數字圖像識別與處理系統設計是提升圖像處理與識別水平的關鍵所在，以下是小編蒐集整理的一篇探究處理與識別數字圖像應用的論文範文，歡迎閱讀參考。
摘要 :信息技術的快速發展爲各行業領域注入新鮮的活力。以當前數字圖像處理技術、識別技術等爲例，其本身以計算機技術爲依託，能夠完成信息傳輸、處理、存儲等工作，應用範圍極廣。然而從現行計算機感知能力角度看，仍需將相關的理論與實踐經驗作爲指導，如人臉識別、紙幣識別等，要求做好圖像處理與識別系統設計。本文將從數字圖像處理、圖像識別方法在人臉圖像識別中的應用以及圖像識別系統在識別殘損紙幣中的應用角度，對系統開發思路進行探析。
關鍵詞 :人臉識別 ;數字圖像處理 ;系統開發
前言
區別於一般圖像處理，數字圖像處理強調在計算機運用下，使圖像信息能夠進行數字信息的轉化，在此基礎上完成一系列傳輸、處理與存儲等。現行較多領域如醫療衛生、軍事技術、工農業生產以及信息安全等，都有數字圖像處理引入其中，優勢極爲明顯。而該優勢的實現關鍵在於系統設計較爲合理，包括顯示設備、數字化儀與計算機等。因此，本文處理與識別數字圖像的系統設計研究，具有十分重要的意義。
1 數字圖像處理方法研究
系統開發過程中，對數字圖像處理要求較高，其涉及的方法集中表現在圖像增強、檢測方面。從圖像增強方式看，主要立足於圖像視覺效果改善，採取相應的分析與處理圖像方法。該方式應用下體現出明顯的效果明顯、操作簡單等優勢，可滿足圖像處理要求。一般圖像增強方法應用中，首先應做好灰度增強工作。以連續圖像 f(x,y)爲例，對該圖像數字化後會生成新的圖像 f(m,n)，對於新生成的圖像，灰度值不同，像素數也存在一定差異，如在較大灰度值情況下，像素數較多，此時圖像將表現出明亮特點。而灰度值小時，由於像素數少，所以生成的圖像也較爲偏暗。所以在灰度增強中，以相應變換關係爲依據，對圖像中像素灰度值進行調整。假若對未處理的圖像，利用 r=f(m,n)表示像素灰度值，而處理後的通過 r'=g(m,n)表示，此時有 r'=T(r)或 g(m,n)=T(f(m,n))，利用這些變換關係式，便可使灰度增強目標得以實現。完成灰度增強後，便需採取圖像銳化措施。通常攝像系統應用下難以保證聚焦質量，或因信道狹窄問題，很容易導致目標輪廓不清晰，此時要求利用銳化，使圖像輪廓加重，獲取更爲精確的圖像。需注意的是銳化中對於灰度值調整僅集中的在目標輪廓上，而輪廓外像素不會發生改變。另外，圖像增強中也需考慮圖像噪聲控制問題，主要通過非線性處理技術實現，該技術可被叫做中值濾波。實際應用中，中值濾波可以二維窗口形式展現出來，相比 1×L 與L×1 濾波器，在 L×L 二維中值濾波器運用下，更能使噪聲被抑制。
處理數字圖像中，在圖像增強方法應用的同時，也要求在圖像檢測方面進行強化。其涉及的內容首先表現在邊緣檢測上，其中的邊緣主要指圖像紋理結構、顏色或灰度級發生突變，整個圖像特徵不具備連續性，所以在圖像分析中應對邊緣信息給予足夠重視。從數字圖像中的邊緣看，主要表現在幅度、方向兩個特性層面，若以邊緣走向爲主，此時灰度將出現平緩變化，而在與邊緣走向垂直的情況下，灰度變化極爲明顯。因此，實際檢測邊緣過程中可從一階、二階導數着手，進行圖像灰度的計算，可達到檢目的。另外，檢測過程中也可將形狀匹配技術引入其中，以 Hough 變換爲例，其可通過座標變換，在變換空間中將曲線點進行固定，可形成峯點。此時僅需從空間中峯點着手，便能完成形狀曲線檢測過程。
