第四章 光学图像识别 2021/219
2021/2/19 1 第四章 光学图像识别
目录2021219 光学信息处理 第1节 第四章光学图像识别 第2节4.1图像识别和光学相关器 第3节4.2非相干识别器 第4节4.3 Vander Lugt相关器 第5节4.4实时 Vander Lugt相关器 苇6节4.5 Vander Lugt相关器的小型化 苇7节4.6旋转不变 Vander Lugt相关器 第8节4.7比例不变 Vander Lug相关器 第9节4.8联合变换相关器 88 10节4.9实时联合变换相关器 第114.10联合变换相关器的应用 第12节4.11旋转不变联合变换相关器 第4章4.12结论
第1节 第2节 第3节 第4节 第5节 第6节 目 录 第11节 第7节 第8节 第9节 第10节 第4章 第12节 2021/2/19 光学信息处理 2 第四章 光学图像识别 4．1 图像识别和光学相关器 4．2 非相干识别器 4．3 Vander Lugt相关器 4．4 实时Vander Lugt相关器 4．5 Vander Lugt相关器的小型化 4．6 旋转不变Vander Lugt相关器 4．7 比例不变Vander Lugt相关器 4．8 联合变换相关器 4．9 实时联合变换相关器 4．10 联合变换相关器的应用 4．11 旋转不变联合变换相关器 4．12 结论
目录2021219 光学信息处理 节4图像识别和光学相关器 第2节 很久以来,人们一直在研究能够识别物体的 霩3节机器,这种机器能代替人们从事枯燥乏味的重复 第4节性劳动及危险性的工作.例如: 5节字符识别机能代替邮递员分拣邮件 6节自动签名或指纹识别机能代替工作人员检验签字 第7常或指纹; 8节在军事上,首先用图像识别系统辨认对方的目标, 第9节 第10节 诸如导弹、车辆、建筑,而后用武器自动摧毁经 过识别的目标 第11节 在医学上,图像识别技术则用于识别某一类特定 第12节 第4章 的细胞,然后进行计数
第1节 第2节 第3节 第4节 第5节 第6节 目 录 第11节 第7节 第8节 第9节 第10节 第4章 第12节 2021/2/19 光学信息处理 3 4.1 图像识别和光学相关器 很久以来，人们一直在研究能够识别物体的 机器，这种机器能代替人们从事枯燥乏味的重复 性劳动及危险性的工作．例如: 字符识别机能代替邮递员分拣邮件； 自动签名或指纹识别机能代替工作人员检验签字 或指纹; 在军事上，首先用图像识别系统辨认对方的目标， 诸如导弹、车辆、建筑，而后用武器自动摧毁经 过识别的目标; 在医学上，图像识别技术则用于识别某一类特定 的细胞，然后进行计数．
目录2021219 光学信息处理 第1节 1、光学相关器 第2节 两个实函数(x2y)和g(xy)的相关在数学上定义为 c(a,B)=oooof(x,y)g(x-a, y-B)dxdy 第3节当α=0,β=0时相关函数变成内积 第4节 c(0,0)=os f(x, y)g(x, y) dxdy (1) 第5节(①)式积分实现的方法见图41.显然,仅当f(xy) 第6节 和g(x2y)全同时,光强的积分c(0,0)才达到极 第7节 大要测出光强的积 第8节 f(xy)g(x,y)透镜 第9节 分,就可以判定图形 第10节f(xy)和g(x)相似 探测器 第11节性.注意,这一识别 第12节过程把复杂的二维图 第4拿形化简为一个点 图41光学图像识别器图示
第1节 第2节 第3节 第4节 第5节 第6节 目 录 第11节 第7节 第8节 第9节 第10节 第4章 第12节 2021/2/19 光学信息处理 4 1、光学相关器 两个实函数f(x,y)和g(x,y)的相关在数学上定义为 c(, ) = ∞ -∞ f(x,y) g(x - , y - ) dxdy 当 = 0， = 0时相关函数变成内积: c(0,0) = ∞ -∞ f(x,y) g(x, y) dxdy (1) (1)式积分实现的方法见图4.1．显然，仅当f(x,y) 和 g(x,y)全同时，光强的积分c(0,0)才达到极 大．只要测出光强的积 分，就可以判定图形 f(x,y)和g(x,y)的相似 性．注意，这一识别 过程把复杂的二维图 形化简为一个点． 图4.1 光学图像识别器图示
