《基于最大多符号信息熵的织物图像匹配.pdf》由会员分享,可在线阅读,更多相关《基于最大多符号信息熵的织物图像匹配.pdf(3页珍藏版)》请在三一文库上搜索。
1、第2 6 卷第2 期 2 0 0 5 年4 月 纺织学报 J o u m a lo fT e x t i l eR e s e a r c h V 0 1 2 6 N o 2 A p r ,2 0 0 5 基于最大多符号信息熵的织物图像匹配 包晓敏,汪亚明,罗一平,许洲 ( 浙江理工大学计算机视觉与模式识别中心,浙江杭州3 1 0 0 1 8 ) 摘 要为了实现利用机器视觉技术识别织物图案的组成,对织物图案进行研究。依据熵函数是一个连续函数, 且具有极值性,将其运用到图像检测与匹配中。把织物图像中的每一点作为单符号信源,整幅图像作为多符号信 源,在织物成品图像上选取和基准样图尺寸大小相同的图像
2、计算信息熵,若与样品图的信息熵相等,则说明在织物 成品图中检测到样图,否则没有。实验结果表明该方法在织物图案匹配中是一种实用和成功的方法。 关键词 信息熵;熵函数;图像;匹配 中图分类号:偈1 0 1 1文献标识码:A文章编号:0 2 5 3 9 7 2 1 ( 2 0 0 5 ) 0 2 一0 0 6 9 0 3 M a t c l I i n go ft e x t i l ei m a g eb 嬲e d 仰t h eb i g g 鹤tm u l t i - s y m b o l i n f b r m a t i o ne n t r o p y B A OX i a o m i
3、n ,W A N GY a m i n g ,L U 0Y i p i n g ,X UZ h o u ( c o 呷以e r 幻n 口以心抛mm 。0 9 凡如幻n 如r c 危c e n 把r ,z 危彬n g 如觇雕渺0 ,据M eo 以c ,z o f o g y , 醌懈如,孔咖增3 1 0 0 1 8 ,吼i m ) A k I t I a c t D e t e c t i n gm ec o m p o s i n go ft h et e x t i l ei m a g eb yu s i n gm a c h i n ev i s i o nt e c h n 0 1 0
4、 9 ) r T h em a t c h i n gw a yo ft e x t i l ei m a g ew a s r e s e a r c h e d T h ee n t r I ) p yf u n c t i o ni sac o n t i n u o u sf u n c t i o na n dh a se x t r e m ep r o p e r t y T h eb 培g e s tm u l t i s y H l b o li n f o n n a t i o ne n t r o p y w a sa p p l i e di n t ot h ed
5、e t e c t i o na n dm a t c h i n go ff a b r i ci m a g e s ,e a c hp o i n ti na ni m a g ew a sc o n s i d e r e da sa o n e s y m b o ls o u r c e ,山e w h o l ei m a g ew a sc o n s i d e r e da sm u l t i s y m b o ls o u I - c e T h ei n f o 砷a t i o ne n 岫) p yo ft h es e l e c t e ds u b i m
6、 a g e 衲t h et e x m ei m a g eo f f i n i s h e dp r o d u c tw h i c hh a st h es a m es i z ea st h es t a J l d a r ds u b i m a g ew a se a l c u l a t e d I ft l l ei n f o 珊a t i o ne n t r o p yo ft 1 1 es e l e c t e ds u b i m a g ew a se q u a lt ot l l a to ft h es t a n d a r di m a g e
7、 ,t h es t a n d a r ds u b - i m a g ew a sd e t e c t e df 而mt h et e x t i l ei m a g e ,o t l l e r w i s et h es t a n d a r d s u b i m a g ew a sn o td e t e c t e d T h ee x p e r i m e n t a lr e s u l t si n d i c a t et I l a tm e t h o di se 筋c i e n ta n dp m c t i c a b l e I 【e yw o r
