光學(xué)圖像識別相關(guān)器的MATLAB仿真

1、收稿日期:2003-12-24基金項目:廣東省自然科學(xué)基金資助項目(021089作者簡介:林睿(1972- , 男, 重慶人, 華南師范大學(xué)2002級碩士研究生; 常鴻森(1944- , 男, 廣東廣州人, 華南師范大學(xué)教授.文章編號:1000-5463(2004 04-0070-04光學(xué)圖像識別相關(guān)器的MAT LAB 仿真林睿, 常鴻森, 李榕(摘要:利用M AT LAB , 得到較好的仿真結(jié)果.關(guān)鍵詞:MAT LAB 4相關(guān)器; 聯(lián)合變換相關(guān)器文獻(xiàn)標(biāo)識碼:ASIMU LATION OF THE OPTICA L CORRE LATOR IN IMAGERECOGNITION B Y USI

2、NG MAT LABLI N Rui , CH ANG H ong -sen , LI R ong(School of Physics and T elecommunication Engeneering , S outh China N ormal University , G uangzhou 510631, China Abstract :It can use com puter simulation to study the technology of optical image recognition. This article proposes a novel method to

3、simulate the optical correlator in image recognition by us 2ing the image processing functions provided by MAT LAB. In the simulation experiments , the re 2sults which are alm ost consistent with the real optical pattern recognition experiments can be ob 2tained.K ey w ords :MAT LAB simulation ; 4f

4、optical imaging system ; Vander Lugt correlator ; joint trans form correlator光學(xué)圖像識別技術(shù)是一種有較高鑒別率的技術(shù), 它已在導(dǎo)彈、火箭的導(dǎo)航系統(tǒng)上有著很成熟的應(yīng)用. 近年來, 這一技術(shù)也廣泛應(yīng)用于一些民用領(lǐng)域, 如:交通系統(tǒng)中的車輛牌照的識別1、金融安全系統(tǒng)中個人簽名、指紋的識別2等. 因而對這一技術(shù)進(jìn)行深入的研究具有一定的實用意義. 利用計算機(jī)對光學(xué)圖像識別技術(shù)進(jìn)行仿真研究, 對于我們進(jìn)行真實的光學(xué)圖像識別技術(shù)的研究有幫助和借鑒作用. 國外已經(jīng)有人做了一些工作3, 而在國內(nèi), 對這一技術(shù)進(jìn)行仿真研究的文章卻很少.

5、MAT LAB 是國際公認(rèn)的優(yōu)秀的數(shù)值計算軟件, 利用它提供的豐富的圖像處理函數(shù)4,5, 我們可以很方便地模擬某些真實光學(xué)系統(tǒng)對圖像的處理, 例如:可以對圖像進(jìn)行傅里葉變換和傅里葉逆變換, 可以仿真實現(xiàn)對圖像的空間濾波6等. 我們用MAT LAB 對光學(xué)圖像識別相關(guān)器2004年11月N ov. 2004華南師范大學(xué)學(xué)報(自然科學(xué)版JOURNA L OF S OUTH CHINA NORM A L UNIVERSITY (NAT URA L SCIE NCE E DITION 2004年第4期N o. 4, 2004進(jìn)行仿真, 能得到較好的仿真結(jié)果.1光學(xué)圖像識別技術(shù)的基本原理圖14f 光學(xué)成像

6、系統(tǒng)光學(xué)圖像識別技術(shù)有兩種重要的實現(xiàn)方法, 其一是采用Vander Lugt 相關(guān)器2實 現(xiàn); 其二是采用聯(lián)合變換相關(guān)器1,2實現(xiàn).這兩種方法相同之處是它們都采用了4f 光學(xué)成像系統(tǒng). 如圖1所示. 其中, I 輸入平面, T , 出平面, L 1、L .1. 1相關(guān)器對圖像的識別是在空間濾波的基礎(chǔ)上實現(xiàn)的, 其方法是在4f 系統(tǒng)的頻率平面上放置一個匹配濾波器, 在頻率域中對輸入信號進(jìn)行相位補(bǔ)償, 從而在輸出平面上產(chǎn)生會聚的相關(guān)光斑.如果目標(biāo)圖像為i (x , y , 其頻譜為I (f x , f y =Fi (x , y (F3為傅里葉變換算符 , 則匹配濾波器為目標(biāo)圖像頻譜的復(fù)共軛, 即I

