基于图像边缘检测的图像识别算法

第３８卷第４期　２０１５年８月　长春理工大学学报（自然科学版）　Ｊｏｕｒｎａｌ　ｏｆＣｈａｎｇｃｈｕｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆＳｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ（Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ）　Ｖｏ１．３８　Ｎｏ．４　Ａｕｇ．２０１５　基于图像边缘检测的图像识别算法　秦雪　，王欢　，严晔　，　吴玉宁　，苏伟　（１．长春理工大学摘计算机科学技术学院，长春１３００２２；　２．长春理工大学信息化中心，长春１３００２２）　要：在图像识别问题中，基于Ｈａａｒ特征的图像识别算法已经十分普遍，并且得到了广泛的应用。但是，目前此类算法　还存在有时间复杂度高、对图像亮度、尺寸变化敏感、图像识别精度差等缺点。为了提高图像ｇ７，￣１Ｊ的精度，提出了一种新　的边缘检测图像识别算法。这种算法首先使用Ｃａｎｎｙ算子将图像的边缘像素ｉ７，￣１】出来，然后计算每一个有效像素的梯度。　通过得到的像素梯度序列建立归一化直方图，对归一化直方图分析后得到最优识别。基于边缘检测的图像识别算法使匹配　图像效率得到了提高，图像识别流程得到优化。　关键词：图像识别；边缘检测；直方图分析　中图分类号：ＴＰ３９９　文献标识码：Ａ　文章编号：１６７２—９８７Ｏ（２Ｏ１５）０４－０１２７－０５　Ｉｍａｇｅ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　Ｅｄｇｅ　Ｄｅｔｅｃｔｉｏｎ　ＱＩＮ　Ｘｕｅ　～，ＷＡＮＧ　Ｈｕａｎ　一，ＹＡＮ　Ｙｅ　，ＷＵ　Ｙｕｎｉｎｇ　，ＳＵ　Ｗｅｉ　，　（１．Ｓｃｈｏｏｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｃｈｕｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｃｈｕｎ　１３００２２；　２．Ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　Ｃｅｎｔｅｒ，Ｃｈａｎｇｃｈｕｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｃｈｕｎ　１３００２２）　Ａｂｓｔｒａｃｔ：Ｉｍａｇｅ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ａｌｇｏｒｉｔｈｍｓ　ｂａｓｅｄ　ｏｎ　Ｈａｒｒ－ｆｅａｔｕｒｅｓ　ａｒｅ　ｖｅｒｙ　ｐｏｐｕｌａｒ　ａｎｄ　ｗｉｄｅｌｙ　ｕｓｅｄ　ｉｎ　ｉｍａｇｅ　ｒｅｃｏｇｎｉｔｉｏｎ．　Ｈｏｗｅｖｅｒ，ｔｈｅｓｅ　ａｌｇｏｒｉｔｈｍｓ　ｈａｓ　ａ　ｌｏｔ　ｏｆ　ｓｈｏｒｔｃｏｍｉｎｇｓ，ｓｕｃｈ　ａｓ　ｈｉｇｈ　ｔｉｍｅ　ｃｏｍｐｌｅｘｉｔｙ，ｓｅｎｓｉｔｉｖｅ　ｔｏ　ｔｈｅ　ｖａｒｉａｔｉｏｎ　ｏｆ　ｉｍａｇｅ　ｌｕｍｉｎａｎｃｅ　ａｎｄ　ｓｃａｌｅ，ｐｏｏｒ　Ｉｍａｇｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ａｃｃｕｒａｃｙ　ａｎｄ　ＳＯ　ｏｎ．Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ａｃｃｕｒａｃｙ　ｏｆ　ｉｍａｇｅ　ｒｅｃｏｇｎｉ—　ｔｉｏｎ，ａ　ｎｅｗ　ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　Ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ｔｈｉｓ　ａｌｇｏｒｉｔｈｍｓ　Ｃａｎｎｙ　ｏｐｅｒａｔｏｒ　ｔＯ　ｄｅｔｅｃｔ　ｅｄｇｅ　ｐｉｘｅｌｓ　ｏｆ　ｔｈｅ　ｉｍａｇｅ，ｃａｌｃｕｌａｔｅｄ　ｇｒａｄｉｅｎｔ　ｏｆ　ｅａｃｈ　ｐｉｘｅｌ　ｗｈｉｃｈ　ｉｓ　ｖａｌｉｄ，ａｎｄ　ｂｕｉｌｄ　ｎｏｒｍａｌｉｚｅｄ　ｈｉｓｔｏｇｒａｍ　ｂｙ　ｇｒａｄｉｅｎｔ　ｓｅｑｕｅｎｃｅ　ｏｆ　ｐｉｘｅｌｓ．　