提出了應用最大互信息方法進行零件圖像識別的方法，它利用圖像的信息熵描述圖像的特征，結合圖像的顏色信息及局部形狀信息，以互信息作為衡量兩幅圖像相似性的測度函數進行圖像識別，彌補了直方圖表達空間信息的不足。該方法既滿足位置不變性，又能避免進行圖像分割，從而避免了因圖像分割引起的復雜計算，使算法容易實現。實驗結果表明，該方法提高了零件圖像識別的精度、穩定性和可靠性。
關 鍵 詞 熵; 圖像識別; 機械零件圖像; 互信息

計算機視覺已在工業領域廣泛應用，將計算機視覺用于柔性制造系統(Flexible Manufacturing System，FMS)，是實現同時加工不同產品零件，解決FMS生產管理與調度柔性化、智能化的一種有效途徑[1]。計算機視覺通過對加工零件特征的識別，進行控制零件的加工和分撿，以實現對加工過程的控制與管理。
現在常用的圖像特征有顏色、紋理、形狀等，基于圖像顏色的識別技術采用顏色直方圖進行圖像間的相似性判斷，對于灰度圖像，采用灰度直方圖，灰度直方圖表明了一幅圖像區域中每一灰度級上擁有像素的頻數。灰度直方圖方法算法簡單，實現容易，運算速度快。但灰度直方圖只描述了圖像灰度的整體統計特性，沒有有效地表示圖像的空間信息，兩幅視覺不同的圖像，可能它們的直方圖是一樣的，因此會產生誤識。基于形狀的識別往往包含對圖像的分割、邊緣提取、邊緣細化及形狀描述等操作，因此提取形狀特征的算法復雜，計算量大，而且完全拋棄了圖像的顏色信息。基于紋理的識別往往只對具有一致紋理的圖像或區域具有較好的效果[2-4]。
互信息法是把信息論中的互信息(Mutual Information，MI)作為衡量兩幅圖像相似性的測度函數，當兩幅圖像的互信息達到最大值時，可以判斷這兩幅圖像最為相似[5]。在文獻[5-9]中，該方法主要應用于圖像融合和圖像配準領域。
本文采用最大互信息的方法，利用圖像的信息熵來對圖像的特征進行描述，充分利用圖像的顏色信息及局部形狀信息來進行圖像識別。