前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的圖像識別技術的基本原理主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：圖像識別技術的基本原理范文

【關鍵詞】智慧交通 信息化監理 監控系統

1 城市交通監控系統概述

城市交通監控系統是采用先進的圖像識別技術、計算機網絡與通信技術、數據庫管理技術等高新技術手段形成的一個特殊系統。城市交通監控系統架構如圖1所示。

系統通過位于感知層的前端監控設備對視頻圖像進行采集和初步的分析，然后利用有線通信網或無線網絡將各監控點的交通實時情況快速、準確地傳回后臺。后臺建設有C合的交通管理和指揮平臺。在這個高度集成的平臺上，交通管理人員可以了解和掌控布設監控區域的車輛通行狀況、流量等信息。同時可以對車輛違法、交通堵塞、突發事件等進行視頻取證并及時處理，從而達到非現場執法的目的。城市交通監控系統還貫穿于智慧交通體系之中，滿足了交通管理不同崗位上的工作者的業務需求。城市交通監控系統的功能主要體現在交通信息的采集與處理，交通信息管理以及智能交通調控等幾個方面。

2 城市交通監控系統的關鍵―圖像識別技術

交通監控系統的圖像識別技術是通過成像傳感器獲取道路交通圖像，然后利用前端設備的嵌入式芯片或中心機房的服務器對圖像進行處理與識別，以模仿人的視覺功能，獲得智能交通系統所需的有用信息。圖像識別的處理過程如圖2所示。圖像識別技術主要應用在車輛的檢測、識別、跟蹤、違章報警、流量統計等。

近年來，隨著經濟的發展，城市中的機動車保有量不斷增加，而受限于城市規劃和地理環境，城市的交通道路不可能無限制增加，擁堵成為大多數一線城市共同面對的難題。車輛與道路的矛盾除了導致擁堵，隨之而來的是各種交通違章、交通事故的增多。交通部門的壓力與日俱增，由于警力有限，不可能純粹依靠人力對所有路段、路口實施全天候、全方位的監控管理，所以只能依靠現代化科學技術手段來進行交通協管。利用圖像識別技術可以完成自動交通監管功能，即建立所謂的“電子警察”。通過交通路口安裝攝像機，拍攝交通路口的視頻，經過計算機對數字圖像信號的閥值比對和分析處理，完成自動違章識別和自動車牌識別的任務。

自動違章識別是對動態物體（如車輛）進行識別，并對其運動軌跡進行跟蹤，然后依靠監控區域內的道路標志和路口信號燈狀態自動判斷車輛違章情況。其中涉及的關鍵環節有：

2.1 對運動目標的檢測。

在這一環節主要采用的技術手段有背景圖像差分法、幀間差分法和光流法等圖像識別方法。這三種方法各自擁有自己的特點，結合不同實際情況使用可以取得很好的應用效果。

2.1.1 背景圖像差分法

其基本原理是首先將監控視野內的靜態背景儲存起來。在實際運行中通過將拍攝到的實時圖片與靜態背景進行減除，將所得差的每一像素的值和預定閾值相比較，若這個像素值大于閾值，則認為這點是前景點，否則是背景點。利用這種技術解決方案時，受光線和天氣等外界條件的影響較大。因為在不同天氣、不同光照的情況下，背景圖像并不是一成不變的，因此很難構造一個理想的靜態背景圖像作為基礎；另一個問題在于預定閾值的確定，只有恰當的閾值才能正確分割出目標所占的區域，而這也需要根據實際情況進行調整和確定。

2.1.2 幀間差分法

這種解決方案是通過將記錄的視頻圖像中一系列的相鄰兩幀作差分運算來獲得目標輪廓。在多個運動目標的識別中該方案可以取得良好的效果。由于視頻中兩幀圖像間隔時間很短，所以背景的變化也非常小，對差分的影響很小。其缺點在于所差分的圖像并不是由理想封閉的輪廓區域組成，得出的目標往往是局部的、不連續的，這對運動目標的識別是不利的。

2.1.3 光流法

其基本原理是給視頻中的每一個像素都設定了一個速度矢量，形成一個整體的圖像運動場，在運動的定格時刻，圖像上的點與三維物體上的點一一對應，再根據各像素點的速度矢量特征對圖像進行動態分析，根據圖像的光流矢量分析這一區域是否是連續變化，從而判斷是否有運動目標。光流法方法規避了差分時基礎靜態背景和閥值的選取工作，但是對每個像素的矢量進行分析，計算量大、易受視頻噪聲影響，依照現有的硬件處理能力，還不能做到圖像的實時處理，應用范圍受到一定限制。

2.2 對多目標的跟蹤

在視頻流中分割目標，再將分割的目標與上一幀圖像的目標進行匹配，從而達到跟蹤的目的。一些文獻介紹了利用目標匹配的方法實現多目標跟蹤，其基本原理是將當前圖像幀中的區域和已知圖像的目標區域進行匹配，如果已知的目標區域表示為一個目標列表，將當前圖像幀中的所有區域表示為一個測量列表，針對測量列表中的每一個元素，在目標列表中找到與之最相似的元素，這類方法適用于目標之間相互作用較小的情況，且與目標特征的選取關系較大。

2.3 對車輛違章的判別

在車輛運動軌跡提取之后，根據紅綠燈信號和道路交通標志線自動判別車輛違章情況。在對交通違章行為進行處理時必須記錄三個重要證據：違章畫面；違章車輛全景位置，表明該車當時確實處在違章位置；清晰的車牌號碼，明確違章車輛身份。所以只有利用了基于計算機技術的視頻監控系統才能完成自動監控。

車輛自動識別作為當前智能交通系統的重要組成部分，逐漸形成幾種成熟、有效的識別技術，如射頻識別、車牌識別以及條形碼識別。其中條形碼識別以及射頻識別都隸屬于間接識別，很難對車輛同其車牌信息是否相真實相符進行有效識別。車牌識別是一種直接識別，不需要在車輛當中安裝相應的條形碼或者其他的射頻識別標志，且維護和使用簡便。

車牌自動識別是以攝像機拍攝的車輛畫面作為輸入圖像，利用計算機圖像處理和模式識別技術識別車牌字符。目前的技術水平為字母和數字的識別率可達到96%，漢字的識別率可達到95%。中國軟件評測中心同時提供專業的第三方測試服務，為項目建設成果保駕護航。

車牌識別系統有兩種觸發方式，一種是外設觸發，另一種是視頻觸發。如圖3所示。

外設觸發工作方式是指采用線圈、紅外或其他檢測器檢測車輛通過信號，車牌識別系統接受到車輛觸發信號后，采集車輛圖像，自動識別車牌，以及進行后續處理。

視頻觸發方式是指車牌識別系統采用動態運動目標序列圖像分析處理技術，實時檢測車道上車輛移動狀況，發現車輛通過時捕捉車輛圖像，識別車牌照，并進行后續處理。視頻觸發方式不需借助線圈、紅外或其他硬件車輛檢測器。

3 城市交通信息管理系統的應用

城市交通信息管理系統包含車輛信息采集、數據傳輸、數據集中管理以及信息存儲于一體的綜合系統，將采集的信息經過分析、處理、提煉，并結合地理信息系統（GIS，Geographical Information System）可以動態查詢車輛信息、跟蹤車輛、自動形成路況信息，通過現代通信手段向外實時相關信息，以及發送相關車輛的違章信息。

城市交通信息管理方式是以車牌號作為車輛的唯一身份，配合自動車輛識別系統進行半自動或人工方式進行管理。因此，有必要在城市交通信息管理系統中引入更先進的身份標識傳感器以實現自動化管理。

4 城市交通監控系統建設監理措施

北京賽迪工業和信息化工程賽迪監理中心有限公司隸屬于國家工業和信息化部中國電子信息產業發展研究院，依托工業和信息化部計算機與微電子發展研究中心（中國軟件評測中心）和賽迪信息產業（集團）有限公司的優質資源，業務涵蓋信息工程、智能交通、智慧城市、工程、運維管理等類型。城市交通監控系統建設的監理工作將重點放在感知系統設備安裝，軟件系統開發兩方面。本節主要對城市交通信息管理系統開發整個賽迪監理實施進行闡述，對前端設備選型、監控點位進行描述，具體設備安裝工藝不再作具體介紹。

4.1 城市交通監控系統感知設備選型監理措施

前端監控設備系統建O主要包括監控點位確認、現場踏勘、施工圖紙設計、立桿、設備安裝調試、纜線敷設、系統聯調測試、系統驗收等施工工作。設備選型需從視頻采集、傳輸、控制、顯示、存儲等方面進行考慮。同時還要考慮因素，如存儲設備接入視頻流的最少節點、讀寫速度、網絡帶寬等。選擇符合本項目需求的設備不僅可以達到項目建設的最終目的，也可以減少因設備問題后續施工產生的不良后果。所以在設備選型上，賽迪監理人員應堅持設備選型一致性、確保技術參數相同，減少設備與設備間的數據傳輸等一系列問題。保證了應用效果的統一，為項目整體系統擴充、更新換代打好了基礎。項目所用產品必須滿足合同和規范要求，國家強制執行第三方檢測的設備需提供檢測報告上交賽迪監理人員審查。