Ａｔ　ｌａｓｔ，ａｎａｌｙｓｉｓ　ｎｏｒｍａｌｉｚｅｄ　ｈｉｓｔｏｇｒａｍ　ｇｏｔ　ａｃｃｕｒａｔｅｌｙ　ｒｅｃｏｇｎｉｔｉｏｎ．Ｔｈｅ　ｒｅｓｕｌｔ　ｓｈｏｗｓ　ｔｈａｔ　Ｉｍａｇｅ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　Ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ｉｍｐｒｏｖｅｄ　ｔｈｅ　ｉｍａｇｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｒａｔｅ，ａｎｄ　Ｔｈｅ　ｉｍａｇｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｐｒｏｃｅｓｓ　ｈａｓ　ｂｅｅｎ　ｏｐｔｉｍｉｚｅｄ．　Ｋｅｙ　ｗｏｒｄｓ：ｉｍａｇｅ；ｒｅｃｏｇｎｉｔｉｏｎ；ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ；Ｈｉｓｔｏｇｒａｍ　ａｎａｌｙｓｉｓ　图像识别技术在现代计算机科学中已经得到了　广泛的研究和发展，并且运用到了生产生活的各个　方面，例如人脸识别，指纹识别，机动车监控等。传　统灰度图像识别系统口　如图１所示。传统灰度图检　测方法，由于具有良好的匹配效果，确切的定量分　析，大量的实验结果，目前得到了广泛的应用。但　是，此类方法仍然存在对图像识别精度不高、复杂度　高等缺点。本文基于边缘检测图像识别算法，通过　优化灰度图像识别系统流程图，提出了一种新的边　缘检测图像识别算法，提高了图像识别的精度，分析　了算法的优缺点和实际使用的可行性。　图１灰度图像识别系统　收稿日期：２０１５－０６－０３　作者简介：秦雪（１９８９一），男，硕士研究生，Ｅ—ｍａｉｌ：５４７２６３１３７＠ｑｑ：ｃｏｍ　通讯作者：王欢（１９８７一），男，助理工程师，Ｅ—ｍａｉｌ：ｗａｎｇｈｕａｎ＠ｃｕｓｔ．ｅｄｕ．ｃｎ　ｌ２８　长春理工大学学报（自然科学版）　算法流程改进思想　１．１算法基本流程　有灰度大小总和。在对特征值分析的基础上，灰度　图像匹配过滤掉不匹配的对象，实现对待测对象的　匹配。虽然灰度特征理论已经非常完善，但是传统　算法主要思想是改进识别流程图的决策判断部　分。将其流程优化为提取图像边缘、计算边缘梯度　矩阵、建立梯度直方图、计算偏离方差、确定判定条　灰度图像特征的识别效率往往差强人意。　２基于Ｃａｎｎｙ算法边缘检测　件五个部分，基本流程如图２所示。　图２基于边缘检测图像识别流程图　首先，提取待测对象边缘。通过分析此边缘图　像的矩阵，保留图像中为待测对象边缘的对应像素　点，本文中称作有效像素。然后，对原图中有效像素　计算偏导数，得到原图中有效像素的梯度矩阵，最后　分析此梯度矩阵得到边缘梯度的匹配标准。通过判　定条件过滤掉待测对象中边缘梯度并不契合的对　象。　在这种方法中，使用了有效像素，虽然匹配效率　变高，但是时间复杂度增加。　１．２级联分类器训练　基于灰度特征的级联分类器训练　是边缘检测　图像识别算法的基础，它提供了一个有效的图像识　别研究平台。Ｈａａｒ－ｌｉｋｅ特征　］，如图３所示。　［一　［］Ｉ　图３　Ｈａａｒ—ｌｉｋｅ特征厍　可以使用五个要素来描述这些矩形：在图像中　的坐标　，Ｙ，矩形横向距离硼和矩形纵向距离ｈ，　以及矩形与水平方向的夹角ＯＬ。根据灰度图像特征　描述公式：　ｒ＝（５３，Ｙ，ＺＵ，ｈ，　）　（１）　其中每一个矩形的特征值计算公式：　ｆｅａｔｕｒｅ—　ｔＤ＂　ＲｅｃｔＳｕｍ（ｒ　）　（２）　∈｛　，Ｍ　式中，ｉ∈｛１…．