联合相关图像识别

[1]
[2-6]
（Joint Transform
Correlator）两大类。由于联合变换相关器无需制作精确复位的复空间匹配滤波器，且更容易更新图像、易实 施和具有稳健的特点，因而更适用于对图像进行实时识别。经典的联合变换相关器相关输出峰不尖锐，相关 峰扩展的宽度比较宽，分辨能力差，相关识别能力较低。为了提高联合变换相关器的相关识别能力，国内外 很多学者致力于这方面的研究
三值化联合变换相关应用于目标识别的方法
1
引言
在遥感遥测中，需要进行目标匹配识别，实时地、准确地鉴别识别目标图像非常重要。光学系统以其天
然的二维并行性、高速、大容量的特性为进行快速的图像识别提供了良好的基础。用在光学图像识别的相关 器
[1-6]
主要分为匹配滤波相关器 VLC （VanderLugt Correlator）和联合变换相关器 JTC
j x j x sin 2y 1 2e 4 a sin x 2e 4 a sin x 2y 4a 4上得到的强度分布为：
C ( x, y )
sin 2y 2 sin x sin x 2y x 4a 4a
(1)
F (u, v) T (u, v) exp( j 2ua) R(u, v) exp( j 2ua)
式（2）中 T(u,v)、R(u,v)分别为目标图像 t 和参考图像 r 的傅里叶变换。 CCD 探测器探测到的联合功率谱 F 为：
2
(2)
F T 2 R 2 2TR cos(4ua t r )
这种相关器虽然在某种程度上较传统的相关器提高了目标的鉴别率，但并不是从算法上改进。且文中并未将 这种相关器的性能与二值化相关器的性能进行比较，文中无数据支持此相关器性能较二值化相关器高。 在上述研究的基础上， 本文提出了一种三值化联合变换相关器， 将联合变换功率谱进行三值化(+1,0,-1) 处理，从算法上对联合变换功率谱进行了修正，进而提高了相关器的目标识别能力，物理光路实现简单，并 不增加额外的光路。文中进行了理论分析和仿真。仿真结果证明了所提出方法的有效性。当输入目标与参考 物不匹配时，三值化相关器比二值化相关器的相关峰低（相关峰是判断目标是否相同的判据，目标相同时， 相关峰高， 目标不同时相关峰低） 。 这反映了三值化相关器对目标敏感， 目标鉴别力较二值化相关器鉴别力高。

研究与试制数字图像处理在光学相关识别中的应用王　勇1,2,朱　明1(1.中国科学院长春光学精密机械与物理研究所,长春130033; 2.中国科学院研究生院,北京100039)摘　要:光学模式识别信息处理容量大,运算速度快,但精度不高,存储不灵活,不易判断控制和分析。

联合变换相关器在光学图像相关识别中得到了广泛的应用。

为提高联合变换相关器的性能,将数字图像处理技术引入光学相关识别中,主要体现在对联合图像进行预处理以及对联合功率谱的滤波处理。

详细阐述了国内外常用的联合图像预处理算法和功率谱滤波算法,并对这些算法在光学相关识别中的应用效果进行了比较研究。

关键词:数字图像处理;模式识别;联合变换相关器;预处理中图分类号:O 472+.8 文献标识码:A 文章编号:1005-488X (2009)04-0251-06Application of Digital Image Processing in Optical Correlation R ecognitionWang Yo ng 1,2,Zhu M ing 1(1.Changchun I nstitute of Op tics ,Fine M echanics and P hy sics ,Chinese Academy of Sciences ,Changchun 130033,CH N ;2.Graduate S chool of the Chinese A cademy of Sciences ,B eij ing 100039,CH N )Abstract :The virtues o f optical pattern r ecognitio n lies in its hig h capacity and speed for sig-nal pro cessing ,but its judg ement,controlling and analy sis are difficult because of its po or preci-sion and ag ility.Joint transform corr elator are w idely used in optical im age corr elation recog ni-tio n.T o improv e the perform ance o f jo int transfo rm correlator,digital imag e processing technol-ogy are used in optical corr elation recog nition such as the pr eprocessing for joint image and filter-ing for pow er spectr um .Several joint imag e preprocessing m ethods and pow er spectr um filtering algor ithms are introduced ,their applying effect in joint transfo rm corr elator are compared .Key words :digital imag e pr ocessing ;pattern recog nition;joint transform correlator (JT C);pr eprocessing引　言从1964年VanderLugt 提出用离轴全息方法制作匹配空间滤波器[1]以来,光学模式识别就成为光学信息处理的一个热点,它是通过光学相关运算识别目标的。