4.2 城市交通監控系統監控布點監理措施

監控點的分布設計主要以道路、交通設施情況、人口分布程度等因素共同決定。對重點政府機構、軍隊駐地、繁華商業街區、城市公共交通樞紐，人口稠密地區，易擁堵的道路周邊監控點分布密度相對較大。對稀疏地區，山林等交通順暢地區，監控點宜減少。

賽迪監理應參與監控點設備的到貨安裝全過程，因城市交通系統前端感知點位較多，賽迪監理方可采取分批檢查或抽查的方式對承建方的工作進行監督和管理。在后期設備全部接入后，可要求承建單位提交監控測試計劃，制定監測攝像機檢查方案。

4.3 城市交通信息管理系統建設監理措施

對交通信息管理系統開發需求內容的確認是整個軟件開發實施階段尤為重要的工作。此階段監理人員應對承建單位需求分析和設計階段工作成果進行評審，保障軟件需求分析設計過程和產品符合規范和要求。

4.3.1 城市交通信息管理系統需求分析階段

賽迪監理主要任務是聽取業主單位從業務角度出發提出的對開發方設計的意見，對軟件交通信息管理系統需求分析過程、需求分析活動、概要設計內容、詳細設計內容等進行審查，確認是否滿足要求：給出是否符合要求的結論；確定其可否作為軟件開發的前提和相關依據。從文檔的規范性、可實施性出發，以國家相關標準為依據，從軟件工程學的角度對承建單位提出意見與建議，配合業主單位工作，敦促承建單位做好工程項目的設計工作。在設計階段，賽迪監理主要針對需求的覆蓋性及可跟蹤性、模塊劃分的合理性、接口的清晰性、技術適用性、技術清晰度、可維護性、約束與需求的一致性、可測試性、對軟件設計的質量特性的評估、對軟件設計的風險評估、對比情況、文檔格式的規范性等方面進行評審。在此過程中，業主單位也需要對設計文檔進行檢查，主要在功能設計是否全面準確地反映了需求、輸入項是否完全與正確并符合需求、輸出項是否符合需求、與外界的數據接口是否完全與正確并符合需求、各類編碼表是否完全與準確并符合需求、界面設計是否符合需求、維護設計是否符合需求、各類數據表格式和內容是否符合要求、是否存在其他有疑問的設計等方面進行核查。

4.3.2 城市交通信息管理系統設計階段

在交通監控系統軟件開發過程中，賽迪監理應監督承建單位嚴格按照工程設計階段所制定的進度計劃、質量保證計劃、系統設計進行開發工作，檢查承建單位是否按照設計中制定的規范與計劃進行編碼與測試。同時注意軟件版本控制，檢查單元測試、集成測試、系統測試。如有必要，宜進行壓力測試、安全性測評等。確認測試是否按計劃進行并有測試與修改記錄、測試環節是否按計劃進行，問題發現與解決是否有文檔記錄。

本類系統涉及多個子系統，多類接口的接入，多種數據輸入，實現圖像處理、數值分析、數據傳輸等功能。系統較為復雜，功能點多。賽迪監理應積極協助建設單位檢查違章車輛的抓拍能力，是否有漏拍情況，車牌拍攝質量等合同中提及的內容進行主觀篩查。要求承建單位制定系統功能測試表，包括圖像接入情況、信息處理的真實性、違章環節的處理情況等，以便各方人員的檢查、問題統計、解決情況等。賽迪監理此時應積極做好業主方和承建方之間的協調工作，在保證項目質量前提下確保項目順利推進。

第2篇：圖像識別技術的基本原理范文

【關鍵詞】 手勢識別 虛擬現實 人機交互

一、引言

人與計算機的交互活動越來越成為人們日常生活的一個重要組成部分，特別是近年來虛擬現實技術的迅猛發展，為人機交互技術的發展提供了全新的技術支持。目前，人機交互已經擺脫了傳統技術手段的限制，開始“以人文本”越來越注重用戶自身的體驗。在人類的自然信息交流中，手勢是語音之外的一種最為常用的、自然直觀的交流方式，如果能利用手勢代替傳統的計算機輸入硬件對機器進行控制，那么人與機器的交流將更加流暢自然。針對多媒體的發展潮流以及人機交互的創新技術開發一套基于手勢識別的多媒體交互系統。

本文實現了通過手勢識別來操作計算機的人機交互系統，通過攝像頭采集使用者的手勢，并傳輸給計算機進行處理，通過對手勢幾何特征的分析和決策來判定手勢類型，最后驅動多媒體的效果表現，進而控制計算機。

二、系統實現

系統的基本原理是利用攝像頭采集方式獲取使用者的手勢，并將該動作傳輸紿計算機進行處理，計算機內的應用程序則根據所捕捉的畫面進行分割、識別、處理，最后驅動多媒體的效果表現。

2.1手勢輸入與識別

使用高清攝像頭作為采集單元，保證在合適的視野和景深范圍內對目標（手勢）的檢測和識別。檢測過程采用非接觸方式，目標（手勢）識別檢測率高。然后采用模式識別算法，對輸入的手勢圖像進行分析與處理，來進行目標（手勢）的檢測。

通過高清攝像頭獲取視頻數據流，將數據流分割、識別、處理從而將交互手勢從數據流中剝離，然后將輸入手勢與預先手機的手勢命令庫進行特征配準，最后，形成驅動相關應用的交互指令。

2.2噪聲去除與信息增強

從視頻流的輸入，到手勢識別，再到信息轉換，這些過程的每一個環節都有可能受到設備電磁干擾、算法局限性等各方面的影響，這些干擾與影響最終將形成數據噪聲，對噪聲的處理不當將使手勢圖像產生畸變，從而影響最終的交互指令。

因此，在手勢圖像處理之前，本文加入了一個圖像平滑/銳化處理的噪音過濾預處理，其目的是盡量消除噪聲保證手勢圖像的質量。

2.3手勢分割與特征提取

通過實現建立手勢模型數據庫，然后根據數據庫對數據流中的手勢進行分割與特征提取。本文主要采用串行邊界分割技術和并行區域分割技術實現手勢模型的特征參數提取，并最終依據手勢模型數據庫特征配準形成最終的交互命令。在手勢識別過程中，可以根據圖像邊緣像素值、手勢輪廓、手勢形狀、運動方向、骨骼等數據建立手勢特征向量。首先，通過背景分離算法將圖像背景與手勢圖像進行分離，然后根據數據流中剝離的手勢圖像與特征庫中的手勢圖片中的各維屬性映射到特征向量中從而完成手勢圖像的特征提取。

2.4特征分類

手勢特征被提取出來后，通過模式識別智能算法對手勢進行分類，并最終對應到一組具體的功能命令。本文采用基于統計學的決策樹做分類器，決策樹實際上利用了“分治”的思想，結合建立的手勢-命令對照表，使用決策樹算法對數據表經行遍歷從而將手勢特征與功能命令進行匹配，最終完成從手勢到制酸劑指令的轉換。

三、結語

基于虛擬現實與手勢識別的人機交互系統計算機通過攝像頭理解人們的手勢并做出相應的反應，從而使人們擺脫了傳統鍵盤和鼠標的種種束縛和弊端，以達到更加方便、人性化的交互方式。該系統可用于家庭娛樂，會議展示，商品展示，校園展示。在眾多公司產品展示中應用廣泛，但以往很多傳統展示系統難以達到人們要求，該系統更人性化，更美觀，更直觀。

詳細通訊地址：四川省南充市順慶區師大路一號西華師范大學實驗中心 郵編：637002

聯系電話：13890857890

參 考 文 獻

[1]童小念，劉娜.一種基于遺傳算法的最優閾值圖像分割算法[J].武漢理工大學學報. 2008.32（2）：301-304.

[2]鄭友蓮.鋼筋自動計數系統中圖像識別算法的研究[J].武漢工程職業技術學院學報. 2008.20（1）：31-34.

