图像识别技术

 图像识别算法实现收藏

以往的图像处理函数实现，多是针对图像句柄。算法实现 须要操作复杂的图像文件。

可是，这样的方式算法实现和调试的周期比較长。为了加速开外，我在中间插入的矩阵库。由于图像处理算法多是针对矩阵，所以实现和调试比較快。

 

 

 

////////////////////////////////////////////////////////////////////

指纹图像识别算法的基本原理介绍

在有的国家，指纹属于个人隐私，不能象人工处理那样直接处理指纹图像，所以很多生物识别技术并不直接存储指纹的图像。多年来在各个公司及其研究机构产生了很多不同的数字化算法。指纹识别算法尽管各不同样可是这些算法终于都归结为在指纹图像上找到并比对指纹的特征。我们定义了指纹的两类特征来进行指纹的验证：整体特征和局部特征。　　

　　A 整体特征：整体特征是指那些用肉眼就能够直接观察到的特征，包含： 　　

　　1. 纹形　

　　其它的指纹图案都基于这三种基本图案。仅仅依靠纹形来分辨指纹是远远不够的，这仅仅是一个粗略的分类，通过更具体的分类使得在大数据库中搜寻指纹更为方便快捷。　　

　　2. 模式区　　

　　模式区是指指纹上包含了整体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法仅仅使用模式区的数据。 SecureTouch的指纹识别算法使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。　　

　　3. 核心点　　

　　核心点位于指纹纹路的渐进中心，它在读取指纹和比对指纹时作为參考点。很多算法是基于核心点的，既仅仅能处理和识别具有核心点的指纹。核心点对于SecureTouch的指纹识别算法非常重要，但没有核心点的指纹它仍然能够处理。　　

　　4. 三角点　　

　　三角点位于从核心点開始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些神秘点。三角点提供了指纹纹路的计数跟踪的開始之处。　　

　　5. 纹数　　

　　指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在连接核心点和三角点，这条连线与指纹纹路相交的数量就可以觉得是指纹的纹数。　　

　　B 局部特征　

　　局部特征是指指纹上的节点的特征，这些具有某种特征的节点称为特征点。两枚指纹常常会具有同样的整体特征，但它们的局部特征--特征点，却不可能全然同样。指纹纹路并非连续的、平滑笔直的，而是常常出现中断、分叉或打折。这些断点、分叉点和转折点就称为“特征点”。就是这些特征点提供了指纹唯一性的确认信息。指纹上的节点有四种不同特性： 　　

　　1.特征点的分类：有下面几种类型，最典型的是终结点和分叉点。　　

　　终结点　　

　　一条纹路在此终结。 　　

　　分叉点　　

　　一条纹路在此分开成为两条或很多其它的纹路。 　　

　　分歧点　

　　两条平行的纹路在此分开　

　　孤立点　

　　一条特别短的纹路，以至于成为一点。 　　

　　环点　

　　一条纹路分开成为两条之后，马上有合并成为一条，这样形成的一个小环称为环点。 　　

　　短纹

　　一端较短但不至于成为一点的纹路。 　　

　　2.方向： 节点能够朝着一定的方向。 　　

　　3.曲率：描写叙述纹路方向改变的速度。 　　

　　4.位置：节点的位置通过（x, y）坐标来描写叙述，能够是绝对的，也能够是相对于三角点或特征点的。
//////////////////////////////////////////////////////////////////////////////////////////////

基于图像识别算法的森林防火系统设计

传统的森林火灾监測技术包含人工护林监測、飞机航測、卫星监測等.本文提出一种基于普通CCD摄像头和嘹望塔上现有的短波无线通信设备的森林防火监測系统,依据实时图像与參考图像的差分及小波分解结果,当有异常情况发生时,提取出火焰及烟雾区域,推断提取区域是否具有烟雾和火焰的动态特征.若判定发生火灾,即将压缩后的图像通过短波通信设备传回指挥中心.

//////////////////////////////////////////////////////////////////

车辆牌照图像识别算法研究与实现

第1章 绪论 1
1.1 课题研究背景 1
1.2 车辆牌照识别系统原理 1
1.3 车辆牌照识别在国内外研究现状 2
1.4 本文主要工作及内容安排 3
第2章 车辆牌照的定位方法 4
2.1 车辆牌照图像的预处理 4
2.1.1 256色位图灰度化 4
2.1.2 灰度图像二值化 5
2.1.3 消除背景干扰去除噪声 6
2.2 车辆牌照的定位方法简单介绍 6
2.3 系统採用的定位方法 7
2.3.1 车辆牌照的水平定位 7
2.3.2 车辆牌照的垂直定位 7
2.3.3 定位的算法实现 10
2.4 实验结果分析 12
第3章 车辆牌照的字符切割 13
3.1 车牌预处理 13
3.1.1 去边框处理 13
3.1.2 去噪声处理 13
3.1.3 梯度锐化 15
3.1.4 倾斜调整 16
3.2 字符切割方法简单介绍 17
3.3 系统採用的切割方法 19
3.3.1 算法介绍 19
3.3.2 算法的实现 20
3.4 字符切割实验结果 21
第4章 特征提取与字符识别 22
4.1 字符的特征提取 22
4.2 字符的识别方法简单介绍 23
4.3 系统採用的识别方法 24
4.3.1 人工神经网络简单介绍 24
4.3.2 BP神经网络识别车牌 25
4.3.3 BP神经网络识别算法实现 28
4.4 实验结果分析 29
总结 32
致谢 33
參考文献 34

////////////////////////////////////