2 圖像識別方法在人臉圖像識別中的應用
本文在研究圖像識別中，主要從人臉圖像識別方面着手，這一識別過程極爲複雜，需在計算機中執行一系列圖像採集、人臉檢測、人臉定位、人臉跟蹤等，這樣提取出的人臉信息便可用於識別。對於識別過程中涉及的技術主要以檢測定位、識別算法爲主。其中在檢測定位中，常用的主要以顯式、隱式特徵兩種方式爲主。顯式特徵可理解爲在肉眼觀察下，完成臉部結構、輪廓以及膚色的.判斷等，如基於知識的方法、模板匹配或膚色模型等，這些都可作爲顯式特徵識別方法。而在隱式特徵方式上，主要利用相關的人臉樣本對圖像進行檢測，如積分圖像、支持向量機、人工神經網絡或特徵臉法等，都可作爲隱式特徵檢測方式。而在識別算法中，若以人臉表徵方式爲依據，可細化爲神經網絡、特徵臉法、模板匹配以及基於幾何特徵方式等，這些方法應用下對人臉識別實現可起到明顯作用。以其中基於幾何特徵方式爲例，其將人臉中下巴、嘴巴、鼻子與眼睛利用幾何描述，與人類識別人臉機理相吻合。但應用中也存在一定不足之處，如在對人臉結構描述時難以對細微特徵進行判斷，可能導致信息丟失。同樣，其他幾種識別方法運用下也都存在一定的優勢與弊端，要求在選擇中結合實際需要。
在圖像識別中，保證圖像識別技術應用的基礎上，還應做好採集圖像與提取人臉等工作。其中的圖像採集部分，一般可將攝像頭、採集卡同時裝設於採集設備中，尤其採集卡選用時，應保證其能滿足色空變換、剪裁、比例縮放、數字解碼等要求，保證最終獲取的信號較爲精準。而對於人臉提取部分，其過程較爲複雜，通常需在膚色空間構建的基礎上，進行 RGB 的確定，使其與膚色空間保持對應，這樣便可定位人臉區域。除此之外，圖像系統開發中，還需保證將人工神經元引入其中，保證整個系統應用下可對人臉模式進行分類。且注意系統構建後，要求對系統性能以及其中的算法進行測試，儘可能將其中影響識別結果的因素剔除，以此達到圖像識別的目標。
3 圖像識別系統在識別殘損紙幣中的應用
圖像識別系統的應用在許多行業領域中都有所涉及，本文研究中以殘損紙幣爲實例。系統應用中首先需對識別流程進行明確，主要包括：①使紙幣在掃描儀運用下完成數字圖像轉換過程，且文件形式以 BMP 爲主，能夠滿足存儲要求 ;②對掃描後的圖像進行轉換，以灰度圖像取代彩色圖像 ;③對紙幣殘缺情況、污漬或粘補等進行判定 ;③對紙幣票面圖案分析，若圖案過於模糊，應將其界定爲殘幣。識別系統應用中，主要運用到邊緣檢測、神經網絡識別以及線性判別等方式。對幾種方式對比，可發現在識別率上都較高，優勢較爲明顯，但也存在一定不足之處，如神經網絡方法運用下的內存較大、計算量多等。因此，實際開展識別工作中，可考慮融合三種方式，使其各自缺點得以彌補，保證優勢充分發揮出來。
4 結論
數字圖像識別與處理系統設計是提升圖像處理與識別水平的關鍵所在。實際設計中應正確認識處理與識別數字圖像的基本內涵，使處理過程中圖像增強、檢測等方法落到實處，且在圖像識別中做好檢測定位、識別以及人臉提取等工作，這樣纔可使整個系統性能進一步提高。
參考文獻：
[1] 孫凱旻 . 基於 FPGA 數字圖像處理 QR 碼識別系統的設計與實現 [D]. 上海師範大學 ,2013.
[2] 邊樹海 . 表具數字圖像的處理與識別系統的研究 [D]. 瀋陽建築大學 ,2013.
[3]李扣生。基於虛擬儀器的電路板圖像識別系統研究與實現[D].上海交通大學 ,2010.
[4] 王禹朋 . 基於數字圖像處理技術的色環電阻識別系統的開發[D]. 黑龍江大學 ,2011.