8、 d si n f o 珊a t i o ne m r o p y ;e n t r o p yf u n c t i o n ;i m a g e ;m a t c h i n g 在纺织品设计中对成品织物需要判断图案是由 哪些样图组成的,以往主要是借助肉眼来完成。随 着计算机视觉技术的广泛应用,采用计算机视觉技 术获取实时图像与图库中的样图进行比照,以确定 该实时图像中是否有样图,并且明确图像的位置。 数字图像匹配技术是模式识别和数字图像处理 的基本手段。传统的模板匹配法概念清晰,实现简 单,由于图像包含的数据量大,计算量十分庞大。 图像匹配,是根据已知图像模式寻找相应或相 似模式的过程。
9、随着计算机性价比的提高,使得大 量的图像和视频信号的存储、传输成为可能。但是 面对大量的数据进行存储、查询及检索至今仍得不 到很好的解决。而计算机对图像的查询、检索等的 关键就是对图像的匹配处理。 在图像匹配过程中,大多数所面临的都是变化 的场景,实时图像与预存的基准样图之间往往存在 差异。基于最大多符号信息熵的物体匹配与检测, 提出把最大多符号信息熵运用到图像的检测上。 1 计算机视觉系统及图像提取 数字图像的获取,采用的是数码照相机0 l y m p u s s t v l u s4 0 0D I G I T A L ,分辨率为22 7 2 17 0 4 ,对纺织 品进行拍摄,再将图像存入
10、计算机。拍摄得到基准 样图如图l 所示,成品图像如图2 所示。 图1 基准样图图2 成品图像 作者简介:包晓敏( 1 9 6 5 一) ,女,副教授。主要研究领域包括计算机图像处理及应用等。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 【7 0 1 纺织学报 2 5 年第2 期 2 最大多譬喾号信息熵的物体匹配算法 图像目标识别与梭测中,现有方法大多是基于 对目标本身特性进行分析,检测出目标本身具有的 大小、方向、平移不变的特征,通过对霹标特征的分 嫒实理强标
11、的检测与谈别,其前提是娶标本身特征 已知或可估计j 一种常用的方法是首先进行图像分 割,然聪根据有关目标的知识,从分割结果的各连续 嚣域敦孛确定出囊实蜀标。 信息论中的信息悬消息的不确定性的消除。作 为信源的总体信息测度,矗是信源x 的“信息熵”, 它表骧信源x 每发出一个符号( 不论发生什么符 号) 所提供的平均信息漫。 H ( 并) = 一 ;p ;l o p 。,:p := l i ;li = l 在所有符号总数相同,而符号的概率分布不同 的离散信源中,以先验等概的离敞信源的信息嫡值 最大,其最大使等于箔源符号总数r 的对数。 信息熵具有的代数对称性说明信源的信息熵只 与信源的概率空问的
12、总体结构有关,与各概率分量 和各篱源符弩的对应关系,乃至各信源符号本身无 关;代数非负性说明曩O ,这釉j # 负性表明,从总体 上来看,从平均意义上来说,信源在发符号前,总存 在一定的不确定性,在发符謦后,总可提供一定的信 患量;代数确定性说盟若信源盖的概率空阅孛的任 概率分量等于1 时,其它所有概率分量均等于零, 则信源x 的信息熵一定等于零。表明当信源任一 德号咒乎宓然出现,其它铃号均几乎不可能出现时, 这个信源就是一个确知信源。在发符号前,不存在 不确定性,在发生符号后,不提供任何信息量;代数 连续髓说臻信源空阁审的概率分量的微小波动,不 会引起信源总体信息熵的腻大变化;代数扩展性表
13、明若信源空问中增加某些概率很小( 接近予零) 的信 源符号,虽然当倍源发_ 毒这些符号时,能提供很大酶 储息量,但终因其概率接近于零,在信息熵中占有很 小比重,以致总的信息熵维持不变;代数可加性表明 囱两个耜互统计独立的信源盖耱y 稼成的联会信 源( x y ) 的信息熵,等于信源x 和y 各自发个符号 提供的平均信息量之和。两个熵函数相加之和,仍 然是一个熵函数;代数递攘性说明它揭示了信深的 总体信息特征。若把含有,个符号的信源中的是( 奄 r ) 个符号归并为一个符号,构成含有( r l l + 1 ) 个符号的新信源,则新信源与琢信源相比,每发一个 德号能提供的平均信息量必定蠢所减小,其
14、减小量 等于被归并的而个符号对应概率分量之和,与这矗 个概率分量的归一化值为概率分量的信源空间的信 怠缡之乘积。反之,若将含毒,个符号昀信源中戆 某个符号扩展为南个符号,构成禽有( ,一l + ) 个 符号的新信源,则新信源与原信源相比,每发一个符 号麓提供的平壹孽信怠量必定有所增加,英增璧等予 被扩展的原信源符号对应的概率分量,与扩展后 个符号对应概率分量的归一化值为概率分量的信源 空间的信息熵之乘积。 熵黼数的各项代数性质,充分说明熵函数作为 信源的总体信息测度的合理性,同时,也从各种不同 角度揭承了信源的总体信息特征。 熵聪数的解掇性质表明符号种数( 概率分量数) 为r 的信源置的熵函数
