基于边缘检测算法的文物识别研究与应用
发布时间：2021-09-17 06:22
随着科技的高速发展,智能手机的大规模普及以及移动终端硬件性能的提高,博物馆的展示有了焕然一新的体验方式。图像处理技术在新体验方式中的应用成为了一个研究热点,比如如何更生动、形象的向用户展示文物的信息,如何将图像识别技术更好的应用在AR技术这个领域,当用户使用自己手中的移动设备对着文物扫一扫时,其相关信息能迅速并准确无误的展现在用户眼前等等。本文实现了一个基于边缘检测的文物识别系统,在检测到图像主体文物的边缘后,利用Open CV中的函数划定主体轮廓,提取文物主体进行Harris角点检测进行特征提取,计算Hausdorff距离进行相似度度量完成对文物的分类识别。本文的主要研究内容如下:（1）边缘检测算法。通过采用改进的Canny边缘检测算子对采集到的图像进行文物主体检测,通过分割提取到文物主体的图像。改进后的Canny算法不仅能够很好的提取文物的边缘曲线,而且对文物的边缘细节起到了一定的保护作用。（2）特征提取。在特征提取阶段,选用Harris角点检测算法对采集到的图像中文物主体目标进行角点样本数据集的获取,形成Harris角点特征。（3）文物识别。将已检测的文物角点数据点集作为分类的模...
【文章来源】：中北大学山西省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
文物原图
中北大学学位论文20双阈值算法图像边缘的连接：我们设大于T1的像素点为O1，介于T1、T2之间的像素点为O2。在O2中找到一个不为零的点，开始对其进行跟踪，跟踪此点所在的轮廓线，直到该轮廓线的终点为止。在O1中找到和O2中对应的像素点并进行分析，同时找到该点在O2周围的8个像素点，如果存在非零的像素点就将此点保存在O2中。之后将所有满足上述要求的点进行统计。将每一个像素点分别进行轮廓线的扫描，直到在O2中无法继续上述的步骤为止。Canny算子是一种适用场合较为广泛的经典边缘检测算子。Canny算子在进行图像的边缘检测时，可以根据不同类型的图像设置不同的参数，所以Canny算子的检测率是比较高的，Canny算子常常会和高斯滤波器相关联，在使用Canny算子和高斯滤波对图像进行处理时，要选取合适的参数，这样会使整个处理过程迅速且准确。传统的图像边缘检测算子基本上都是二阶差分近似值或者梯度得到的图像边缘，这种方式在处理速度和处理效率方面来说表现的都不错，缺点在于对噪声的干扰不能很好且无法应对较为复杂的图像边缘。2.2.6各边缘检测算子分析实验时将在Anaconda中配置OpenCV，使用它的PythonAPI接口来实现几种传统的边缘检测算子，应用这些算子处理本文中研究文物对象的图像得到如下的结果。图2-4文物原图Fig.2-4Originalculturalrelics图2-5Sobel算子Fig.2-5Sobeloperator
中北大学学位论文21图2-6Roberts算子Fig.2-6Robertsoperator图2-7Prewitt算子Fig.2-7Prewittoperator图2-8LOG算子Fig.2-8LOGoperator图2-9Canny算子Fig.2-9Cannyoperator如图（2-5）到图（2-9）所示这几种算法都能够将图像的边缘提取出来，其中Sobel算子、Roberts算子、Prewitt算子能够很好的适应噪声较多的图像，但又有所不同，Roberts算子提取之后的轮廓线条较粗，使得边缘的细节丢失很多。Sobel算子提取的边缘有会将一部分噪声当成图像的边缘，造成伪边缘的产生；Prewitt算子提取的图像边缘不连续的地方很多。这些算法提取出来的图像边缘都没有达到理想的目标。Log算子对噪声十分的敏感，基本上不会被用到图像的边缘检测，相比较来说Canny算子能够很好的检测到图像中的边缘，且Canny算子检测出的边缘具有很好的闭合性，对图像中的边缘定位也相对的准确，缺点就是对噪声的抑制效果差一点。
【参考文献】：
期刊论文
[1]基于深度图像的实时多人体姿态估计[J]. 肖贤鹏,刘理想,胡莉,张华. 传感器与微系统. 2020(06)
[2]基于多视图循环神经网络的三维物体识别[J]. 董帅,李文生,张文强,邹昆. 电子科技大学学报. 2020(02)
[3]浅谈增强现实技术在博物馆展示中的应用[J]. 丁梦莹. 汉字文化. 2018(15)
[4]一种自适应的Canny边缘检测算法[J]. 宋人杰,刘超,王保军. 南京邮电大学学报(自然科学版). 2018(03)
[5]基于OpenCV-Python的图像分割技术的设计和应用[J]. 周宇. 电子世界. 2018(03)
[6]基于Roberts算子的车道线图像的边缘检测研究[J]. 唐阳山,徐忠帅,黄贤丞,朱停仃,李栋梁. 辽宁工业大学学报(自然科学版). 2017(06)