目录2021219 光学信息处理 第1节 2、相关器的局限性 第2节秦仅能判别两个完全相同的图形,倘若一个图 第3节 形相对于另一个图形转过一个角度,或二者 第4节 的比例有所不同,即便两个图形完全相同 第5节 用相关器是无法识别的 6节…相关器很容易识别印刷体字符,却无法识别 第7节 手写体字符 第8节 相关器容易识别人脸的照片,对真人的脸部 第9节 第10节 的识别却无能为力 总而言之,相关器可用来识别具有明确定义 第11节 的物体.定义不明确的物体则应借助于神经 第12节 第4章 网络来识别,可参见第八章
第1节 第2节 第3节 第4节 第5节 第6节 目 录 第11节 第7节 第8节 第9节 第10节 第4章 第12节 2021/2/19 光学信息处理 5 2、相关器的局限性 仅能判别两个完全相同的图形，倘若一个图 形相对于另一个图形转过一个角度，或二者 的比例有所不同，即便两个图形完全相同， 用相关器是无法识别的． 相关器很容易识别印刷体字符，却无法识别 手写体字符． 相关器容易识别人脸的照片，对真人的脸部 的识别却无能为力． 总而言之，相关器可用来识别具有明确定义 的物体．定义不明确的物体则应借助于神经 网络来识别，可参见第八章．
目录2021219 光学信息处理 第1节 4,2非相干识别器 用一个面光源以同时产生许多个准直光束。 第2节 如果两个图形透明部分相对于这一平行光束是重 第3节合的,它通过第二个透镜后就在焦平面上产生 第4节个亮斑,它正是两个图形的相关峰,并指示其位 第5节置.倘若输入平面上存在不止一个图形,则在输 第6节出平面上出现多个相关斑.相关输出为 第7节 c(E,)=oo f(x, y)g(x-Ed/f, y-nd/f) dxdy 第8节缺点: f(ry) 扩展光源透镜 g(x,y)透镜相关输出 9节输出平面上 10节的相关峰强 第11节 度很弱 第12节 d 第4章
第1节 第2节 第3节 第4节 第5节 第6节 目 录 第11节 第7节 第8节 第9节 第10节 第4章 第12节 2021/2/19 光学信息处理 6 4.2 非相干识别器 用一个面光源以同时产生许多个准直光束。 如果两个图形透明部分相对于这一平行光束是重 合的，它通过第二个透镜后就在焦平面上产生一 个亮斑，它正是两个图形的相关峰，并指示其位 置．倘若输入平面上存在不止一个图形，则在输 出平面上出现多个相关斑．相关输出为 c(,)=∞ -∞ f(x,y)g(x-d/f, y-d/f) dxdy 缺点： 输出平面上 的相关峰强 度很弱．
目录2021219 光学信息处理 第1节 43 ander L ugt相关器 第2节相关运算:cn)jnxy)g(xdr, y-nd/f)dxdy 幸8节1、 Vander lugt相关器(O复数滤波器的记录 设在谱面上放置一个感光胶片,并假定胶片 第4节的显影、定影过程是正的线性过程,则最后得 第5节到ⅤLC复数滤波器为 第6节T(u,V)=|G(uy)|2+1+G(u,v)exp-i2 TsIna/ 第7节 +G“(u,v)exp[i2πsina/^ g(r,y) G(u,v) 第8节 第9节 第10节 第11节 R(4,z) 第12节 第4章 图43VLC复数滤波器的记录
第1节 第2节 第3节 第4节 第5节 第6节 目 录 第11节 第7节 第8节 第9节 第10节 第4章 第12节 2021/2/19 光学信息处理 7 4.3 Vander Ｌugt 相关器 相关运算: c(,)=∞ -∞ f(x,y)g(x-d/f, y-d/f) dxdy 1、Vander Lugt相关器(VLC)复数滤波器的记录 设在谱面上放置一个感光胶片，并假定胶片 的显影、定影过程是正的线性过程，则最后得 到VLC复数滤波器为: T (u,v) =∣G(u,v)∣2 + 1 + G(u,v) exp[ - i 2sin/] + G*(u,v) exp[ i 2sin / ] 图4.3 VLC复数滤波器的记录