机器学习技术的图像识别算法图像识别算法是机器学习技术中的重要应用之一。

随着计算机技术的不断发展，图像识别算法在人工智能、自动驾驶、医疗诊断等领域得到了广泛的应用。

本文将从机器学习技术的角度，探讨图像识别算法的原理、应用和发展前景。

一、图像识别算法的原理图像识别算法的核心是利用机器学习技术对图像进行特征提取和分类。

具体而言，图像识别算法可以分为以下几个步骤：1. 数据收集和预处理：首先获取大量的图像数据，并进行预处理，如去噪、尺寸调整等。

这一步骤的目的是为了提供高质量的训练数据集。

2. 特征提取：通过特定的图像处理技术，从图像中提取出有意义的特征。

常用的特征提取方法包括SIFT、HOG等。

特征提取的目的是将图像转化为可用于机器学习算法的数值特征。

3. 特征选择和降维：对提取的特征进行选择和降维，以减少特征的维度和冗余信息。

常用的特征选择和降维方法有主成分分析（PCA）等。

4. 分类器的训练和分类：利用机器学习算法，对提取的特征进行分类。

常见的分类器包括支持向量机（SVM）、卷积神经网络（CNN）等。

二、图像识别算法的应用图像识别算法在许多领域都有广泛的应用。

以下列举几个典型的应用案例：1. 人脸识别：人脸识别算法可以用于人脸识别门禁系统、人脸支付等场景。

通过机器学习算法训练，可以实现高精度的人脸识别。

2. 物体检测：物体检测算法可用于自动驾驶、监控安防等领域。

通过识别和追踪物体，可以实现智能化的交通管理和安全监控。

3. 医疗诊断：图像识别算法在医疗诊断中发挥重要作用。

例如，利用机器学习算法可以对医学影像数据进行分析和识别，辅助医生进行准确的疾病诊断。

4. 图像搜索：图像搜索算法可以实现基于图像的搜索，即通过输入一张图像找到与之相似的图像。

这在电商平台中具有较好的应用前景。

三、图像识别算法的发展前景随着机器学习和深度学习技术的不断发展，图像识别算法的性能和应用前景也在逐步提升。

未来图像识别算法的发展趋势有以下几个方向：1. 深度学习技术的应用：深度学习是当前图像识别算法的主流技术，未来还会继续发展。

对联合变换功率谱调制 ，这种相关器 的相关峰 比较锐利，但对噪声较敏感 ，尤其是当输入多 个相似 目 时，鉴别率 不高。最近，Ｚ ａｇ 标 ｈｎ 等提 出了一种归一化联合变换相关器 Ｊ ｃ 口．可 Ｔ ）Ｉ 对 目标与参考物的匹配进行判决， 但这种相关器输出峰不够尖锐， 相关峰扩展的宽度 比较 宽。
相应 的联 合输 入 图象可 表达 为 ： 讯 １ （＋ ，ｙｂ＋； ‘，ｙｂ Ｉ ｔ ｂ＋ （ａ ｂ ＝ｔ ａ －） ｔｘａ － ｓ ｎ ） ｒ －， ｘ （ ） ｘ ｘ １ 联 合 图象 由傅立 叶透镜 １ 行傅 氏变换 ， 由 Ｃ Ｄ探 测 以产 生联台 功率 谱 ： 进 Ｃ
维普资讯
电子技术参考
２０ ０ ２年 第 ２卷 第 １ 期
联合变换 相关 图象识别方法研 究
李源
（ 国工 程 物理研 究 院 电子工 程要 提 出基于 归一化 的条 纹调制联合 变换 相关识另方 法．数值模拟结果表 明．新
’
维普资讯
２ ０
Ｆ ＡＦ的滤波 函数 可 表示 为 ：
‰
皇 苎 兰 ！ 王 查 耋 坚兰
，
兰 翌—
将得到的联合变换功率谱ｌ ｌ 再经条纹调制滤波器 Ｆ ＦＦｉ ｅ ｄｕｔ ｉｅ ￣￥ ， Ａ （ｒ ｇ－ ｊｓ ｄＦｌｒ Ｕ ｎ Ａ ｅ ｔ）
＋ 。 ｘ ｅｐ
＋Ｓ Ｔ＊． ｘ ｅｐ
…
．－ “
式（） ７为＾＝ ３中，１ ＂ ｒ的傅 氏变换。
ＮＪ Ｃ是对 式（） Ｔ ３直接 进行逆变 换 ，然后探 测 ｆ 和 ｔ０ ０， ．并 相 除得 到 了归一 化 的相关
输出 翻。本文在做逆变换之前， 先用联合功率谱减去 、ｌ 、 ｓ ｌ
设置一参考物 的支持 函数啦 ：