成的识别系统，丽采用 多特征提取和多分类方法，并以多种方式混合而形成的汉字识别混合系统。因 为抽取单一年辛癸的特征遴行汉字识剐，弼藏掰利蘑黔汉字傣患量较有限，不可 能全面反映汉字的特点。对于假一种汉字特征来说，必然存在其识别的“死角”， 繇存在零l 麓该祷鬣很雅进行基分翡汉字，霾藏误识率穰难降低，露且识别靛干 扰性能不易提高。 汉字识裂混合系统羧是采掰多特缓提取秘多分类方法，灵淫圭莰裂短各耱汉 字特征的互相补充，相得益彰，从而达到提高识别率的目的。其基本出发点是： 漫台多数据源，、多表示法帮多处理方法为一体，以鳃决一个复杂困难兹摸式识 别问题。汉字识别混合系统主疆分为两大类：第一类是多分类器集成系统，其 基本原理是在系统内设计多令分类器以掏成锫自的独立系统，针对多个分类器 的各个输出信息，采取定规则进行表决以得最终的输出结果。如采用投票 ( v o t i n g ) 法，就是将各个分类器的识别结果作为一张选票，得票最多的文字 作为最终的输出结果，这是一种最筒举的多分类器蔟成方法，需瑟有足够多的 分类器才可取得较好的结果。d 。s ( d e m p s t e r s h a f e r ) 法是一种基于概率论和集合 论翡方法，它将多个分炎器的掰有可缝的识剽结果作为元素戬缝合成一个“识 别框架”，然后利用概率论的方法计算“识别框架”中各个元素的“信任函数” 鼓褥舅最终静谈裂结聚。第二类是羹予多嵇分类方法黥模块实褒的混台模式识 别系统，它不同于利用彩分类器输出结果进行表决的多分类器输出结果进行表 决豹多分类器集箴系统，嚣是投疆汉字识裂特点对整个识鬟过秘遂行分缀凌分 阶段处理，前一级的输出结果怒后一级的输入，后级识别是对前一级识别的 缨化帮延续，从嚣实褒多特征方法豹夏 以及多识别级翅信患麓剽耀，以提高 汉字识别率。 二、襻经灏络识剩方法 人工神经网络是一种按照人脑的组织和活动原联而构遗的一种数据驱动非 线经模黧。它赉毒枣经元缝梅模羹、瓣络连接模型、潮络学习算法等足个要褰组 成，是具有某些智能功能的系统。从网络的结构划分，人工神经网络有许多不 羁静秽类，如感艇嚣、b p 稠、a r t 簿等。这些缝稳不司熬网络在信息楚毽功 能上各有千秋。 奎予人工辛孛经网络其有与人脑相似的高度势专亍憾，良好的容锩能力积联想 记忆功能，较强的自适应和自学习能力等特点，神经网络识别方法可以处理一 些环境十分复杂，背景知识不清楚，推理规则不明确的问题，而这些正是汉字 识别特别是手写体汉字识别所需要的。目前，神经网络已在汉字识别领域得到 了广泛应用。 三、基于模糊数学的汉字识别技术 模式识别中广为运用的统计方法与人脑识别相比，差别很大，且在分类上 十分复杂，需要描述的特征过多的情况下，其效果不能令人满意。注意到人识 别汉字并不是精确计算汉字的每一个笔划，而是与大脑中一个模糊的样本进行 比较然后判别。这个模糊样本包括汉字的整体结构信息和具有区分其它字的典 型的细节。模糊数学的显著特点是它能更自然更直接地表达人类习惯使用的逻 辑含义，很适用于直接的或高层的知识表示，因此模糊概念的汉字识别已成为 有效的研究工具之一。 四、心理学研究成果在汉字识别中的应用 字符识别的心理学研究对字符识别具有启发意义。路浩如等人对人类汉字 的认知心理实验研究结果进行总结后，认为人的汉字识别是经由整字属性及分 层结构等多种途径复合而成的，其中多数都可以在字符机器识别中模仿应用， 1 1 3 小结 总体来说，近几年国内对印刷体汉字识别的研究还是相当深入的，也取得 了很大成绩，使系统的识别率不断上升。但是，由于汉字是由古代象形文字演 变而来，由各种线条构成。各种线条的构成都有一定的意义。当前汉字识别所 采用的主要以传统模式识别为依据，采用各种匹配的方式，把汉字当作普通的 图像，未考虑汉字是由各种属性的线条( 笔划) 构成的，这与人的识别方式大 相径庭，也使得当前的汉字识别始终达不到人们所期望的程度。 本文研究人类识字机理与机器认知模式的有机结合，从人对汉字的识别过 程出发，使计算机尽可能模仿人的识别过程。以期尽可能接近人认识汉字的效 果。 1 2 本文工作及各章内容安排 1 21 论文背景 为了提高汉字识别适应性和识别正确率，本文在总结前人研究成果的基础 上，提出了仿人八形码汉字识别方法。本文对仿人汉字识别的机理、过程进行 了较深入研究，并在m a t l a b 6 1 环境下，针对车牌视频图像的印刷体汉字识 别进行了实验研究，初步证明该方法的可行性。 本文作了以下一些有意义的工作： 1 2 2 论文研究的主要内容 1 ) 图像预处理。