7、 3(f x , f y .將待識別的圖像g (x , y 放置在4f 系統(tǒng)的輸入平面上, 將匹配濾波器放置在4f 系統(tǒng)頻譜平面, 在單色平行相干光的照明下, 經(jīng)過空間濾波后, 頻譜平面上的頻譜為G (f x , f y I 3(f x , f y , 其中G (f x , f y 為g (x , y 的頻譜, 即G (f x , f y =Fg (x , y .則在4f 系統(tǒng)輸出平面上能得到的圖像為o (x , y =F -1G (f x , f y I 3(f x , f y =i (x , y g (x , y , 其中, F -13為傅里葉逆變換算符, 符號“”表示相關(guān)運(yùn)算,i (x

8、, y =F -1I (f x , f y , g (x , y =F -1G (f x , f y .如果待識別圖像中含有目標(biāo)圖像信息, 則在輸出圖像的相應(yīng)位置會產(chǎn)生相關(guān)最強(qiáng), 出現(xiàn)亮斑, 否則只出現(xiàn)彌散的光斑.1. 2聯(lián)合變換相關(guān)器原理聯(lián)合變換相關(guān)器是在輸入平面上對稱地放置待識別圖像v (x , y 與目標(biāo)圖像t (x , y , 形成聯(lián)合的輸入信號i (x , y =v (x -a , y +t (x +a , y 如圖2(a 所示. 在單色平行相干光的照明下, 經(jīng)過透鏡L 1的傅里葉變換作用, 在頻譜平面上形成聯(lián)合傅里葉譜I (f x , f y =Fv (x -a , y +t (x

9、 +a , y =V (f x , f y exp (-j2f x a +T (f x , f y exp (-j2f y a , 其中, V (f x , f y =Fv (x , y , T (f x , f y =Ft (x , y .在頻譜平面上用強(qiáng)度敏感器件接收聯(lián)合傅里葉譜, 并將其轉(zhuǎn)化為聯(lián)合功率譜, 其表達(dá)式為I (f x , f y 2=V (f x , f y 2+V 3(f x , f y T (f x , f yexp (j4f x a +V (f x , f y T 3(f x , f y exp (-j4f y a +T (f x , f y 2.聯(lián)合功率譜經(jīng)透鏡L 2

10、的傅里葉逆變換作用, 在輸出平面上得到相關(guān)輸出o (x , y , 其表達(dá)式為 o (x , y =F -1|I (f x , f y |2=v (x , y v (x , y +t (x , y v (x , y 3(x +2a , y +v (x , y t (x , y 3(x -2a , y +t (x , y t (x , y , 2這里, (3 為狄拉克函數(shù), 符號“3”表示卷積運(yùn)算, v (x , y =F -1V (f x , f y , t (x , y =F -1T (f x , f y 輸出的結(jié)果分為3個部分:第一、四項分別為目標(biāo)圖像和待識別圖像的自相關(guān), 它們重疊在輸出

11、平面的中心附近, 稱為0級, 信號; 第二、共軛互相關(guān)項, (20 和(-2a , 0 附近, 分別稱為±1級. 如圖2(b 所示, , 則會在(-2a , 0 和(2a , 0 附近產(chǎn)生相關(guān)的亮斑. 2MAT LAB 仿真實現(xiàn)在MAT LAB 中, 圖像是用矩陣來表達(dá)的. 使用MAT LAB 的imread ( 函數(shù), 我們可以很方便地讀取圖像信息, 把它存儲在一個矩陣中, 并顯示我們獲得的圖像. MAT LAB 提供了fft2( 、ifft2( 、fftshift ( 和ifftshift ( 這4個函數(shù), 能夠讓我們很容易地模擬4f 光學(xué)成像系統(tǒng)的變換作用, 并能得到同時含有振

12、幅和位相信息的復(fù)矩陣. 由于光學(xué)信息處理中通常顯示的是強(qiáng)度信息, 所以在MAT LAB 中要用abs ( 函數(shù)對復(fù)矩陣取模, 同時為了顯示的方便, 還要對取了模的復(fù)矩陣進(jìn)行對數(shù)運(yùn)算, 以降低顯示的幅值. 在MAT LAB 中, 矩陣的乘法運(yùn)算有兩種:乘(符號為“3” 和點乘(符號為“. 3” , “3”即按通常的矩陣乘法運(yùn)算進(jìn)行; “. 3”是兩個矩陣按對應(yīng)的矩陣元的相乘, 在對光學(xué)系統(tǒng)的仿真的過程中, 我們是采用點乘的方法來實現(xiàn)對光學(xué)圖像的變換的. 下面用MAT LAB 分別對前面提到的兩種光學(xué)相關(guān)器進(jìn)行仿真.2. 1V ander Lugt 相關(guān)器圖像識別的仿真在實際的光學(xué)識別中,Vand