第3篇：圖像識別技術的基本原理范文

關鍵詞：AR；教育教學；多平臺；移動技術

引言

在當前以信息技術為背景的現代教育教學中，學生的學習興趣得到了提高，主體性得到了較大的發揮。但是，大部分多媒體信息存在一定的局限性，它只能按照時間的流程，按電腦中程序設計的流向有限制地瀏覽。早在2011年的《地平線報告》中，增強現實與游戲學習（Game-Based Learning）同被列為未來兩三年內將會廣泛使用的技術。[1]

隨著科學的發展虛擬現實技術應運而生，虛擬現實是利用計算機發展中的高科技手段構造出一個虛擬的境界，使參與者獲得與現實一樣的感覺。增強現實（AR）是一種新興的體驗形式。運用增強現實技術，又稱擴增內容（Augmented Content，計算機依據現實環境的相關信息實時生成）可以無縫地整合到現實環境中，為人類所感知。擴增內容可以是二維及三維物體、視頻及音頻材料、文本信息等，甚至可以是嗅覺及觸覺信息。總體而言，增強現實技術可以幫助個體了解背景、獲取信息、擴充知識，能形象生動地表現教學內容，營造一個跟隨技術發展的教學環境，提高學生掌握知識、技能的效率，真正使教學者更容易地去表達自己的教學思想和內容，使學習者更直觀、更容易理解教學者的教學思想和教學內容。可以預言，增強現實技術將是繼多媒體、計算機網絡之后，在教育領域內最具有應用前景的一項技術。[2][3]

增強現實技術

AR技術是通過攝像頭采集現實數據（如mark），然后調用虛擬的三維數據，并且交互的實時性強，現已廣泛應用于各個行業（如科學實驗、商業應用、科學教育、娛樂、文化等）和各種平臺（如Windows、IOS、Android）。其基本原理如圖1。

1.主要原理

現在AR設備層出不窮，如頭盔式、桌面式、手持式等，最基本的設施就是采集現實信息的攝像頭，一個數據處理終端和一個顯示器。基本的原理：①通過攝像頭對現實的場景進行實時的采集，并將采集的信息傳輸給處理器。②當場景中出現marker時，處理器就會做出相應的工作，將虛擬的三維信息與marker的信息相關聯。③處理器處理完后將信息傳輸到顯示器。④人眼通過觀看顯示器即可看到虛擬的三維物體。

2.關鍵技術

AR系統中關鍵的技術就是信息識別的技術，現在比較流行的三種技術是GPS+Sensor、marker識別和圖像識別。本文介紹的是marker識別的技術，marker的信息主要是一個關于灰度值大小的數組。[4]marker識別型的增強現實系統將marker圖像的信息事先保存，通過識別技術，在當前的圖像中查找識別marker圖像，從marker圖像中獲取位置信息，然后在marker圖像上疊加顯示。[5]

Unity3d開發環境搭建

1.Unity3d概覽

Unity3d是一款可以輕松創建三維視頻游戲、建筑可視化、實時三維動畫等互動內容的、多平臺的綜合游戲開發工具。支持多種主流三維建模軟件的模型格式，其編輯環境可運行在Windows和Mac OS X下，可以游戲至Windows、Mac、iPhone和Android平臺，也可以利用Unity web player插件網頁游戲，支持Mac和Windows的網頁瀏覽（如圖2）。[6]

2.開發環境的搭建

在Windows和Mac OS X環境下安裝Unity3d軟件，Unity到Android和IOS平臺是需要相應的SDK來支持的，所以需要在電腦上安裝Android-sdk和ios-sdk。并且還要注意，在Windows下是不能到IOS平臺的，所以本文介紹的案例是使用兩種系統環境完成的。

3.基于Unity3d的AR技術原理

基于Unity3d的AR案例的開發，主要是運用marker識別的技術，其原理框圖如圖3。

在Unity3d開發環境中具體的工作如圖4，在場景中主要存在一個主camera就是在顯示器看到的內容，一個承載攝像頭拍攝的真實場景，當攝像頭檢測到marker后，會將模型的信息與marker的信息綁定在一起。當制作完成后可以到不同的平臺。

案例介紹――magic book

該案例是一本講述關于恐龍的科普書（如圖5），講述的是霸王龍、副櫛龍、三角龍、翼龍的生存時代和生活習性。不僅能閱讀文字，同時可以通過電腦或者手持的移動設備看到三維的恐龍。改善原有純粹以靜態二維文本、圖像為主的教育教學方式，通過增強現實技術應用于教學環境中，可以大大提高學習者的興趣。

當程序到Windows，在光線明亮處，將書放到攝像頭下，立刻在屏幕中出現恐龍。其效果圖如圖6。

移動技術的發展和智能終端的出現，使增強現實技術從固定的電腦上轉移到了不受地理限制的智能終端上，可以隨時隨地的學習。以智能Android手機和蘋果iPad為應用實例，到Android環境后生成了一個*.apk文件，安裝在Android手機上后打開即可，其效果如圖7。

到IOS環境需要經過Xcode編譯后才能安裝到iPad。其效果如圖8。

總結與展望

本文主要介紹了AR技術，并基于Unity3d的開發平臺制作增強現實的教育教學案例，在制作之前Unity的環境一定要搭建好，在此之后進一步的工作是要以故事作為內容，加入3D角色、聲音及互動道具，實現更多的交互操作，設計更加美觀的、有意義的教學應用案例。

隨著計算機技術的不斷進步，很多實用新技術將不斷出現，AR技術也將會出現新的挑戰，如怎樣在其中創建教學活動，學習者之間如何更直接地交流？如何與現有的學習管理系統整合？這些都需要我們在面對挑戰的同時，探討怎樣將增強現實技術更有效地應用于學習系統，以使學習媒體在情境化、沉浸感及自然交互性方面有所突破。

參考文獻：

[1]The Horizon Report 2011 Edition[EB/OL].

[2]增強現實學習系統開發之研究[EB/OL].http：///club/bbs_58209.shtml，2012.

[3]張寶運，惲如偉.增強現實技術及其教學應用探索[J].實驗技術與管理，2010.

[4]ARToolkit.[EB/OL]. [2011-05-21].http：//hitl.washington.edu/artoolkit.

第4篇：圖像識別技術的基本原理范文

在現代交通管理和道路規劃中，交通流量和通行車輛的類型、速度是重要的參數。自動獲取這些數據的方法大致可以分為兩類：一類是利用壓電、紅外、環形磁感應線圈等傳感器獲得車輛本身的參數， 這類方法跟蹤識別率較高，但是容易損壞，安裝也不方便；還有一類就是基于圖像處理和模式識別的方法，克服了前面一類方法的局限，由于圖像處理識別技術的進步和硬件性價比的大幅提高，有一定實用價值的系統已經出現。這些系統的使用證明；圖像處理識別車輛的方法晶趨成熟，環境適應能力較強，能長期穩定工作，但是計算量大，識別正確率不如感應線圈、激光讀卡等方法高。本文的研究屬于后者，利用安裝在高處的單個靜止攝像頭監視路面，利用運動分割與模型匹配的方法，檢測并統計多車道的車流信息。

識別過程分三步：分割、跟蹤和車型判定。運動目標的分割常采用幅差法。在監控場合，攝像頭大多是固定的，背景基本沒有變化或者變化緩慢，可以從圖像序列中逐漸取出背景圖像，然后利用幀差法檢測出目標區域，同時還可以檢測靜止目標。由于識別過程中利用二值邊緣，所以本文在圖像分割中對輸入圖像進行了梯度二值化處理。三維空間和二維圖像平面之間映射關系的確定，采用基于針孔模型的攝像機定標來計算。對目標區域的跟蹤，采用了區域特征向量的匹配跟蹤方法，減小了運算量。由于圖像處理的方法很難提取輪數、軸距等車輛本身參數，所以在圖像車型識別中一般都采用三維模型在圖像上投影和車輛邊緣相匹配的方法。

1 背景重建和圖像分割

由于攝像頭固定，背景變化緩慢，因此，可以利用圖像序列逐漸恢復出背景圖像。其基本原理是：對每一個像素進行監控，如果在較長時鐘內灰度不發生明顯變化，則認為該象素屬于背景區域，將該象素灰度值復制到背景緩沖區，否則屬于前景區域。由于光照以及車輛陰影等影響，采用這種方法恢復出來的 背景圖像存在較大噪聲。因此大實驗中對原始輸入圖像進行了梯度二值化處理，然后進行背景重建。這樣可以減小陰影的干擾，加快背景重建速度。由于識別是利用邊緣信息，所以度化對后面的識別過程沒有影響。

在得到背景邊界圖像后，利用幀差法可以分割出感興趣的目標。但是，如果目標區域和背景邊界后果合（都興趣的目標。但是，如果目標區域和背景邊界重合（值都為“1”），相減之后該目標區域被錯誤判定為背景區域（來"0"）。為了減小錯誤判決區域，本文在分割時參考了相鄰兩幀的二值化幀差fdmask，判決準則如下：如果fdmask中革像開綠素為“0”，則輸入圖像和背景圖像相應像素相減；否則直接復制輸入圖像中相應的像素值。分割結果經過噪聲消除、形態學平滑邊辦、種子填充、區域標記等后續處理，就分字出了目標。