研究了灰度文本图像二值化及字符分割。提出一种灰度文 本图像自适应二值化滤波算法。该算法将自适应滤波与局部闽值二值化 有机结合起来，较好的克服了噪声对二值化的影响，特别对阴影图像二 值化处理具有 良好效果。 2 ) 图像汉字的细化及笔画提取。提出了基于图像形态学的汉字细化算法及 基于改进梯度法的汉字笔画提取算法。该算法将汉字笔画归于横竖撇捺 四类，并能完整有效的从汉字图像中分别提取出来。 3 ) 图像汉字的字元制定与编码方法。对汉字的构成进行了研究，在总结多 种汉字编码方案优缺点的基础上，结合计算机视觉的特点，提出一种表 征汉字特征的机器认知汉字八形码编制方法。 4 ) 仿人汉字识别系统。在汉字八形码编制及提取算法的基础上，提出了基 于汉字八形码的仿人汉字识别系统。 5 ) 总结了仿人汉字识别系统的优点与不足，指出了该系统进一步改进的方 向。 第二章图像预处理 原始图像在进行汉字识别前要经过图像预处理。预处理的目的是通过字符 切分将原始图像变成单字图像，将单字汉字图像大小位置归一化，消除图像中 的噪声干扰。本章以车牌图像为研究对象，介绍了灰度文本图像二值化滤波与 车牌字符切分算法。 2 1 灰度文本图像自适应二值化滤波算法 以二值图像为基础是字符识别的有效途径。实际系统得到的一般都是彩色 或灰度图像，有必要对得到的原始图像进行二值化处理。由于种种原因，实际 得到的图像存在着噪声和失真，如何克服噪声和失真对二值化的干扰，直接关 系到二值化输出的图像质量，乃至影响到识别的效果。 本文将灰度文本图像看作是一幅被噪声污染的二值图像，对图像二值化也 是一个去噪复原的过程。由于自适应滤波在信号处理中得到了广泛的应用，被 认为是一种有效的去噪方式。因此选用自适应滤波器对被处理的灰度图像进行 滤波，使自适应滤波器的输出逼近理想的二值图像。在局部阈值选取中采用改 进的大津算法，提高了运算效率。实验结果表明该算法克服了光照不均和噪声 对灰度文本图像二值化的影响，得到了较理想的二值图像。 2 1 1 自适应滤波9 3 自适应滤波是近3 0 年以来发展起来的一种最佳滤波方法。它是在维纳滤 波，k a l m a n 滤波等线性滤波基础上发展起来的一种最佳滤波方法。自适应滤披 的研究对象是具有不确定的系统或信息过程。这里的“不确定性”是指所研究 的处理信息过程及其环境的数学模型不是完全确定的。其中包含一些未知因素 和随机因素。任何一个实际的信息过程都具有不同程度的不确定性，这些不确 定性有时表现在过程内部，有时表现在过程外部。由于它具有更强的适应性和 更优的滤波性能。从而在工程实际中，尤其在信息处理技术中得到了广泛的应 用。 211 1 自适应滤波基本原理 自适应滤波器的原理如图2 1 所示 随着数字信号处理技术以及数字信号处理器( d s p ) 的发展，人们越来越 重视将现代数字信号处理技术与d s p 结合起来，以进一步的提高测量精度、简 化电路设计。1 9 9 6 年9 月1 0 日授予h v d e r b y 等人的美国专利p 1 以及1 9 9 8 年8 月1 2 日授予的中国专利【8 】( 由于两专利在内容上完全一样，下面简称为 “d e r b y 的专利”) 设计了一个基于d s p 的数字信号处理系统。在d s p 中采用 了自适应线性增强( a l e ) 技术和装置以准确地确定振动流管之间的频率和相 位关系，从而更精确的确定流经质量流量计的物质的质量流率。d e r b y 的专利 有两个实施例，每一个实施例信号处理环节都由三部分组成：多抽一滤波一频 率估计线性增强一相位差( 时间差) 计算。其自适应谱线增强是通过调两参 数的a n f 和两级a n f 来实现的，可以兼顾跟踪精度和跟踪速度两方面的要求。 两实施例的多抽一部分采用8 ：1 和6 ：1 两级抽取，相位差计算采用改进的 g o e r t z e l 算法。 合肥工业大学自动化所采用的基于自适应陷波滤波器的方法【9 】也可以归为 到这一类。 1 2 3d s p 技术与科氏流量计数字信号处理方法 原来的模拟的信号处理方法有很多局限，而数字的方法有很多的优点，特 别是随着d s p 处理器的发展和完善，以及数字信号处理方法和技术的进步，故 对数字信号处理方法的研究显得特别的有意义。国外的公司和研究机构以及国 内的一些高校采用数字信号处理技术试图解决现有科氏流量计信号处理方法所 存在的问题。