15、,一定不大于概率分量数( 符 号种数) 同样是r 的另一信源中每一符号的自信息 量,在信源x 的概率空闻中魑统计平均值,这裁意 味着熵函数存在最大值,同时熵函数是凸函数。由 于熵函数是凸函数,且具有极值,陵,故有最傀解。 壶多个符号缝成豹时闻( 空闽) 序裂才熊代表一 个完整的消息。这神信源称为多符号离散信源。单 符号离散信道的基本特征,是输入一个离散符号,信 遂以一定概率在输】富端输出一个耀应的离散符号。 那么,栩对于多符号离散信源来说,若倍道的输入端 输入一个由多符号离散信源发出的由多个信源符号 组成的时闻膨列所代表的消怠,程信道的输出端禚 应以一定概率输地一个由同样个数的符号组成的时 问
16、序列代表的消息,则这种信道称为多符号离散 信道。 接述维离散乎稳信源盖= X ;盖。蜀的数学 模型如下。 P ( x o ,并口+ 。岛+ 。) = P ( 戈,x r + 1 盖+ ) 筹号集为X : 8 ;,8 :,8 , 的维离数乎稳信源 x = X ,X :,秭的信源空间 r 盖:瞎l ,口2 ,口 戈P 2 l p ( 盖) :p ( 8 ,) p ( 痒。) p ( 8 ) O 尹( 8 ;) = p ( 8 ;,8 f ,8 i 。) l ?rfr p ( 嘶) = p ( 口,。撂t 8 ) = l l 。】 1 。1 f 2 lh4 l 其信息缡由于薄维离散平稳无记忆僚源x
17、= 爱;x :玉中,备随机变量之阀统计独立,即有 P ( x ) = P ( x 。x :矗) = p ( x ,) P ( x :) P ( 蜀) x “的概率空间P ( ) : p ( 8 。) ,p ( 旺。) ,p 8 ,) 是一个完备集,哭| l 霹褥的基怠爝 撵( ) = 栉( x ,盖:西) = 一芝:p ( 龟) l o p ( 瓯) 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 2 0 0 5 年第2 期纺织学报【7 1 】 日( r ) =
18、日( x ) + J v ( 彳2 ) + + H ( 彳。) 3 最大多符号信息熵的织物图像匹配 图2 所示,大小为4 8 3 3 9 8 ,灰度值为0 2 5 5 。匹配 检测结果如图3 所示。在成品图像中检索到样品 图,并且明确其位置。 基于最大多符号信息熵的织物图像匹配与检测 中,把一幅图像中的每一点作为单符号信源,灰度值 为0 2 5 5 ,所以每一点的取值在同一符号集 o ,l ,2 , 2 5 5 ,整幅图像作为多符号信源,出现的离散符 号都是取于同一符号集 0 ,1 ,2 ,2 5 5 。图像中的 一点对应着单符号信息熵,故多符号信息熵对应着 一幅图像。由于每个像素点的灰度值为
19、0 2 5 5 中 的某一个值,先求得整幅图像的像素点的灰度值之 和,再计算每个像素点所占份额,即其概率。其构成 图3 匹配检测结果图 的概率空间符合多符号离散平稳信源的数学模型。 。 由上述算法原理,可得算法基本步骤如下:第 参考文献: 一步,计算基准样图的多符号信息熵;第二步,在成 1 朱淼良坩算机视觉 M 杭州:浙江大学出版社,1 9 9 7 5 6 品图像上取与基准样图大小相同的窗口,当窗口在 h 3 詈主碧凳箫篡罴要冀慧爹图像弱小目标检测卜红外 整个成品图像上逐行逐列滑动时每次计算相应窗口 3 贾云得机器视觉 M 北京:科学出版社,2 0 0 0 6 9 , 位置的多符号信息熵;第三
20、步,比较每个窗口位置 4 刘志俭M a t I a b 应用程序接口用户指南 M 北京:科学出版 图与基准样图的多符号信息熵,若相等即为匹配区 5 芝善并茄飞,俞勇,等模板图像匹配中的亚像元定位新方 域,否则不匹配。 法红外与毫米波学报,1 9 9 9 ,1 8 ( 5 ) :4 0 7 4 1 1 6 刘漕海孙作龙黄樟灿等图像匹配问题的新算法J 武汉 4最大多符号信息熵的物体检测结果 理工大学学报,2 0 0 2 ,2 4 ( 1 ) :2 5 2 7 71 高照锋冯慧基于主成分分析的图像匹配方法J 武汉大学 利用最大多符号信息熵进行织物图像匹配检 学报,龇,4 8 ( 5 ) :5 5 8
21、 5 6 0 索,实验图像是J P E G 图像,其中基准样图如图l 所 8 廖俊必,袁中凡徐或,等图像匹配中噪声分析和预处理 J 示,大小为3 6 5 3 4 8 ,灰度值为0 2 5 5 ;成品图像如 光电工程,2 0 0 2 ,2 9 ( 6 ) :6 1 6 6 I 一1 l | h - lr j w u I I 一1 1 - c | 1 m J l l ( 上接第6 8 页) 能量,实际生产需考虑脱水、干燥、水循环等方面的 能量消耗。 4 结论 1 ) 射流冲击整理新工艺只是用水来获得整理效 果,不用化学品,因此该工艺对生态极有利。为了避 免纤维或者一些生产中可能形成的污物阻塞喷水 孔,应根据不同的纤维或织物类别来设置过滤系统。 2 ) 将水针流看作定常流和不可压缩流体,射流 冲击的初速度移,可根据高压泵出口处的压强和喷 水针板的有效孔径计算得出。 3 ) 根据流体力学原理所建立的水刺工艺的动量 方程,分析射流对织物( 纤网) 的冲击力,即织物的受 冲击力F ,以及纤维材料受到的射流冲击总能量E 。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark
链接地址:https://www.31doc.com/p-3704325.html