2 攝像機定標

在模型匹配中，需要從二維圖像恢復目標三維信息，同時將三維模型投影到圖像平面上，因此必須計算三維空間到圖像平面的投影關系矩陣。這個過程就是攝像機定標。本文采用基于針孔模型的攝像機定標方法，其基本原理是利用給定的一組三維世界的點坐標和這些點在圖像中的坐標，求解線性方程組，計算透視投影矩陣中的各個元素。透視投影矩陣如下：

其中：（u,v）是圖像坐標，（Xw,Yw,Zw）是三維坐標，M為投影矩陣，Zc為三維空間中點到攝像機鏡頭的矢量在光主軸上的投影距離。要求解M的各個元素，通常方程組不獨立，沒有唯一解，采用近似計算的誤差羅大。在（21）式基礎上經過變形，將12階方程分拆成三個4階方程組，只需要利用4個點的投影關系，方程組的階次也只有4階，可以有效避免出現奇異矩陣，求出唯一解。由式（1）可以得出：

另外，除了4組點的坐標之外，還需測定鏡頭主光軸的水平垂直傾角。

3 車輛的跟蹤和分類

在區域分割后，接下來進行區域跟蹤，利用相鄰兩幀的區域匹配從而圖像序列中建立目標鏈，跟蹤目標從進入監視范圍到駛離監視范圍的整個過程。首稱要確定區配準則。常用的圖像匹配方法有Hausdorff距離區域法和圖像互相關。這兩種方法都需要逐個含金量紗的計算。為了減小計算量，采用區域特片跟蹤法。目標區域的特征包括區域形心坐標、區域包圍矩形、區域運動速度及運動方向和區域面積。本文匹配準則采用了兩個假定：同一目標所對應區域在相鄰兩幀中面積相近；同一目標在前一幀中的區域形心加上運動速度所得到的形心預測值與后一幀中區域形心距離相近。跟蹤過程如下：

（1）將第一幀的各個區域當作不同的目標，對各個目標區域啟動目標鏈。

（2）根據判決準則，如果某目標鏈中的區域在當前幀找到了匹配區域，則用找到的的匹配區域特片更新該目標鏈中的區域特征。

（3）如果在形心預測值所在位置，當前幀區域和目標鏈中區域面積相差很大，則可以認為發生了合并或者分裂現象。對目標鏈中的區域包圍矩形，在本幀查找該矩形覆蓋了幾個區域，如果多于一個區域，則認為發生了分裂現象。對分裂現象出現的新區域，啟動新目標鏈。同理，對于本幀區域的包圍矩形，查找該矩形覆蓋了幾個目標鏈中的區域，如果多于一個，則認為發生了合并現象，利用合并區域啟動新的目標鏈，同時終止那些被合并區域的目標鏈。

（4）對于目標鏈中的區域，如果在本幀沒有與之相匹配的區域存在，則認為發生了消失現象。目標鏈并不立即終止，只有在經過數幀仍沒有找到匹配之后，才終止該目標鏈。

（5）查找本幀是否還存在新進入的區域，如果存在，則啟動新的目標鏈。

采用這種方法可以快速跟蹤圖像序列中的目標，同時得到車輛在監視范圍的平均速度。在計數時，只有目標在連續數幀里出現才認燭一個真正的目標區域，只有目標在連續數幀都沒有出現才認為消失，因此可以消除那些暫時消失引起的計數錯誤。

車輛分類是個很復雜的問題。圖像處理方法要獲得輪數、軸距等車輛本身參數比較困難，因此圖像識別車型通常采用模型匹配方法。現有的研究大多是先抽取車輛的幾條直線邊緣，然后用線條和模型邊緣匹配。由于在圖像中抽取直線本身的計算量相當大，所以本文沒有抽取車輛邊緣直線，而是直接利用了Canny邊緣檢測的整體結果與模型相匹配。Canny邊緣與模型邊緣之間存在較大的形變，Hausdorff距離匹配對形變不敏感，所以采用Hausdorff距離作為匹配準則是很適宜的。

設有兩組有限點集A={a1,…，ap}和B=={b1,…，bq}，則二者之間的Hausdorff距離定義為：

H（A，B）=max(h(A,B),h(B,A))    (3)

其中： ||bj-ai||,h(A,B)被稱為從A到B的有向Hausdorff距離，它反映了A到B的不匹配程度。h(B,A)的意義與h(A,B)相似。在具體計算Hausdorff距離時，通常采用距離變換的方法。車輛分類步驟如下：

（1）在分割結果的基礎上，對目標區域進行Canny算子邊緣檢測，僅僅處理分割出目標區域的邊緣，減小了運算量。

（2）對Canny邊緣，采用串行距離變換，得到距離變換圖像。距離變換圖像的每個像素灰度值等于該像素到目標邊緣的最近距離。

（3）對各分割目標，恢復車輛的三維信息，只計算長度和寬度。由于二維圖像平面上一點對應了攝像機坐標中不同深度的一第洌 點，所以在從圖像上一點恢復該點在世界傺 標中的信息時，首先要給定該點在世界坐標值中一個分量以減少不確定度（這樣恢復出來的數值有些誤差，通常給出Z方向高度值Zw）。

（4）在計算目標區域長度和寬度的同時，可以求出車輛底盤形心在地面上的位置（X，Y），根據速度方向判斷車輛在地面上的角度α。利用車輛本身的三維模型數據以及（X，Y，α），通過式（1）透視投影，消隱處理，可以確定車輛模型在圖像平面上的投影。

（5）當目標進入指定區域后，以模型投影圖像為模板，將投影圖像在距離變換圖像上移動，在每一個位置，求出模型影圖像下距離變換圖像被模型輪廓線覆蓋的像素值之和，以這個和值作為在該位置當前模型與實際車輛的匹配程度。將當前模型在各位置所得區配程度的最小值作為當前模型與車輛的實際匹配程度，該最小值除以模型輪廓線的像素數目，即該模型與車輛之間的Hausdorff距離。對各種模型，分別求出它們與車輛之間的Hausdorff距離，取其中最小值對應的那種模型那為車型識別結果。實驗過程中為了減小計算量，搜索方法采用了三步搜索法。

4 實驗結果

本實驗所采用的352×288視頻圖像，來自采用單個固定CCD攝像機于杭州天目山路拍攝的交通場影片斷。主要算法在Trimedia1300 DSP上用C語言實現，在圖像分割過程中進行了較多的梯度、降低噪聲、填充和標記運算，平均處理一幀大約耗時0.3s。算法流程全過程如圖1所示。

實驗證明，抽取背景和當前幀之間進行差異檢測，分貧窮交為準確。對于比較淡的陰影，用梯率二值化方法可以部分消除陰影影響。由于只監視邊緣變化部分，背景重建速度比直接利用灰度圖像重建背景快很多，干擾也較小。梯度二值化處理之后得建背景只需150-200幀，而不經過新穎度二值化處理在上升幀之后仍然沒有較好的背景，并且點狀噪聲和去霧狀模糊比較嚴重。

第5篇：圖像識別技術的基本原理范文

【關鍵詞】圖像邊緣; 邊緣檢測; 微分算子

1、引言：

邊緣檢測是圖像處理中的重要內容。它如此重要主要有以下幾個理由：首先，人眼通過追蹤位置物體的輪廓而掃視一個未知的物體。第二，經驗告訴我們：如果我們能夠成功的得到圖像的邊緣，那么圖像分析就會大大的簡化，圖像識別就會容易多。第三，很多圖像并沒有具體的物體，對這些圖像的理解取決于他們的紋理性質，而提取這些紋理性質與邊緣檢測有及其密切的關系[1]。計算機視覺處理實質上就是簡化信息的一個過程。這就意味著要扔掉一些不必要的信息而盡可能的利用物體的不變性質，而邊緣就是最重要的性質。因此邊緣檢測是圖像處理中最基礎和最重要的任務之一[2]。因此，邊緣檢測在圖像分割、模式識別、計算機視覺等眾多方面都有著非常重要的地位[3]。

2、圖像邊緣特征

圖像邊緣存在于圖像灰度劇變處，能夠反映出圖像邊界。通常圖像邊緣分為階躍邊緣和屋頂邊緣（也稱為線狀邊緣）。這些圖像邊緣是根據圖像灰度變化特征來劃分的，在圖2.1（a）中，灰度值呈現階躍性變化，在邊緣點的左右兩側，灰度信息明顯從一個級別跳到另一個級別，灰度信息變化非常明顯。圖2.1（b）中是線性邊緣，從圖上顯示可知，在邊緣附近，灰度信息逐漸增加，直到另一個級別以后又開始逐漸減小，在圖中顯示出一個尖峰。

（a）階躍邊緣 （b）線狀邊緣

圖2.1 邊緣分類

根據以上圖像邊緣的特性，我們主要分析一下階躍邊緣的提取方法。根據上圖2.1（a）階躍邊緣灰度值變化的特征，我們很容易將提取圖像邊緣問題轉化為數學問題，我們對階躍邊緣求一階導和二階導數，結果如圖2.2所示：

