文章來源：MEMS

引言

從20世紀80年代開始，機器視覺技術的發展速度不斷加快，已經走進了人們的日常生活與工作之中。機器視覺的圖像目標識別系統的自動化程度較高，應用范圍廣，尤其在危險場所的運用，采用機器視覺代替傳統的人工視覺，能夠更好的滿足危險作業基本需求。

機器視覺的圖像目標識別的重要性

圖像目標識別是機器視覺中的核心研究領域，在農業、工業和醫療等領域均有涉及。例如，在農作物生長過程之中，通過運用該技術實施藥物噴灑，能有效預防農作物病蟲害的發生。由于機器視覺的圖像目標識別方法能將大量信息進行集中處理，能夠更好的達到計算機集成制造基礎目標。在比較復雜的機器視覺領域當中，機器視覺的圖像目標識別方法的大力運用，能夠減少錯誤視覺信息的輸出與傳遞，進一步提升了各項圖像識別信息的準確性。

機器視覺的圖像目標識別原理與特點

圖像目標識別的原理
機器視覺的圖像目標識別運用模式識別和圖像處理原理，在海量的圖片當中，經過初步識別之后，提取相應的目標圖像，并將該目標圖像進行分類處理。與計算機視覺技術相比，機器視覺的圖像目標識別方法操作更為便捷，系統結構組成比較簡單。在處理圖像之前，需要獲取完整的圖像，在獲取圖像的過程當中，要采用一套靈敏的硬件設備，如照明光源、用于調節圖像清晰程度的鏡頭與攝像機等。

圖像目標識別的特點

機器視覺的圖像目標識別方法具有較強的實時性，能夠自動獲取圖像并對圖像進行分析與研究。由于該項技術的特殊性，其識別精度與識別時間領域還存在很多缺陷，為了保證該項技術得到更好應用，還需要不斷加大研究力度，提升機器視覺圖像目標識別效率，杜絕識別錯誤的發生。

機器視覺的圖像目標識別方法

圖像的預處理圖像的預處理指的是通過矯正機器視覺所獲得的圖像目標，并將噪音等干擾進行合理過濾，對圖像目標內部的信息開展有效提取。其處理流程首先，將圖像平行移動或者換不同的方向，縮放其尺寸等，使圖像識別速度得到提升，識別結果更為精確。其次，將圖像進行濾波處理，去除圖像中的噪音干擾，使圖像的各項特征得到更好保存。最后，對圖像的預處理結果進行檢驗。
圖像濾波處理主要分為兩種，分別是線性濾波處理與非線性濾波處理。其中，非線性濾波對圖像中的各個細節起到保護作用，去除圖像噪音時，保證圖像細節更加完整，在圖像濾波處理中有良好的應用效果。在非線性濾波中，應用效果較好的分別是粒子濾波與卡爾曼濾波兩種，與粒子濾波相比，卡爾曼濾波操作比較簡單，魯棒性能也比較好，在機器視覺跟蹤領域應用較多。粒子濾波與卡爾曼濾波算法不同，該方法存在樣本匱乏、粒子數量選擇不當等一系列問題。在圖像預處理過程當中，要加強圖像邊緣處理力度，該區域作為圖像目標中的核心區域，如果處理不當，會嚴重影響圖像預處理效果。因此，為了進一步提升圖像邊緣預處理水平，可以運用先進的檢測技術，對圖像邊緣預處理結果進行全面檢測，并加強圖像邊緣檢測技術優化力度，制定更為科學的檢測技術措施，可以采用多尺度與結構的數學理念，將圖像目標邊緣進行有效提取，保證圖像邊緣更加穩定，處理結果更為準確。從研究結果來分析，通過做好圖像預處理工作，能夠保證機器視覺的圖像目標識別水平得到全面提升。圖像的分割通過加強圖像分割，能夠提高機器視覺的圖像目標識別的自動化水平，使得圖像目標識別效果更加顯著。圖像分割的方法有很多種，不同方法分別適用于不同領域，這里重點介紹以下3種分割方法。（1）閾值分割法，這種方法屬于常規圖像分割方法，工作原理是將圖像的像素點分為不同類型，并對各個類型的圖像像素點進行計量，該方法具有操作便捷、圖像計算量較小、性能可靠等特點，但是，該方法的操作范圍比較小，分割進度緩慢。（2）能量最小化分割方法，該項分割方法的主要缺點是計算效率特別低，應用效果較差。（3）區域生長分割方法，主要指的是將比較相近的像素進行有效結合，構成更為完整的圖像區域，在該圖像區域之內，方可開展目標識別，具備計算便捷、圖像分割效率高的特點，但是，在實際分割的過程之中，要明確種子點位置，對噪音特別敏感的部位，如果應用該方法，區域內部容易出現空洞現象。當圖像目標比較大，會降低圖像的分割速率，使得圖像目標的識別效果不斷下降。圖像目標的識別，要采用多方位的分割技術才能夠取得良好的分割效果?？梢詫⒉煌姆指罘椒ㄟM行完美結合，更好的提升圖像分割水平與效率。近年來，混合分割法已經引起相關研究人員的關注，對混合分割法的分割效果比較滿意。特征提取要點特征提取指的是在眾多繁復的圖像信息當中，要提取出符合要求的圖像特征，對提取技術的速度與精度要求特別高，這一環節是機器視覺的圖像目標識別核心環節。結合圖像區域范圍的大小，將圖像全局特征進行分類，可以分為局部特征與全局特征，在繁雜的大背景之下，研究人員通常采用局部特征，準確描述圖像目標，具有較高的提取效率。

采用較多的特征提取法主要分為3種，分別是密集提取法、稀疏提取法與其它提取法，但是，這3種特征提取方法需要圖像目標背景的支持。描述子的出現，有效解決了以上問題，特別是采用多種類型的描述子開展機器視覺的圖像目標識別，例如，采用SURF描述子對圖像目標特征進行識別，能有效提高圖像目標識別效率和效果，同時SIFT描述子性能穩定，識別效果好，其應用領域也特別廣。

結束語

文章介紹了機器視覺的圖像目標識別方法操作要點，如提升圖像的預處理效果，圖像的分割，明確特征提取要點等，能夠更好的掌握機器視覺的圖像目標識別途徑，有效降低機器視覺圖像目標識別難度。視覺定位的核心目標是找到所定目標物的具體坐標位置，通過研究機器視覺圖像目標識別方法，能夠對目標物體進行有效識別與定位，減少識別錯誤現象的發生。