目录2021219 光学信息处理 节2、VLC识别过程 第2节 经过T(u,v)滤波作用,紧贴T(u,y)后面的场为 F(u,v)T(u,V)=F(u,y)(|G(u,v)|2+1) 第3节 f(u,v)G(u, v) exp[ -i irsina/n 第4节 +F(u,y)G“(u,v)expi2πsinc/ 第5节 第一项位于输出 荆节平面中心,形成级 傅里叶 7节谱,而F(u,)G(u,y)9 交换平面 LI T(uv) 第8节及F(u,V)G(u,)的 输出平面 第9节逆变换将分别出现 10在输出平面上(0) 第17及(-b,0)处,F(u,) 12节G()的逆变换为f (ξ,n)⑧g(5,n)。 图44VLC的识别过程 第4章
第1节 第2节 第3节 第4节 第5节 第6节 目 录 第11节 第7节 第8节 第9节 第10节 第4章 第12节 2021/2/19 光学信息处理 8 2、VLC 识别过程 经过T(u,v)滤波作用，紧贴T(u,v)后面的场为 F(u,v) T (u,v) = F(u,v) (∣G(u,v)∣2 + 1) + F(u,v) G(u,v) exp[ - i 2sin/] + F(u,v) G*(u,v) exp[ i 2sin / ] 图4.4 VLC的识别过程 第一项位于输出 平面中心，形成0级 谱，而F(u,v) G(u,v) 及F(u,v) G*(u,v)的 逆变换将分别出现 在输出平面上(b,0) 及(-b,0)处，F(u,v) G*(u,v)的逆变换为f (,) g (,)
目录2021219 光学信息处理 剩节44实时 Vander l吗gt相关器 第2节1、透射型实时VLC的基本装置 第3节图中L为显微物镜; 第4节L2为准直透镜;L3 幸5节L为傅里叶变换透 第6节镜:PH为针孔 BS/激光器L-PBs AD D1 为分光镜;M为反 MSF 第7节 光镜;MSF为匹配 8节滤波器;AD为探测 9节列阵(例如CCD); M 10节OB为物光;RB为参图45透射型ⅵC的装置 第11考光 菊12节为了实现实时图像识别,用空间光调制器SLM 第4拿来输入图形,最后用探测列阵AD来探测相关9
第1节 第2节 第3节 第4节 第5节 第6节 目 录 第11节 第7节 第8节 第9节 第10节 第4章 第12节 2021/2/19 光学信息处理 9 4.4 实时Vander Ｌugt 相关器 1、透射型实时VLC的基本装置 为了实现实时图像识别，用空间光调制器SLM 来输入图形，最后用探测列阵AD来探测相关 峰． 图中Ll为显微物镜； L2为准直透镜；L3， L4为傅里叶变换透 镜；PH为针孔；BS 为分光镜；M为反 光镜；MSF为匹配 滤波器；AD为探测 列阵(例如CCD) ； OB为物光；RB为参 考光. 图4.5 透射型VLC的装置
目录2021219 光学信息处理 第1节 2、反射型实时LC的基本装置 第2节 系统使用反射型SLM(例如液晶光阀LCIV) 在图4.6中,由摄像机拍摄的图像由TV终 第3节 端显示,该图像直接照射LCLV,或用透镜投 第4节 5节影到LCLV的写入端面,激光束则在LCLV的读 出端面上反射,并读出信号,即ⅥC的输入信 第6节 号f(xy) 第7节 第8节 图46 T监祝器 LCLV 第9节 激光器L1 PH L2 BS BS AD 第10节 第11节 MSF 第12节 第4章
第1节 第2节 第3节 第4节 第5节 第6节 目 录 第11节 第7节 第8节 第9节 第10节 第4章 第12节 2021/2/19 光学信息处理 10 2、反射型实时VLC的基本装置 系统使用反射型SLM(例如液晶光阀LCLV). 在图4.6中，由摄像机拍摄的图像由TV终 端显示，该图像直接照射LCLV，或用透镜投 影到LCLV的写入端面，激光束则在LCLV的读 出端面上反射，并读出信号，即VLC的输入信 号f(x,y)． 图4.6