基于模糊理論探討視覺識別和分析技術

孫通

摘 要：隨著我國科學技術的不斷發展，我國的計算機視覺技術以及數字圖像技術也得到了快速的發展，基于視覺傳感器的目標識別技術在很多領域和行業都得到了廣泛的應用，將其應用到智能交通系統、自動監控系統等方面，可以實現對交通運輸以及區域的自動監控。本文圍繞基于模糊理論的視覺識別和分析技術進行探討。

關鍵詞：模糊理論；視覺識別技術；分析技術

0 引言

在視覺識別和分析技術中，彩色圖形分割是一個重點內容，彩色圖像的分割方法傳統采用S和H聯合的方法分割，雖然分割結果比較精確，但是整個分割過程卻非常繁瑣，需要花費很多的時間和精力。而從采用基于模糊推理的彩色圖像分割算法就比較簡便，可以達到很好的分割效果，實現視覺識別和分析。

1 基于模糊推理的彩色圖像識別技術

1.1 顏色值的模糊表達

顏色值的模糊表達就是指在顏色空間的基礎上對S和H進行模糊運算。模糊表達的過程主要分為3個步驟，首先是將飽和度S和色調H模糊量化，然后建立S和H的模糊規則和隸屬函數，然后推理出具體的計算方法，實現將S和H轉化為對應的C過程。將其模糊化，就是將原本一個真實的已經確定的輸入量轉化為一個模糊的矢量。在實際的情況下，由于各種數據所處的環境是不一樣的，例如不同時刻的環境溫度、光的強度等因素是不一樣的，采用精確的量來表示反而會產生較大的誤差，而使用模糊的矢量還更為準確，其表達的信息量也更大。如果模糊化的等級總數在數量上達到了一定的值，模糊量化也能夠反映出精確量的特征。在S和H的分割中，主要分割參數是H，而S是H的輔助分割參數，實際分割過程中，如果亮度不變，隨著值的增大，色調H是由紅轉變為紫的。根據這個顏色空間的特征，再加上人的眼睛對顏色具有識別能力，結合以前的一些經驗，可以將S分為4份，色度H分為8種。在模糊集合論中，就像在概率論中只能統計出一個近似的概率是一樣的，其只能建立一個近似的隸屬度的函數，因為人們認識事物具有一定的局限性。隸屬函數的形式變化越慢，其靈敏度和分辨率就越低，系統的穩定性越好[1]。因此，一般采用梯形和三角形相結合的隸屬函數。采用模糊推理的具體方法將其推算出來。

1.2 基于模糊理論的圖像閾值分割

對色彩值進行模糊表達，在此基礎上采用模糊推理方法對圖像中的不同點的色彩值進行求解，此時利用直方圖統計方法就可以將目標區域的色彩值的閾值范圍求解出來，然后利用閾值分割方法就可以對圖像進行分割。對一個圖像進行模糊轉化，然后對其C值進行統計。為了得到精確的目標區域C值，可以將目標區域單獨提取出來進行恩熙，并對其進行直方圖統計，這樣就可以得到目標像素的C的閾值[2]。采用模糊理論的圖像分割算法，可以將目標區域有效分割出來，通過模糊處理，還可以實現對其的放大和縮小。使圖像分割的模糊性增加，能夠有效減少圖像采集過程中外界環境對其造成的影響，相對而言其準確性還更高。

1.3 圖像分割之后的目標區域的識別

圖像經過分割、二值化以及膨脹腐蝕，經過二值化之后，圖像中不僅有目標區域，還存在著一些其他的非目標區域，會對目標區域造成一定的干擾，因此，此時需要將分割之后得到的各區域都標記下來，然后根據目標的特點和形狀等進行識別，最終將目標區域找出來，還可以將其他的一些非目標的區域濾掉。在實際的操作過程中，先對圖像進行分割，然后采用連通區域的搜索算法對已經分割之后的目標區域進行搜索，選定連通目標之后就可以得到結果，確定經過分割之后的圖像有幾個區域是滿目目標的顏色特征的，然后才能進行接下來的匹配和形狀特征匹配。在這個過程中，需要對目標特征進行提取，需要計算的特征包括區域面積、區域周長、圓形度、區域不變矩等進行計算，然后根據目標的特征進行匹配，最終根據目標的形狀和特點進行目標識別。

2 基于模糊理論的視覺追蹤技術

基于模糊理論的視覺分析技術主要是指視覺跟蹤技術，采用攝像機拍攝圖像，然后對圖像序列進行分析，就可以計算出每一個圖像中目標的位置。目標跟蹤是一個動態的過程，目標圖像的位置、尺寸和形狀會隨著攝像機的高度、位置和環境等而變化。在目標追蹤中，首先要進行目標搜索和定位，目標搜索就是確定目標的具體位置，可以采用基于云臺旋轉的搜索算法和基于機器人旋轉的搜索算法，其中基于機器人的旋轉搜索算法更為常見。在實際操作過程中，對云臺的水平方向角進行調整，使其的機器人的正方向的夾角和俯視角都為0，判斷是否有目標，如果沒有，就旋轉360°對目標進行搜索，直到找到目標，找到目標之后，調整機器人的姿態，然后對準目標，輸出距離信息。搜索目標之后還要確定目標的位置，通過計算得出[3]。在目標的跟蹤中，可以采用基于小型輪式機器人的目標跟蹤運動控制方法進行控制，其是整個跟蹤系統的一個最重要的環節，也是最后一個環節。

3 結語

視覺目標識別技術和跟蹤技術具有非常廣泛的應用，其對具體的環境和目標具有很強的依賴性，因此在不同的環境背景下對于不同的目標應該根據實際的情況采用不同的算法。為了提升其準確性，可以充分利用模糊理論進行分析，將模糊理論應用到圖像分割、目標識別和目標跟蹤中，從而發揮強大的作用，對彩色圖像中的目標進行識別和跟蹤。

參考文獻

[1]孫宇平.基于稀疏表征和自相似性的視覺數據識別關鍵技術及應用[D].華南理工大學，2015.

[2]王廷軍.礦山搜尋機器人視覺技術及井下礦工識別理論的研究[D].中國礦業大學（北京），2011.

[3]常永鑫.基于視覺認知的目標識別技術研究[D].電子科技大學，2015.

（作者單位：廣東美的制冷設備有限公司）