[发明专利]一种图像识别方法

说明书

技术领域

本发明涉及图像处理，特别涉及一种图像识别方法。

背景技术

移动医疗是指以移动计算、医疗传感和通信技术为基础的新型医疗模式。随着移动通信技术的发展以及移动终端设备的进步，移动医疗系统的发展呈现出快速上升的趋势。其中，手纹的是进行辅助诊病的重要依据。在诊断时，医师往往根据自己的主观经验对手纹进行观察作出论断。为了减少医师诊断过程中由一些主观因素带来的判断误差，对手纹图像进行客观的分类量化就变得十分重要。手纹图像具有可在低分辨率条件下识别的特点，普通数码相机拍摄的手纹图像即可以获得有效的识别精度。由于智能手机具有拍照功能，因此可以考虑将手纹识别技术嵌入到这些移动设备中。然而，受这些智能设备资源等条件限制，如较小的存储空间、较弱的处理能力和相对复杂的应用环境等，现有的手纹识别算法一般不能有效地嵌入到这些设备中。

因此，针对相关技术中所存在的上述问题，目前尚未提出有效的解决方案。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种图像识别方法，用于在嵌入式系统中启动操作系统，其特征在于，包括：

在预处理过程中，利用ROI定位获取图像区域，然后进行去噪和增强处理；

对预处理的图像进行特征提取；

根据所提取的特征进行图像分类识别。

优选地，所述ROI定位进一步包括：

采用自适应阈值分割方法对图像进行二值化，对二值图像进行边缘检测获得图像轮廓，建立直角坐标系，从而确定ROI区域。

优选地，所述二值化进一步包括：

首先得到图像灰度直方图，对直方图进行归一化，得到灰度概率函数，计算出灰度均值μ_T，直方图零阶累加矩ω(k)和一阶累加矩μ(k)，并计算分离指标σB(k)：

σB(k)=[uTω(k)-μ(k)]2ω(k)[1-ω(k)],k=0,1,...,255]]>

由此计算出对每一个灰度进行一次分割后的类间方差，取最大类间方差时对应的灰度的阈值k作为最佳阈值；

根据得到的最佳阈值对图像进行二值化，把灰度值大于k的像素设置为255，小于等于k的像素设置为0，这样就得到图像二值化图像。

优选地，所述特征提取进一步包括：

构建图像灰度共生矩阵，基于图像中不同灰度级结构重复出现的概率来描述图像纹理信息，提取图像的纹理特征，

将图像I的灰度做归并，设图像I在水平方向和垂直方向的分辨率分别为Nx，Ny，将所有像素的灰度都量化到Ng个等级上；

构建零度方向灰度共生矩阵，统计左右两个方向，定义一个指针lps指向当前遍历到的像素点，定义另一个指针lpd指向偏离点，第一次循环遍历图像，lpd指向的像素点在lps所指向的像素点的右方；

第二次循环遍历图像，lpd指向的像素点在lps所指向的像素点的左方，通过两次循环遍历图像，完成了零度方向上灰度共生矩阵的统计；

用同样方法分别建立45°，90°，135°三个方向灰度共生矩阵；

使在得到四个方向的灰度共生矩阵后，分别计算每个灰度矩阵所对应的四 个纹理特征；