13、er Lugt 相關(guān)器圖像識別的匹配濾波器是用全息方法制作的, 一般比較麻煩, 在MAT LAB 中實現(xiàn)匹配濾波器是很容易的. 例如:為了識別一幅圖像中是否含有字符“a ”, 我們用一幅只含有一個“a ”字符的256×256的二值圖像作為目標(biāo)圖像, 把它存儲在矩陣A 中, 然后將對A 的傅里葉變換存儲在矩陣F 1中, 取F 1的復(fù)共軛矩陣存儲在矩陣m filter 中, 這樣我們就得到了用于識別字符“a ”的匹配濾波器.圖3使用Vander lugt 相關(guān)器模型對圖像相關(guān)識別的仿真結(jié)果進(jìn)行相關(guān)識別時, 將待識別的256×256的二值圖像讀入矩陣I 中, 對I進(jìn)行傅里葉變換,

14、 可以得到I 的頻譜矩陣F 2, 進(jìn)行空間濾波即用F 2點乘m filter , 得到濾波后的頻譜矩陣F 3,對F 3進(jìn)行傅里葉逆變換, 就可以得到相關(guān)輸出的矩陣G , 圖3(c 是仿真的結(jié)果. 可以看到, 仿真的結(jié)果和實際( 圖4lugt Vander Lugt 相關(guān)器圖像識別的結(jié)果是一致的:含有特征信號的位置出現(xiàn)了明顯的亮斑, 與特征信號相似的位置有模糊的光斑, 與特征信號不相似的位置就沒有相關(guān)的最強(qiáng)出現(xiàn). 圖4顯示了4個相關(guān)極大峰的分布情況, 在圖中我們能看到有特征信息的地方, 相關(guān)峰很明顯.2. 2聯(lián)合變換相關(guān)器圖像識別的仿真聯(lián)合變換相關(guān)器有一個形成聯(lián)合輸入的平面, 在MAT LAB

15、中我們用一個512×512×256的二值圖像可以P i , 如圖5(a . 對P i F 1, 為了得到聯(lián)合功率譜, 對F1, F 2, F 1和F 2點乘, 就得到兩幅圖像的聯(lián)合功率譜矩陣F , 再對F , P o .以Vander Lugt 相關(guān)器圖像識別的例子的兩幅圖像為例進(jìn)行仿真, 結(jié)果如圖5(b 所示. 可以看到, 在互相關(guān)的±1級中, 含有特征信號的位置出現(xiàn)了相關(guān)亮斑, 但相關(guān)亮斑的強(qiáng)度很弱, 圖5(c 可以看出與特征圖像相關(guān)的峰值很小, 相比較而言, 不是我們所需要的零級成為了很強(qiáng)的干擾信號, 這是與實際的實驗相符的. 因此, 為了更有效地實現(xiàn)識別,

16、 必須除去或削弱零級. 圖5(d 是在濾去了零級后的相關(guān)峰圖, 我們可以清楚地看到4個相關(guān)極大峰. 濾去了零級后, 我們可以得到較為清晰的相干亮斑, 如圖5(e 所示 圖5使用聯(lián)合變換相關(guān)器模型對圖像相關(guān)識別的仿真結(jié)果從上面的仿真結(jié)果可以看出, 利用MAT LAB 可以比較容易地實現(xiàn)對光學(xué)圖像識別相關(guān)器的仿真, 而且仿真的結(jié)果和實際實驗的結(jié)果是相符合的. 因此, 用MAT LAB 實現(xiàn)的對光學(xué)圖像識別相關(guān)器的仿真的這一新方法, 有助于我們對光學(xué)圖像識別技術(shù)的研究.參考文獻(xiàn):1劉文耀, 謝洪波, 江潔, 等. 光電圖像處理M.北京:電子工業(yè)出版社,2002:320-335.2宋菲君,JUT AM U LI A S. 近代光學(xué)信息處理M.北京:北京大學(xué)出版社,1998:64-91.3JAVI DI B ,H ORNER J L. Optical pattern recognition for