工业场景中操作台的模式识别算法研究

摘要

本课题工业场景中操作台的模式识别算法研究属于模式识别与人工智能学科中图像处理研究领域，是基于单目视觉机器人，对工业现场环境中最常见的操作台进行识别。目的在于降低工业现场的人为操作，为工业现场驻入移动智能监控机器人奠定了理论基础。到目前为止，国内外的研究者都致力于自然场景的研究，还没有学者或学术团队，以工业场景为目标进行模式识别的研究。
　　 本文以对模式识别的研究过程为主线，以图像处理为主要内容，经过单目视觉机器人的图像采集，图像预处理，图像特征提取，分类器设计四大部分达到对工业场景中操作台的识别效果。本文研究了常用的模式识别中图像处理的方法，例如，图像预处理中应用到的中值滤波、特征提取中应用到的Harris角点检测以及Canny算子、分类器设计中应用到的线性分类器设计等，并在研究过程中改进了Harris角点检测算法和Canny边缘检测算子。通过Matlab实验验证，对图像处理效果较改进之前效果更好。本文还采用了基于模糊集的图像增强等较新较有效的算法。
　　 本文通过设计线性分类器来对特征提取及目标识别后输出的特征值进行分类，对采集到的大量工业场景中操作台图像进行训练，得到‘操作台’这个目标的特征的权值，从而得到预期的识别出操作台的效果。本系统还具有可扩展性，可以在原有基础上增加对工业场景中其他目标的识别，从而完善模式识别在工业场景中的应用，使模式识别更好的为我们生活的方方面面服务。

目录

声明

摘要

第1章 绪论

1．1 论文的研究背景及选题意义

1．2 国内外研究现状及发展趋势

1．2．1 模式识别的发展及研究现状

1．2．2 图像处理的发展及研究现状

1．2．3 场景识别研究的发展及研究现状

1．2．4 模式识别系统概述

1．3 本论文的主要工作

第2章 工业场景中操作台的图像预处理

2．1 图像采集

2．1．1 图像采集

2．1．2 裁剪统一图像格式及像素

2．2 工业场景中操作台的图像预处理方法

2．2．1 灰度化处理

2．2．2 中值滤波

2．2．3 图像锐化处理--基于模糊集的图像增强方法

2．3 本章小结

第3章 对工业场景中操作台的图像特征提取

3．1 常用图像特征提取方法

3．1．1 角点特征检测

3．1．2 图像边缘检测

3．1．3 图像分割简介

3．2 工业场景中操作台的图像特征提取方法

3．2．1 改进的Harris角点检测算法

3．2．2 改进的Canny边缘检测算法

3．2．3 基于K-means算法的图像分割

3．3 工业场景中操作台的特征提取

3．3．1 对操作台中显示器这一特征的提取

3．4 工业场景中操作台的特征表示

3．4．1 工业场景中操作台的特征数设定

3．4．2 工业场景中操作台的特征值的求取

3．4 本章小结

第4章 工业场景中操作台的分类器设计

4．1 常用分类器简介

4．1．1 Boosting分类器

4．1．2 支持向量机(SVM)分类器

4．2 线性判别函数

4．2．1 模式空间与加权空间

4．2．2 解向量和解区

4．3 工业场景中操作台的线性分类器设计

4．4 本章小结

结论

参考文献

攻读硕士学位期间所发表的论文

致谢