基于模糊集的军事图标识别

摘要：图标识别在军事领域具有重要的意义，对军事图标进行正确的识别对军事图标中内容图像信息的检索起着非常重要作用。这主要是由于这些军事图标能够对其中的信息数据来源进行有效的反映。并且图标所携带的信息数据多，其变化比较小，对于文字而言，检索起来要方便的多。因此，对军事图标识别非常重要，该文从模糊集理论的视角去分析军事图标识别的基本方法，对其算法步骤进行具体的分析处理。

关键词：模糊集；军事图标；图标识别

中图分类号：TP18文献标识码：A文章编号：1009-3044(2011)28-7063-02

1 基于模糊集的军事图像识别概述

图标识别在军事领域具有重要的意义，对军事图标进行正确的识别对军事图标中内容图像信息的检索起着非常重要作用。这主要是由于这些军事图标能够对其中的信息数据来源进行有效的反映。并且图标所携带的信息数据多，其变化比较小，对于文字而言，检索起来要方便的多。纵观目前图标识别的算法，普遍存在两个方面的问题：一个是现在所采取的图标识别方法基本上根据原图标图像的像素和形状特征进行识别，这种方法不管是从局部或整体上来将，都将像素点所处的位置信息忽略了。但是，军事图标往往是人工所摄成和加工的图像，其大多数都是由两个或者两个以上边界比较清晰的几何图像所组成，如果这些成分图像在不同的位置出现或者组合起来的搭配位置不同，其所形成的图标也完全不同。一个是从图像中分割出来的军事图标因为受到闪光灯、光照等作用，其颜色将产生畸变。如果对这些图标直接进行灰度图像处理很可能会引起识别的误差，甚至导致错误识别，从而导致其进行二值化处理之后所形成的二值图像载有的有用数据信息非常少。

因此，针对以上问题，应该采取基于模糊集的军事图像识别算法，此算法主要是将所提取的图标图像进行二值化转换，以消除军事图标识别过程中颜色畸变的影响；接着对二值图标内部像素点的位置数据信息通过一定的算法进行定位和识别处理。该算法主要是通过形态学极限腐蚀的距离变换原理将图标中各像素点的位置数据信息进行转换，将其转换为相对应的灰度信息，从而使前面的二值化后的图像具有灰度特征，最后对这些图标进行直方图特征分析，以实现对军事图标的识别。

2 基于模糊集的军事图像识别的具体算法步骤

2.1 灰度归一化处理

在军事图标转变为灰度图像之后，通过反梯度平均滤波法对数字化或者扫描过程中所产生的噪声进行消除，此时再进行灰度归一化。此算法只有在对噪声进行有效消除的时候，才能使目标边缘信息的得到比较好的保持。但是，由于灰度归一化过程中，容易对图标图像产生不连贯、不平滑现象，以致于给其后续特征信息的提取产生影响。因此，其图标的灰度归一化应该在灰度域而不是二值域进行，其整个过程如下：第一，采取迭代法对图标进行二值化处理，再将这些进行二值化处理之后的图标分别在垂直、水平方面进行投影，从而可以找到图标在之前的原图像中所对应的像素点位置；第二，依据此像素点位置数据信息在原灰度图像之中对图标背景进行消除，以得到灰度图标图像；第三，对所得到的灰度图标图像进行归一化处理。

灰度归一化的具体算法：设归一化后的军事图标图像高度为H，设归一化之前的图标图像f(x,y)的大小为M×N，从而得到归一化之后的点阵F(x，y)的大小为(MH/N)×H。而为确保直方图柄数充足，像素一般设为200，其映射公式为x'=(H/N)x，y'=(H/N)Y。

2.2 主方向旋转处理

对军事图标图像在进行以上归一化之后而得到的灰度图像再进行二值化。设二值化之后的图表图像为T(x，y)，则

为了使二值化后的军事图标的特性在旋转过程中不发生变化，可以对其进行主方向旋转。在这个时候，我们可以设置图像跟主方向间所形成的夹角为?准：?准=[atan2(2u11,u20・u02)]/2

在上式中：upq=∑x∑y(x-x0)p(y-y0)qT(x,y)反映的是军事图标所在位置的中心矩（p+q阶）；其中x0,y0代表的是T(x，y)所在的重心坐标。此时对军事图标按照主方向进行旋转之后，所得到的最大外接黑色矩形，我们就称之为目标区域，之后的操作都是针对此目标区域所进行的，主要是为了使二值化后的军事图标的特性在旋转过程中不发生变化。图1为二值化军事图标向方向进行旋转的前后形状。