，Ｎ｝表示特征总数，曰　为某一特征　ｒ　的权值，ＲｅｃｔＳｕｍ（ｒ　）表示第ｉ个特征灰度图像所　２．１　Ｃａｎｎｙ算法　为实现对图像边缘像素提取，首先通过ｃａｎｎｙ　算子　计算统计平均，使图像像素的高斯分布趋于　平衡。假如设定如下二维高斯函数公式：　＝　１　ｅｘｐｆ～　ｌ　（３）　可以得到的此高斯函数的导数公式：　Ｇ＝１ａＧ／如Ｉ　（４）　Ｇｌａｙｊ导数公式表示图像灰度变化率相对水平的倾斜　方向，通过卷积得到图像像素沿这两个方向的偏导　数公式：　筹　ｅ　ｅｘｐＬ－￣　ｔ删　ＯＧ＝　ｅ　［Ｆ＿　Ｉ￣］２７【ｅＸｐｌ一蒡　（　）㈦　公式中　为自然数，ｅ表示高斯参数，它表示图　像的像素平衡程度。然后，通过一阶偏微分卷积方　法求出，（　，Ｙ）的变化率的大小公式：　Ｍ［ｆ，　一Ｊ　［ｆ，　‘＋Ｐｙ［ｉ，　‘　（６’　和倾斜角度公式：　，　一ａｒｃｔａｎ（　［ｚ，　］）　（７）　其中Ｐ　Ｉｆ，　，　，　Ｊ］，￣，ＨＸＣＴ－ｚ，Ｙ方向偏导数。　根据图像中灰度变化率的不同，比较阈值限定的范　围，将图像中的像素分别分类。根据分类公式：　Ｎ［ｉ，ｊ］：ＮＭＳ（Ｍ［ｉ，　，Ｙ［ｉ，　】）　（８）　其中Ｍ［ｉ，　为灰度变化率矩阵，ｒ［ｉ，　为靠近检测　边缘像素的相邻区域像素。将没有大于阈值的像素　点舍弃，即将灰度值赋值为０，将大于阈值的像素点　保留，即将灰度值赋值２５５，将保留的像素连接成检　测出的物体边缘，并且保留边缘像素的灰度变化率　方向和灰度变化梯度值大小。　２．２边缘提取结果　本文采用Ｃａｎｎｙ算子大小为３×３，阈值范嗣　（５６￣１６８）　第４期　秦雪，等：基于图像边缘检测的图像识别算法　１３１　Ｉ、Ｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｓｅａｒｃｈ，２００２，４８（３—４）：２８９—２９３．　局限性使得此效率不能够再提升。而且匹配识别距　３］王明潇．图像识别算法研究及其智能终端上的实现　离只能依靠具体的条件才能得到最优效果，并不能　［够自适应各种图像识别。　［Ｄ］．北京：北京邮电大学，２０１０．　［４］王植，贺赛先．一种基于Ｃａｎｎｙ理论的自适应边缘检测　６结论　基于边缘检测的图像识别算法，保持了传统图　像识别的优点，提高了图像识别效率。传统图像识　方法［Ｊ］．中国图象图形学报，２００４，９（０８）：６５—７０．　［５］袁春兰，熊宗龙，周雪花，等．基于Ｓｏｂｅｌ算子的图像边　缘检测研究［Ｊ］．激光与红外，２００９，３９（１）：８５－８７．　［６］李小利，阮秋琦，阮成雄．基于灰度直方图的加权模板　匹配法在摄像机标定中的应用［Ｊ］．北京交通大学学报，　２０１３，３７（２）：２２－２６．　别的基础上增加了新的判定准则，为实现图像匹配　识别进行了有益的探索。但是仍然存在识别速度　慢，匹配识别距离自适应性差，Ｃａｎｎｙ算法的自适应　性差等问题，有待于进一步研究解决。　参考文献　［１］王明潇．图像识别算法研究及其智能终端上的实现　［Ｄ］．北京：北京邮电大学，２０１０．　［２］Ｐｒｅｍ　Ｋｕｃｈｉ，Ｐｒａｓａｄ　Ｇａｂｂｕｒ，Ｐ　Ｓｕｂｂａｒｍａ　Ｂｈａ，ｅｔ　ａ１．　Ｈｕｍａｎ　ｆａｃｅ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｔｒａｃｋｉｎｇ　ｕｓｉｎｇ　ｓｋｉｎ　ｃｏｌｏｒ　ｍｏｄｅｌｉｎｇ　ａｎｄ　ｃｏｎｎｅｃｔｅｄ　ｃｏｍｐｏｎｅｎｔ　ｏｐｅｒａｏｒｓ［Ｊ］．ＩＥ一　［７］张学荣，雷国伟．基于灰度直方图的背景差目标检测算　法［Ｊ］．计算机安全，２０１０（２）：４５－４７．　［８］　张小利，李雄飞，李军．融合图像质量评价指标的相关　性分析及性能评估［Ｊ］．自动化学报，２０１４，４０（２）：　３０６—３１５．　［９］王润鸿．基于视觉加权的最大连通面积直方图检索［ＪＪ．　长春理工大学学报：自然科学版，２０１３，３６（１－２）：　］］Ｏ一】］４．