图形识别编辑

计算机术语

特别提示：本站内容仅供初步参考，难免存在疏漏、错误等情况，请您核实后再引用。对于用药、诊疗等医学专业内容，建议您直接咨询医生，以免错误用药或延误病情，本站内容不构成对您的任何建议、指导。

在当今所处的这个信息爆炸的时代，计算机图形识别已经成为计算机视觉技术的一个重要研究分支，同时也是图像检索的重要基础。图像的局部特征是用于识别的关键，在提供更多图像细节信息、提供对象语义支持基础以及遮挡条件下对象识别等方面展现出特有的优势。现阶段，识别图形主要有Hough变换，局部算子提取，灰度级提取等方法。

我们现在所处的这个时间，计算机已经广泛普及，信息技术也在以几何级的速度高速发展，图像已经成为人们日常生活中处理数字信息时不可或缺的重要载体。图像中的图形特征比较符合人类视觉的认知习惯，例如字符识别、工业零件识别、商标识别以及地图边界和海岸线识别、航空照片中景物轮廓的识别等。

目前在许多图形识别的相关研究中，图形特征描述有傅里叶算子，Freeman链码表示法，Blum图形骨架法和不变矩特征描述算子等。但由于实际应用中的较多限制，要对图像中的图形特征做出识别，除了提取出主要的图形特征，还需要提取出图像中图形的相关特征区域来提高识别的精度与准确率。

主要方法

编辑

直线提取方法

在计算机视觉和图像处理领域，图形的各种特征经常被用作高层处理如立体匹配、目标跟踪、物体识别等的输入信息；在航空和卫星图像中，城市道路、建筑物、水上桥梁等都具有图形的各种特征，直线检测和分析对航空和卫星图像中有特别重要的意义；直线特征在物体轮廓检测和机器人自动导航等领域也有重要应用。在过去几十年里，研究人员提出了多种图形特征提取方法，而提高直线提取的实时性一直是众多学者的努力方向。当前广泛使用的图形提取方法大致可分为两类。

HT及其改进法

HT(霍夫变换)是一种依据全局统计信息的直线提取方法，它基于图像空间点向参数空间对应位置投票累加并搜索参数空间峰值获得直线方程。HT对直线断裂、局部遮挡等缺陷不敏感，对随机噪声具有鲁棒性；但 HT 需要较大的存储空间和较长的计算时间，无法保证实时性，因而其应用受到限制。

矢量基元组合方法

矢量元组合方法可以通过图像空间中像素点的某种特定关系进行边缘连接获得矢量基元，通过某种准则合并基元得出完整直线。这种方法在一定程度上克服了 HT 计算量大、计算时间长等缺点，但其精度依赖于基元的选择情况，对基元断裂和噪声敏感，而且缺少全局性。针对以上问题，综合以上两种方法，近年来又提出了一种既有效利用直线边缘局部特征又兼顾其全局性的直线图形快速提取算法。该算法分析了离散图像中直线轮廓的结构特征，用行基元、列基元和斜基元表示连续的边缘图像点，通过计算基元倾角对基元中心点分别进行极角约束HT，进而从变换点数量和变换角度范围两方面进行计算量控制，可显著提高信息处理速度。