2.3 距离变换处理

模糊集理论主要是以数学集合的形态存在，而数学往往是以图像来表达的，其主要是对图像的结构和基本特征进行描述，即图像集中各部分与部分之间、元素与元素之间的关系的描述。对于大多数的二值军事图标图像，其往往是由许多互不连通的彼此独立的几何图形所组成，所以可将其归属为图形的集合体。可是对于二值化处理后的军事图标而言，如果将其各个部分的像素点位置数据信息进行灰度信息转化，于是就可以利用这个灰度信息将这些图像区别开来。其具体的转化距离函数为：

所以，距离图表示二值化图标的各像素值和其目标相互接近的程度，这就好比等高线图一样。如果对跟目标非常接近的像素进行最大赋值，即对二值化图标进行背景消除处理，所得到的图像清晰度一般跟距离成正比，在每次操作之后，对所有剩下的像素值进行加1处理，从而可以得到一幅距离图。在形态学中，也可以进行迭代地腐蚀二值图处理，极限腐蚀就是指对图标图像通过结构元素进行不断的重复的腐蚀运算，在不断地进行腐蚀运算的过程中，可将那些彼此互不连通的图像区域凸现出来，在此同时又会使一些其他的区域消失。其中，最后一个消失的连通成分即“最终连通成分”。我们所要得到的并对其进行跟踪处理的就是这个“最终连通成分”。通过跟踪，通过每一个最终连通成分的中心点来标识每个连通区域位置，而所有最终连通成分的的集合，我们就称之为极限腐蚀（半径为r）。图2就是极限腐蚀的一个例子；图3则是上述主方向旋转图1(b)在距离变化之后的形状。

2.4 相似性度量处理

军事图标发生镜面变换，即对称变换，其在镜面上所形成的直方图投影将发生非常大的变化。此时，对直方图的相关距离进行求解可以对直方图归一化后形成的距离进行度量处理，以致对这两个图形的整体相似性进行判别。首先，我们要知道直方图的相似性一般是通过距离进行度量的，这个距离如果大，则表示其相似度就越小，距离小则表示相似性越大。投影直方图的相关距离函数一般为：

。

其中，i大于等于零，小于N；T(o)――军事图标；h――直方图；T(s)――集中图像。为了进一步消除对各种影响，在这里直接通过直方图计算将那些特殊背景区域（其灰度为零）进行消除。通过此方法所求得的图标距离跟镜面变换相比并不是很敏感，因此，其可以对图像间的相似性进行较好地反映。最后所得到的那副距离最小的图像，即为识别的结果。

图4对模糊识别算法的整个过程进行了生动描述。下图中，(a) 标识的是网络图像中所获取的军事图标图像；(b)标识的是(a)在进行归一化（其像素高度设置为200）所产生的图像；(图c)是图(b)在二值化处理后发生主方向旋转之后的图形，主方向旋转之后的图(c)进行距离变换，使其像素点位置数据信息进行灰度处理，从而得到其灰度距离图(d)。从以下这些距离图我们能够发现，跟边缘距离越大的点看起来越亮，而跟边缘距离越近的点看起来则越暗，这就表示，距离图中像素点的灰度值能够对像素点的位置数据信息进行准确反映。从而可以对图标进行准确识别。

a) 原始军事图标 b) 归一化图像 c) 主方向旋转 d) 距离变换

图4

3 结束语

综上所述，军事图标识别对于其想要得到的图像信息或者视频信息的检索有着极大的重要性。主要表现在军事图标图像能够反映其数据的来源，并且还能简化其对一些信息数据的处理。本文采取基于模糊集的军事图像识别算法，对军事图标进行识别。具体步骤主要为：灰度归一化处理-主方向旋转处理-距离变换处理-相似性度量处理，通过这些步骤从而可对军事图标进行正确的识别。

参考文献：

[1] 谢谦礼,程承旗,马廷.一种基于模糊集理论的图像图标识别方法[J].计算机工程与应用,2006,42(17)．

[2] 郭丽,孙兴华,黄元元.距离分布直方图及其在商标图案检索中的应用[J].中国图象图形学报,2009,7(10).

[3] 李弼程,彭天强,彭波等.智能图像处理技术[M].北京:电子工业出版社,2009.

[4] 高彦平.图像增强方法的研究与实现[M].济南:山东科技大学,2010.

[5] 李刚.数字图像的模糊增强方法[M].武汉:武汉理工大学出版社,2009.

[6] 李宏刚.基于模糊集的车辆图像增强方法研究[M].哈尔滨:哈尔滨工业大学出版社,2009.

[7] 鱼海涛.基于模糊集理论的图像增强算法研究[J].西安:西安科技大学学报,2009(9).