（a）一階導數 （b）二階導數

圖2.2 階躍邊緣的微分特征

從上圖中可以看出，圖像邊緣點就存在于圖像一階導數的局部最大值，或者是二階導數的過零點處。邊緣具有兩個很重要的屬性，分別是幅度和方向，幅度反映的是圖像灰度變化程度，并且是圖像中局部幅值最大的點。而在數學理論中梯度就反應了變化速率，所以可以把求局部幅值最大問題轉換為求梯度幅值最大問題。

3、邊緣檢測基本實現步驟

圖像邊緣檢測可以從圖像的灰度曲線著手，根據曲線變化來尋求邊緣點，這就是邊緣檢測的基本原理。在我們實際應用中，在我們進行邊緣檢測過程中，通常既要求檢測到的邊緣定位準確，又要盡可能減少假邊緣的出現，因此，在我們進行邊緣檢測的過程中，通常會包含四個過程：

1）濾波：由于我們實際看到的圖像往往都攜帶著很多噪點，然而，噪點經過求導以后，會被大大增強，給邊緣檢測造成很大影響，所以，我們就希望在進行求導之前先對噪點進行濾波，盡量濾去更多噪點，以減少其對檢測效果的影響。

2）增強：圖像可能受到各方面的影響，比如照相機像素低，或者是晚上、陰暗處光線弱、環境差，或者照片放的時間過久導致圖像褪色等問題，造成圖像模糊，這時候直接處理起來可能會丟失很多信息，如果在進行處理之前，對圖像進行增強處理，從而可以大大提高檢測效果。

3）檢測：檢測過程主要是從很多梯度幅值相對比較大的點中來檢測邊緣點，雖然，我們對于邊緣點的定義是可以通過梯度的大小來確定的，然而在實際操作中，并不是所有梯度幅值大的點都是邊緣點，有可能是噪點，所以，我們還需要再一次進行邊緣檢測，從而得到更準確的邊緣點。

4）定位：我們雖然已經檢測出來邊緣點，然而這些邊緣點有可能和真正的邊緣點的位置有落差，這時候我們需要精確定位。邊緣檢測的基本步驟如圖3.1所示。

圖3.1 邊緣檢測的基本步驟

4、常用算子

根據上面圖像邊緣的分析，衍生出來一階微分算子和二階微分算子。一階微分算子的主要思想就是對邊緣求一階導數，認為局部最大值點是圖像邊緣點，其中，Roberts算子在水平和垂直方向檢測效果較好，但對噪點比較敏感，并且定位精度低;Sobel算子總體上檢測效果較好，對噪點有抑制作用，但是運算量大，定位精度不高;Prewitt算子和Sobel算子大致相同，對噪點有抑制作用，但同樣存在定位精度不高的問題;Kirsch算子能夠減少細節丟失問題，但是計算量比較大。總的來說，在一階微分算子中，利用某一閾值來確定邊緣點，檢測出來的邊緣通常都比較粗，導致邊緣定位精度低。

二階微分算子的主要思想是，對邊緣求二階導數，認為過零點即是圖像邊緣點，其中，在無噪情況下，Laplacian算子和Log算子兩者的檢測效果都差不多，而當對含噪圖像進行檢測時，拉普拉斯算子受到噪點的影響較大，檢測出許多假邊緣，而Log算子對噪點有一定的抑制作用，檢測效果相對來說比較好，所以在以后的檢測中，Laplacian算子就慢慢的被Log算子所代替。

5、總結

圖像邊緣檢測技術是圖像處理學科中最基礎也是最重要的部分，目前，邊緣檢測依舊受到人們的關注，本文主要是對傳統算子進行了分析總結。目前，邊緣檢測算子相對較多，而且效果越來越完善，在對邊緣沒有特殊要求的情況下，傳統算子是一個不錯的選擇。

參考文獻：

[1]康牧，王寶樹.圖像處理中幾個關鍵算法的研究[D].西安：西安電子科技大學，2009.

第6篇：圖像識別技術的基本原理范文

0引言

水產養殖是指商業性的飼養水生生物(包括魚類、軟體動物、甲殼類動物和水生植物)的活動［1］，按操作的基面性質可分為陸地、水面和灘涂等3大類。以陸地為主的系統主要包括池塘、稻田以及在陸地建造的其他設施;以水面為基礎的養殖系統包括攔灣、圍欄、網箱及筏式養殖，通常位于設有圍場的沿海或內陸水域;以灘涂為基礎的養殖系統包括基塘養殖和高位池養殖［2］。我國是世界第一水產養殖大國，也是世界唯一的養殖產量超過捕撈產量的國家，而且目前水產養殖規模仍在繼續快速增長中。在為滿足世界水產品需求做出巨大貢獻的同時，我國的水產養殖正面臨著水環境狀況的日益惡化、社會輿論的監督、政策與法規的監控及水產品質要求日益提高等各方面的壓力，水產養殖日益成為當前研究熱點之一。

遙感具有探測范圍廣、獲得資料速度快、周期短、時效性強、成本低、經濟效益大等優點。利用遙感圖像能快速提取所需水產養殖的專題信息，可幫助養殖場選址、決定養殖品種，開展養殖密度、養殖水體污染(赤潮、水質等)監測;結合GIS技術，還可對養殖區進行規劃和管理，評估水產養殖區對環境的影響，加深對魚類等水生生物棲息地的理解和認識［3－4］。以往由于農業活動和降水作用導致的水質隨季節變化明顯，導致水產養殖遙感識別需要更高的時間分辨率數據來獲取信息等原因，相對于在其他領域(如地質學和林學等)的應用，遙感在水產養殖方面的應用發展較遲緩［5］。近年來，隨著遙感技術的發展，日益豐富的多平臺、多種類、多分辨率的遙感數據為水產養殖信息獲取提供了新的契機;許多研究人員也對水產養殖專題信息的快速、高精度提取方法進行了積極的探索和研究，使得遙感在水產養殖中的應用日趨廣泛。本文針對目前的研究現狀，對用于水產養殖區域識別的遙感數據源、識別方法進行分析和總結，并進一步探討其研究和應用的趨勢。

1多源遙感數據源

隨著遙感技術的發展，越來越多的不同類型的遙感傳感器數據被用于對水域的觀測。不同類型的遙感數據在水產養殖信息提取中具有各自的優勢和特性，因而也對應有不同的應用領域和信息提取精度。一般來說，多光譜遙感記錄了地物的反射、輻射波譜特征，擁有豐富的地物空間分布及光譜信息，有助于識別水產養殖區域，是目前水產養殖區信息提取的主要信息源。但大多數多光譜遙感圖像數據空間分辨率相對較低，即空間的細節表現能力比較差，將多光譜圖像和全色圖像融合，可有效提高圖像解譯能力。目前常用的識別水產養殖區的衛星遙感數據主要有全色圖像、多光譜圖像和微波雷達圖像等，具體參數如表1所示。SAR具有全天時、全天候、多波段、多極化工作方式、可變側視角、穿透能力強等特點，SAR圖像中則含有豐富的地表紋理結構信息。在沿海水域，由于海水對微波雷達的回波能量較弱，而養殖用的基座、圍欄和網箱等回波能量較強，色調比周圍的海水更亮，二者對比度較大，因而可從SAR圖像中提取養殖區域的相關信息。此外，在進行精度驗證時，還可利用GoogleEarth平臺提供的在線照片，這為實地調查驗證提供了便利。2水產養殖區域的識別方法由于受研究時間、研究區域和數據源等客觀因素的限制，還沒有一種方法是最普遍和最佳的水產養殖區的識別方法。目前常用的水產養殖區識別方法主要有目視解譯、基于比值指數分析的信息提取、基于對應分析的信息提取、基于空間結構分析的信息提取以及基于面向對象的信息提取等。