2 0 0 0 年下半年美国m i c r o m o t i o n 公司推出了采用m v d 新技术的 科氏流量计，其他一些国外公司也相继推出采用数字信号处理技术的科氏流量 计。 图1 7 基于d s p 的数字信号处理系统 出 与使用时间常量去阻抑和稳定信号相比，使用数字信号处理( d s p ) 技术 的主要好处之一，是能够以一个被提高了的采样率去过滤实时信号，减少了流 薹于最速下降法静簸，j 、均方溪差( l m s ) 簿法的遗代公式翅下： p ( 月) = d ( ”) 一x 。( h ) 阡7 ( ，z )( 2 1 ) ；矿( h + 1 ) = 矿( 露) + 2 t e ( n ) x ( 撵)( 2 2 ) 其中：晰州为自适应滤波器在时刻 疗 的权矢量， 段碜= 寥御，x ( n - 移，x ( n ，三? ，】7 爻游猫玲弱输入售号矢量，三是鑫适应滤波爨豹 长度，矗向，为期望输出值，v 俐为干扰信号，p m ，怒误差信号，是步长因子。 l m s 算法收敛条 牛麓；0 2 ，五。，五。是竣入信号岛提关簸薅的爨丈特，疰 值。 扔始收敛速度、对变系统跟踪能力及稳态失调是鬻羹自适应滤波箕法优劣 的三个最重要的技术指标。由于主输入端不可避兔地存在干扰嗓声，自适应滤 波算法将产生参数失调噪声。干扰噪声v ( n ) 越大，则引趣的失调噪声就越大。 减小步长西子脚可减小自适应滤波的稳态失调噪声，提筒算法的收敛精度。然 而步长因子的减小将降低冀法的收敛速度和跟踪速度。因此，当采用固定步 长的裔适应二值亿滤波算法时，步藩的选取是很关键的。 2 。1 2 囱适应二值化滤波器的设计【l i 】 一幅i j 像素的字符灰度图像x ( f ，- ，) 可看成是一幅理想的二值图像c ( i ，j ) 混入了噪声耧失真。铮慰这耩图像设诗一蛰是逶盛二篷纯滤渡器，逶过瓣x ( ，) 自适应滤波得到逼近的理想二值图像y ( ，) ，其滤波公式为： 2 2 y ( i ，) = v r , ( m ，n ) x ( i + m n ，j + n 一) ( 2 _ 3 ) m = o n = o 其中：矾为( 2 n + 1 ) + ( 2 n + 1 ) 滤波器权值矩阵，k 怒迭代次数，k = i4 j + j ， i = 1 ，2 ，i ，j 一1 ，2 ，j ，m 2 1 ，2 ，n ，2 1 2 ，n t 考察原获度图x g ，力上以( f ，) 为中心的模板区域( 区域大小要保证模板区域 内包含霄目标点与背煨点) ，逡用第三小节提出的改进大津算法计算该点处二值 化闽值t h r e s h ( i ，j ) ，将y ( j ，j ) 二值化w 得到瓒想二值图像c ( f ，j ，) 的估计值e 一，刀， 其二值化处理过程为： 鳓= 搿篷篙嬲 c z 叫， 滤波嚣蕊误差定义为： e ( i 0 ) 一c o ，y ( i j ) q 一勒 瞬时代价函数f ( i ，力定义为： 霆i)=(i；转t2一q 采用随机梯度自通应算法求i ，办的最小值，在l m s 算法中用最陡梯度下 降法，根据这种算法，下一点的权矩阵等于当前的权矩阵加上一个与噪声功率的 负梯度成正比的变化量。其二维权调节算法可用矩阵形式写为： + l = 岷一面i( 2 7 ) 式中，。是更新后的权矩阵；是更新前的权矩阵；是一个控制收敛速 度与稳定性的正的步长参数，称之为收敛因子。 g 。是e e 2 k 相对于的二维瞬时梯度，可以用更明显矩阵形式写为： g t = a e e 2 a ( 0 ，0 ) d e e2 a ( 2 n ，0 ) a e e2 女 a ( o ，2 n ) 烈e 瞳2 * ) a ( 2 n ，2 n ) l m s 算法估计瞬时梯度( 单次迭代的平方误差的梯度) g ，满足 g k ( m ，n ) = a e2 i ) ，a 阡：( m ，月) = 2 f a p * a 阡：( m ，月) ) 由式( 2 _ 5 ) ，有j j 瓦2 o - x ( i + m - n , jq - l l - - ) = 一x ( i + m - n , j + n - n ) 于是： g k = 一2 e x 将式( 2 1 1 ) 代入式( 2 7 ) ，得： 睨“= + 2 a t e i x 又可改写为：+ 】，h ) = + 2 # e i x ( i + m ，+ l g n ) 在该系统中，收敛因了“必须满足如下关系式【l o 】 0 k i ( 2 2 2 ) 对列有： ，” 丁( f ) = g ( f ，) k 2 ( 2 2 3