[7]基于机器学习的网络流量分类算法分析研究[J]. 李晓明,任慧,颜金尧. 中国传媒大学学报(自然科学版). 2017(02)
[8]基于移动终端和AR技术的博物馆文化教育体验系统的设计与应用研究[J]. 余日季,蔡敏,蒋帅. 中国电化教育. 2017(03)
[9]基于AR-VR混合技术的博物馆展览互动应用研究[J]. 李婷婷,王相海. 计算机工程与应用. 2017(22)
[10]一种改进的Sobel算子边缘检测及细化算法[J]. 沈德海,鄂旭,侯建. 渤海大学学报(自然科学版). 2014(03)
本文编号：3398141
【文章来源】：中北大学山西省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
文物原图
中北大学学位论文20双阈值算法图像边缘的连接：我们设大于T1的像素点为O1，介于T1、T2之间的像素点为O2。在O2中找到一个不为零的点，开始对其进行跟踪，跟踪此点所在的轮廓线，直到该轮廓线的终点为止。在O1中找到和O2中对应的像素点并进行分析，同时找到该点在O2周围的8个像素点，如果存在非零的像素点就将此点保存在O2中。之后将所有满足上述要求的点进行统计。将每一个像素点分别进行轮廓线的扫描，直到在O2中无法继续上述的步骤为止。Canny算子是一种适用场合较为广泛的经典边缘检测算子。Canny算子在进行图像的边缘检测时，可以根据不同类型的图像设置不同的参数，所以Canny算子的检测率是比较高的，Canny算子常常会和高斯滤波器相关联，在使用Canny算子和高斯滤波对图像进行处理时，要选取合适的参数，这样会使整个处理过程迅速且准确。传统的图像边缘检测算子基本上都是二阶差分近似值或者梯度得到的图像边缘，这种方式在处理速度和处理效率方面来说表现的都不错，缺点在于对噪声的干扰不能很好且无法应对较为复杂的图像边缘。2.2.6各边缘检测算子分析实验时将在Anaconda中配置OpenCV，使用它的PythonAPI接口来实现几种传统的边缘检测算子，应用这些算子处理本文中研究文物对象的图像得到如下的结果。图2-4文物原图Fig.2-4Originalculturalrelics图2-5Sobel算子Fig.2-5Sobeloperator
中北大学学位论文21图2-6Roberts算子Fig.2-6Robertsoperator图2-7Prewitt算子Fig.2-7Prewittoperator图2-8LOG算子Fig.2-8LOGoperator图2-9Canny算子Fig.2-9Cannyoperator如图（2-5）到图（2-9）所示这几种算法都能够将图像的边缘提取出来，其中Sobel算子、Roberts算子、Prewitt算子能够很好的适应噪声较多的图像，但又有所不同，Roberts算子提取之后的轮廓线条较粗，使得边缘的细节丢失很多。Sobel算子提取的边缘有会将一部分噪声当成图像的边缘，造成伪边缘的产生；Prewitt算子提取的图像边缘不连续的地方很多。这些算法提取出来的图像边缘都没有达到理想的目标。Log算子对噪声十分的敏感，基本上不会被用到图像的边缘检测，相比较来说Canny算子能够很好的检测到图像中的边缘，且Canny算子检测出的边缘具有很好的闭合性，对图像中的边缘定位也相对的准确，缺点就是对噪声的抑制效果差一点。
【参考文献】：
期刊论文
[1]基于深度图像的实时多人体姿态估计[J]. 肖贤鹏,刘理想,胡莉,张华. 传感器与微系统. 2020(06)
[2]基于多视图循环神经网络的三维物体识别[J]. 董帅,李文生,张文强,邹昆. 电子科技大学学报. 2020(02)
[3]浅谈增强现实技术在博物馆展示中的应用[J]. 丁梦莹. 汉字文化. 2018(15)
[4]一种自适应的Canny边缘检测算法[J]. 宋人杰,刘超,王保军. 南京邮电大学学报(自然科学版). 2018(03)
[5]基于OpenCV-Python的图像分割技术的设计和应用[J]. 周宇. 电子世界. 2018(03)
[6]基于Roberts算子的车道线图像的边缘检测研究[J]. 唐阳山,徐忠帅,黄贤丞,朱停仃,李栋梁. 辽宁工业大学学报(自然科学版). 2017(06)
[7]基于机器学习的网络流量分类算法分析研究[J]. 李晓明,任慧,颜金尧. 中国传媒大学学报(自然科学版). 2017(02)
[8]基于移动终端和AR技术的博物馆文化教育体验系统的设计与应用研究[J]. 余日季,蔡敏,蒋帅. 中国电化教育. 2017(03)
[9]基于AR-VR混合技术的博物馆展览互动应用研究[J]. 李婷婷,王相海. 计算机工程与应用. 2017(22)
[10]一种改进的Sobel算子边缘检测及细化算法[J]. 沈德海,鄂旭,侯建. 渤海大学学报(自然科学版). 2014(03)
本文编号：3398141
本文链接：https://www.wllwen.com/shekelunwen/kgx/3398141.html