2．1目視解譯

目視解譯是遙感應用最常用、最基本的方法之一。它根據遙感圖像目視解譯標志(位置、形狀、大小、色調、陰影、紋理、圖形及相關布局等)和解譯經驗，與多種非遙感信息資料相結合，運用相關知識，采用對照分析的方法，進行由此及彼、由表及里、去偽存真、循序漸進的綜合分析和邏輯推理，從遙感圖像中獲取需要的專題信息。目前，目視解譯一般都采用人機交互方式。在解譯前先通過遙感圖像處理軟件對圖像進行必要的預處理，包括圖像增強、圖像融合等，有效地改善圖像的可識別能力，突出主要信息，提高判讀的精度。楊英寶等依據6景TM圖像和3期高精度航片，利用人機交互式解譯方法分析了東太湖20世紀80年代以來網圍養殖的時空變化情況［6］;李新國等采用3景航空圖像對東太湖的網圍養殖面積動態變化進行人機交互目視解譯［7］;樊建勇等在經過增強處理后的SAR圖像上，對膠州灣海域養殖區進行了交互跟蹤矢量化［8］;褚忠信等利用不同時期的TM圖像，對黃河三角洲平原水庫與水產養殖場面積進行了人機交互解譯［9］;吳巖峻等用4景ETM+圖像，經過多次外業調查，建立解譯標志，采用人機交互方法，對海南省海水和島上水產養殖區進行了勾畫［10］;宮鵬等借助1987—1992年和1999—2002年的TM/ETM+圖像及GoogleEarth平臺提供的高分辨率圖像和部分在線照片，對包括海水養殖場在內的全國濕地分布進行了目視解譯，并繪制了專題圖［11］。目視解譯簡單易行，而且具有較高的信息提取精度，適用于絕大多數養殖區域的識別，但是也存在一定的缺點。當解譯人員的專業知識背景、解譯經驗不同時，可能得到不同的結果，其結果往往帶有解譯者的主觀隨意性。當養殖區域水體同非養殖區域水體的光譜特征或空間結構特征等相似時，解譯人員就很難根據標志將其區分開來，使精度受到影響;而且目視解譯工作量大、費工費時，難以實現對海量空間信息的定量化分析和保證信息的時效性，因此研究遙感信息的自動提取方法已成必然。

2．2基于比值指數分析的信息提取

比值型指數［12］創建的基本原理就是在同一圖像的多光譜波段內，求得每個像元在不同波段的亮度值之比，構成新的圖像，以壓制某些造成光照差異的因子或背景的影響，增強地物光譜特征的微小差別，突出目標地物的輻射特征。比值型指數通常又會作歸一化處理，使其數值范圍統一到－1～1之間。馬艷娟等利用ASTER數據，分析養殖水體與非養殖水體在圖像各波段上的特征差異，構建用于提取圖像中水產養殖區域的指數(normalizeddifferenceaquacultureindex，NDAI);并分析用NDAI提取得到的結果中錯分的受大氣、傳感器影響的水體與自然水體的各波段灰度值的分布，構建了用來進一步提取深海區域的指數(marineextractionindex，MEI)，將近海水產養殖區的養殖水體與其他水體區分開［13］，取得了較高的精度。由于比值指數分析的信息提取方法只考慮各波段上的灰度信息，當部分養殖區在光譜上與深海水域接近或是當深海水域光譜并非均一時，會導致錯分。該方法適用于養殖區與背景環境光譜差異大的地區，否則將無法克服傳統遙感分類方法所普遍存在的“椒鹽”噪聲，從而影響信息提取的精度。

2．3基于對應分析的信息提取

對應分析是在因子分析的基礎上發展起來的分析方法，又稱“R－Q型因子分析”［14］。該方法已在生物和統計領域得到廣泛的認同和應用，但在遙感領域的應用相對較少。在遙感應用中對應分析方法既研究圖像波段特征屬性及其相互關系，也研究像元特征之間的關系，有利于提高信息提取的精度。王靜等應用該方法快速有效地進行了滆湖圍網養殖區湖泊圍網分布信息的提取［15］。該方法對遙感圖像的質量要求較高，并在分析前要進行嚴格有效的圖像預處理。此外，該方法并無法有效地解決“異物同譜”和“異物同紋理”的分類問題。

2．4基于空間結構分析的信息提取

空間結構分析的處理方法有鄰域分析、紋理分析、線性特征提取等。其中，鄰域分析是對波段每一個像元依據四周鄰近的像元對其進行空間分析的方法［16］，分析和運算的像元數目和位置由掃描窗口確定;紋理表現是指圖像灰度在空間上有序重復出現的特征，反映了一個區域中某個像元灰度級的空間分布規律，其基本分析方法有3類:統計分析方法、結構分析方法和頻譜分析方法。周小成等采用ASTER遙感圖像，以九龍江河口地區為研究示范區，利用卷積算子，采用鄰域分析法來增強水產養殖地的空間紋理信息［17］;李俊杰等利用紋理統計分析方法中的灰度共生矩陣(graylevelco－occurrencematrices，GLCM)，選用中巴資源衛星02星多光譜數據，以白馬湖為試驗區，提取湖泊圍網養殖區，實驗表明紋理量化的均值指標能夠較好地反映自然水體、圍網養殖區和其他地物內部結構的異質性，取得了較理想的效果［18］;林桂蘭等利用方差算法對廈門海灣海上的吊養和網箱養殖進行紋理分析，得到養殖專題圖［19］;初佳蘭等選用長海縣廣鹿島海區的SAR圖像，統計有效視數(ef-fectivenumberoflooks)，并對圖像進行多種方法濾波分析，提取了浮筏養殖信息［20］。基于空間結構分析的養殖區識別方法，適用于近海水產養殖地的自動提取，而不適用于內陸水產養殖地，因為后者在空間上的分布孤立，斑塊小，與其他農用坑塘水體的空間特征類似，但仍可以作為一種遙感圖像識別的輔助方法。

2．5基于面向對象的信息提取

面向對象的圖像分析主要思想是:首先將圖像分割成具有一定意義的圖像對象，然后綜合運用地物的光譜特征、紋理、形狀、鄰近關系等相關信息，在最鄰近法和模糊分類思想的指導下，確定分割對象所屬類別，得到精度比較高的遙感圖像分類結果［21］。對于養殖區分布的提取，面向對象的圖像分析方法基本步驟包括多精度圖像分割、面向對象的水陸劃分和非養殖水域剔除。首先，使用多精度圖像分割對原始圖像進行分割以獲得分割圖斑，并計算各個圖斑的特征，為后繼分析服務;然后，根據遙感圖像中水域的輻射特性進行水陸分割;接著根據圖斑的光譜、形狀及空間特征提取出面狀、線狀非養殖水域部分;最后，在水陸劃分得到的水域全圖的基礎上剔除以上提取的面狀水系和線狀水系，得到養殖水域提取結果［22］。謝玉林等利用該方法，對珠江口養殖區域進行了提取，驗證該方法在水產養殖區提取上的可行性［22］;關學彬等采用該方法對海南省文昌地區的水產養殖區進行監測，取得了理想效果［23］;孫曉宇等采用該方法，利用多時相遙感數據對珠江口海岸帶地區水產養殖場的變化進行了提取［24］。面向對象的圖像分析將處理的對象從像元過渡到了圖斑的對象層次，更接近人們觀測數據的思維邏輯，更利于知識與規則的融合。在很多情況下，面向對象的遙感圖像分析方法會比基于像元的分析方法取得更好的效果。采用面向對象技術，在解決常規圖像分類時的椒鹽噪聲效應、結果的可解釋性上有很大優勢，因此在高分辨率圖像信息提取中能夠發揮更大的作用。但是當特征及隸屬度函數選取不當時，會出現較嚴重的誤分現象，此時要結合目視解譯方法，判別分類結果的合理性，優化隸屬度函數，重新進行分類。

3總結與展望

第7篇：圖像識別技術的基本原理范文

關鍵詞：牛肉分級；邊緣檢測；二值化處理；自動分級

中圖分類號：TS251.52 文獻標志碼：A 文章編號：1001-8123（2013）04-0010-05

2003年10月我國農業行業標準《牛肉質量分級標準》開始實施，鑒于牛肉眼肌橫切面包含了大理石紋、肉色、脂肪色、背膘厚度和眼肌面積等評定指標，所以在牛肉質量的分級標準和體系中，進行牛肉等級評定時，通常都將眼肌面積橫切面作為主要的評定對象。但目前為止，國內外的牛肉分級體系采用的分級方法還是以主觀的視覺評定為主，評定過程受到人為因素的干擾，不僅效率低，而且還會產生較大的誤差。因此，計算機視覺、人工神經網絡和圖像處理技術，被認為是實現牛肉自動分級的最有效的方法。在國外，1989年Chen Shengwei等[1]首次針對美國牛肉大理石花紋標準圖版，應用圖像處理技術對美國牛肉的肌肉脂肪面積進行計算，用于牛肉質量分級，并將其作為判定牛肉質量等級的定量指標，在隨后的相關研究中，研究學者運用圖像處理方法等技術分別有效的預測大理石紋、顏色等級、脂肪面積比、脂肪顆粒分布均勻度等特征參數，探討了基于圖像處理的牛肉等級評定技術[2-5]。在國內，計算機技術在牛肉等級評定中的應用還處于初步研究階段，主要是通過眼肌切面圖像的紋理分割，通過計算脂肪面積比[6-7]的方式來計算牛肉等級[8-10]，對脂肪在肌肉中分布所形成的特征分析不夠深入，對牛肉等級評定的準確性和實際應用等方面都有不足之處。本研究擬運用計算機視覺系統對牛肉眼肌的形狀特征值、脂肪含量和分布進行量化，在VC++6.0的環境下自行開發適用于牛肉眼肌自動分級軟件，提高分級的準確性和工作效率，為我國牛肉智能化分級技術的研究奠定理論依據[10]。

1 材料與方法

1.1 材料、軟件及基本原理

采用Visual Basic6.0作為實驗分析軟件，利用圖形處理中的二值化算法、邊緣檢測算法等對采集到的數字圖像進行處理和分析，提取出用于牛肉眼肌自動分級的眼肌面積、圓度、大理石紋密度等重要參數，再利用模糊數學理論利用計算出的參數數據，實現對牛肉眼肌的智能自動分級。

1.2 方法

1.2.1 邊緣檢測法

物體圖像的邊緣信息特征因為顏色、紋理結構和灰度值的變化是以不連續性的形式出現，是圖像最基本的特征之一。邊緣檢測法提取圖像特征是圖像識別中的一個重要屬性和重要環節[11]。圖像邊緣檢測中的經典算法SUSAN算法[12]選用放在不同5個位置上圓形模板，如圖1所示。

比較模板內像素的灰度與核心的灰度，其差值在閾值內時，認為灰度相同。與核的灰度相同的像素數目之和稱為模板的面積（USAN）。SUSAN算法根據USAN區的大小和矩陣特性來檢測圖像邊緣及角點等特征的位置及方向信息[13]。由圖1所示，平坦區域USAN區最大（d，e），邊緣處USAN區大小降為一半（a），角點附近USAN區變得更小（c）。

1.2.2 二值化處理

圖像二值化是指對僅含黑白二值的圖像進行參數提取數據預處理的重要技術。采用直方圖均衡化，同態濾波對圖像進行預處理抑制外界因素提高圖像質量，或者將圖像劃分為若干區域，分別設定閾值Tn，則：

（1）

由于所提取的大理石紋圖像中，僅有肉色和脂肪色，即只有紅色和白色兩類顏色信息，因此在二值化處理過程中，采用第1種方法進行二值化處理。

圖像分割是基于邊緣檢測或基于區域的分割，將同一屬性但區域互不相交，均滿足特定區域一致性條件的不同區域分割開來[14]。本研究采用區域生長法實現對圖像的分割。

1.2.4 模糊綜合評判

對模糊事物實現較合理的評價可采用模糊數學中的模糊綜合評判法 [15]。設定因素集，集合中的某一元素Ui表示決定事物的第i個因素，評價集Vi表示對事物評價結果。

2 結果與分析

2.1 利用二值化算法提取大理石花紋

2.1.1 二值化算法

對大理石紋圖像的特征參數提取時，均需要先對圖像進行二值化處理，將彩色圖像處理成只包括黑色像素點和白色像素點的圖像。由于所提取的大理石紋圖像中，僅有肉色和脂肪色，即只有紅色和白色兩類顏色信息，因此在二值化處理過程中，采用第1種方法進行二值化處理。

假定彩色圖像的大小為M×N，fn其表示像素點的顏色值，f（I，j）表示像素點（I，j）的二值化結果，當f（I，j）=1時，像素點（I，j）被標記為黑色像素點，當f（I，j）=0時，像素點（I，j）被標記為白色像素點。對于某一像素點（I，j），如果該像素點的顏色值fn大于閾值T，則令f（I，j）=1，否則f（I，j）=0，實現對彩色圖像的二值化處理。二值化方法如式（2）所示在二值化算法中，閾值的選取是二值化處理的關鍵，如何選取合適的閾值t，準確提取出不同圖像中的大理石紋，是本算法的一個關鍵技術。本研究的所有實驗，都是基于VC++6.0編程完成。在所有圖像的二值化處理中，程序設計使用inputbox函數的數據輸入方式，由用戶根據個人經驗輸入某一個閾值T。

（2）

經過二值化處理后的圖像，白色點表示脂肪像素點，黑色點代表肌肉像素點。本算法進行大理石紋的面積計算、圓度測量、密度分析等算法都是在圖像二值化的基礎上進行的，因此，圖像二值化的結果將直接影響到后面參數的提取準確度問題。

2.1.2 二值化實驗結果分析

圖2是對原圖像1采用不同閾值t的檢測結果，圖3是對原圖像2采用不同閾值t的檢測結果。從圖2、3結果可以看出，對于不同亮度的圖像，采用相同的閾值，如t=90時，對原圖像1，可以很好的提取出二值化圖像；而對原圖像2，無法正常提取出所需要的區域信息。同樣，對于t=160時，從圖2D可以看出，對于原圖像1，由于閾值太大，造成一些有用的大理石紋信息丟失，而對于原圖像2，能更好的提取出需要的大理石紋信息，為后繼準確的提取大理石紋信息提供保證。

本算法中，閾值的選取采用人機對話的方式選擇閾值，希望后期工作中能研究出一種能自動根據圖像顏色亮度特征智能選取閾值的算法。

2.2 利用區域生長算法提取有效眼肌面積

由于眼肌面積圖像中僅含有白色和紅色兩種顏色區域，有效眼肌面積區域是一塊連通區域，因此，采用種子點生長算法，可以很好的提取出和所選種子點相連通的所有連通區像素點。

有效眼肌面積的提取步驟如下：以原圖像1（圖3A）中眼肌面積的提取為例，先采用二值化算法，選用閾值t=90，使得眼肌內的區域為大片黑色聯通區，再利用種子點生長算法，利用鼠標選取眼肌中黑色聯通區中的一點作為種子點，生成的眼肌面積內的聯通區，如圖3所示。由于生成的聯通區內存在大理石紋，所以眼肌面積是圖像總面積減去灰色聯通區的面積。

首先采用二值化算法，對原圖像進行二值化處理，然后對處理好的二值化圖像，用鼠標選取屬于要計算面積區域中的某一黑色像素點，采用種子點生長算法[16]，將所選取的像素點作為種子點，進行生長，識別出面積輪廓。由于圖4中的面積區域，還存在白色大理石紋，不能直接計算出面積大小，因此，再對圖4進行二值化處理，選取背景色中的任意1點作為種子點進行生長，然后進行背景圖像區域的識別，再用總面積減去背景區域的面積，即可算出眼肌面積。對原圖像1，利用本實驗算法計算出的有效眼肌面積共14742個像素點。

2.3 肌肉和脂肪色度值

將圖像中所有肌肉像素點采用種子點生長的算法提取出來所有的紅色像素點區域，對提取出的肌肉連通區圖像，遍歷整個圖像，計算出連通區中所有像素點的Red、Green、Blue三個顏色分量的平均值，再使用顏色公式w（x，y）=Red+Green×256+Blue×65536，計算出所有肌肉像素點的顏色平均值。同樣的算法，可以提取出白色脂肪的色度值。對原圖像1（圖2A）進行肌肉色度和脂肪色度的計算，計算出了脂肪色度為11437206，肌肉色度為7428162，對原圖像2（圖3A）所示的圖像，計算出的脂肪色度為11718453，肌肉色度為127466071。該顏色值越大，說明圖像顏色亮度越大，色值越高。

2.4 眼肌圓度

有效眼肌面積的圓度可以采用計算其長軸的長度和短軸的長度，通過長短軸的比值來衡量眼肌面積的圓度。在一幅灰度圖像中，已知中兩個像素點的坐標（x1，y1）、（x2，y2），利用兩點間距離的計算公式：

（3）

可以計算出某一直徑，直徑的大小即為長軸的長度。因此，查找到有效眼肌面積的長軸的兩個像素端點是計算長軸的關鍵。

本算法采用種子點生長算法提取出有效眼肌面積的連通區，然后由用戶利用鼠標，選取出長軸的起點，如圖5B所示，設置出長軸的起點坐標（x1，y1）。然后在如圖5C所示的連通區中找到離該點最遠的像素點坐標值（x2，y2），利用兩點間距離公式，計算長軸的長度。短軸是在長軸垂直平分線上的離長軸中點（（x1+x2）/2、（y1+y2）/2）最遠的點和中點間的距離。測量結果顯示，長軸215.94，短軸55.08，長短軸比率：55.08/215.94≈0.51，比值越接近于1，說明眼肌面積越趨向圓。

2.5 大理石紋密度

對大理石紋密度統計分析分為5個步驟進行：第1步，采用區域生長法或者邊緣檢測算法對原圖像進行圖像分割，將圖像分割成不同的很多連通區；第2步，對所有連通區進行著手標記，同一連通區著相同的顏色，不同的連通區采用不同的顏色；第3步，統計所有連通區各自的面積大小區域；第4步，統計圖像中連通區總數目；第5步，統計標記的連通區面積在0～5、5～10、10～15、15～20等范圍內的連通區個數。

2.5.1 不同連通區著色

采用眼肌面積算法中的種子點生長算法，對整個圖像進行遍歷，識別出所有的連通區，并用不同的顏色值標記出不同的連通區。

對照高標準的密度檢測結果圖7和低標準的密度檢測結果圖8檢測結果發現，相同像素點下連通區總數越多，說明大理石紋越豐富。像素點總數小于5的連通區的個數表明大理石紋的分散程度，值越大，說明越分散，密度越大。

2.6 基于模糊數學理論的牛肉大理石花紋自動分級系統

針對牛肉自動分級中大理石紋參數特征值的模糊性、相關性、多變量等特點，結合模糊數學理論，將所提取出來的所有眼肌面積、大理石紋密度，眼肌面積的圓度、色度等多個參數，采用模糊數學理論中的綜合評判技術建立了基于模糊綜合評判的牛肉大理石紋自動分級模型。例如：使用模糊綜合評判算法記U={眼肌面積，圓度，肌肉色度，脂肪色度，大理石紋密度}，表示因素集，表示決定牛肉分級品質的所有因素。記?={a1，a2，a3，…，an}。取評價集V={低品質牛肉，中等品質牛肉，優質牛肉，特優級牛肉}，表示牛肉的評價結果。

對牛肉品質等級的判定，需要綜合考慮各種因素，如牛肉的大理石紋分布的密度，有效眼肌面積的圓度、色度、面積大小等。結合本系統中采用數字圖像處理技術自動提取出的相關的參數信息，然后考慮所有因素對評價集V中各等級的隸屬度，可得綜合評判矩陣如。

3 結 論

利用了圖像處理中的邊緣檢測技術、二值化處理和圖像分割技術，先對原牛眼肌圖像進行二值化處理，然后對處理好的二值化圖像，采用種子點生長算法，識別出眼肌面積輪廓，進行背景圖像區域識別，計算眼肌面積，并采集連通區中所有像素點的Red、Green、Blue 3個顏色分量，計算出所有肌肉和脂肪像素點的顏色平均值，并對有效眼肌區域的圓度和大理石紋分布密度進行參數提取和檢測。結果證明，本實驗設計的算法能夠近似的估算出牛眼肌面積、脂肪比例、色度值、眼肌圓度和大理石花紋密度，是一種有效的估算方法，并通過大量實驗數據和人工測量數據進行比對，證明使用圖像處理技術自動估算上述5個特征參數是可行的，為基于計算機視覺的牛肉品質自動分級檢測奠定基礎。后期工作中希望能并結合大理石花紋的特點和特征描述以及具體牛肉圖像的特點，通過大量的數據，使用模糊聚類，模糊識別、模糊綜合評判等技術，給出接近現實的、準確的牛肉等級判定結果，為進一步研究基于計算機視覺的牛肉自動分級系統打下基礎。

參考文獻：

[1] CHEN Shengwei， SUN Xin， QIN Chunfang， et al. Color grading of beef fat by using computer vision and support vector machine[J]. Computers and Electronics in Agriculture， 2010， 70（1）： 27-32.

[2] YOSHIKAWA F， TORAICHI K， WADA K， et al. On a grading system for beef marbling[J]. Pattern Recognition Letters， 2000， 21（12）： 1037-1050.

[3] SHIRANITA K， HAYASHI K， OTUSBO A. Determination of meat quality using texture features[J]. The Institute of Electronics， Information and Communication Engineers Transactions on Information and Systems， 2000， 83（4）： 1790-1796.

[4] AASS L， FRISTEDT C G， GRESHAM J D. Ultrasound prediction of intramuscular fat content in lean cattle[J]. Livestock Science， 2009， 125（2/3）： 177-186.

[5] KAZUHIKO S， KENICHIRO H I， AKIFUMI O， et al. Grading meat quality by image processing[J]. Pattern Recognition， 2000， 33（1）： 97-104.

[6] CHEN Kunjie， QIN Chunfang. Segmentation of beef marbling based on vision threshold[J]. Computers and Electronics in Agriculture， 2008， 62（2）： 223- 230.

[7] 陳坤杰， 姬長英. 牛肉自動分級技術研究進展分析[J]. 農業機械學報， 2006（3）： 159-162.

[8] 陳坤杰， 孫鑫， 陸秋琰. 基于計算機視覺和神經網絡的牛肉顏色自動分級[J]. 農業機械學報， 2009（4）： 179-184.

[9] 陳坤杰， 秦春芳， 姬長英. 牛胴體眼肌切面圖像的分割方法[J]. 農業機械學報， 2006（6）： 161-164.

[10] 任發政， 鄭麗敏， 王桂芹， 等. 應用MATLAB圖像處理技術評判牛肉大理石花紋[J]. 肉類研究， 2002（4）： 14-15.

[11] 賈淵， 李振江， 彭增起. 結合LLE流形學習和支持向量機的豬肉顏色分級[J]. 農業工程學報， 2012（9）： 154-159.

[12] 魏光杏， 吳錫生. 新型邊緣檢測法[J]. 計算機工程與設計， 2007（4）： 144-145.

[13] GE X W， FU K T. Edge detection in image method research[J]. Digital Community & Smart Home， 2007， 3（16）： 1144-1145.

[14] 王文淵， 王芳梅. 改進的最大熵算法在圖像分割中的應用[J]. 計算機仿真， 2011（8）： 297-300.

第8篇：圖像識別技術的基本原理范文

【關鍵詞】微動；微多普勒；激光雷達；技術瓶頸；解決途徑

1.概述

微動[1-4]，指目標或目標組成部分在徑向相對雷達的小幅（相對于目標與雷達的徑向距離） 非勻速運動或運動分量。

雷達目標微動特征提取與識別[5]是目前一個新興的研究領域，它是運動學與雷達信號處理的交叉結合，技術涉及運動建模、時頻分析、變采樣濾波、雷達成像理論和技術等。目前，在軍事領域，目標微動特性在彈道導彈防御體系中已經發揮了很大的作用。運動特征是導彈目標識別所依據的主要特征之一，彈道導彈的振動、自旋、進動和章動都屬于微動范疇，可望為導彈目標識別難題提供新的解決手段。對于空中和地面目標如飛機或地面車輛，基于目標微動的目標識別也具有明顯的優勢，對于不同的引擎和轉動部件，微多普勒頻移是獨一無二的，經處理后與目標特征庫進行對比，由自動目標識別算法就可以確定目標的身份。基于振動微多普勒頻移的目標識別算法具有不受方位角限制、超視距、適用于非合作目標的識別等優點。地面目標的運動，如行人手臂和腿部的擺動、車輛表面的振動、車輪和履帶的轉動以及天線罩的轉動都屬于微動源。這些微動特性為監測和識別地面目標提供了一種有效的途徑，而且對于已經識別出的地面目標來說，還可以利用精細的微多普勒幅度和頻率差異進行精確身份辨別。在現代高度自動化的戰爭中，微多普勒目標識別還具有非常大的發展前景和空間。

我們知道，多普勒現象對工作頻率很敏感，而相干激光雷達工作頻率1013 ～1015 Hz ，因而激光雷達相對于微波雷達探測微多普勒信息具有明顯的優勢。隨著單頻激光技術特別是全固態單頻激光技術的發展，使微多普勒探測的發展更加迅速。另外由于激光雷達具有分辨率高、抗干擾能力強、體積和重量都比微波雷達小等優點，所以在高精度、實時探測低頻、低振幅微多普勒效應的研究中存在著巨大的發展空間。

國外對于激光微多普勒效應的分析和研究較早，并已經取得初步成果[6-7]。國內研究起步較晚，在此領域研究較為深入的是北京理工大學趙長明團隊，他們搭建了試驗系統驗證了相干激光提取微多普勒的可行性[8]。在實驗系統中，以單塊單頻激光器為光源，用外差探測的方式觀測到在不同目標特征下的微多普勒信息，并通過一系列基于激光雷達的算法進行多普勒信息提取，從而達到探測和識別目標表面微動狀態的目的。

2.相干激光雷達提取目標微動特征的基本原理

基于相干體制的激光雷達與微波雷達提取微多普勒特征的基本原理是一致的，在徑向距離上半個波長的變化就會引起回波信號360°的相位改變，由于多普勒頻移可以反映相位函數隨時間的變化情況，因此，可以通過回波信號的多普勒頻移來探測和識別目標表面的振動狀態。因為激光雷達的工作頻率高于微波雷達4～5數量級，目標微動引起的多普勒頻率更顯著，需要識別細節特征的相干時間更短。換句話說，激光雷達能夠輕易看到微波雷達看不到的細微特征。

微多普勒特征提取激光雷達的工作原理非常簡單，是根據目標運動造成的多普勒頻移f d 來測量目標徑向速度V 。多普勒激光雷達采用相干探測方式，也稱之為光外差探測。相干探測原理如圖1所示。

后向散射光與本振光同時投射到光電探測器表面，產生相干疊加（即混頻）， 然后輸出差頻為f s - f 的射頻電信號和直流分量，再經過中頻放大器和鑒頻器，最后獲得所需的多普勒頻移f d =f s - f。

接下來是通過時-頻分析方法—短時傅里葉變換STFT來分析微多普勒頻率隨時間變化的情況，得到信號的時頻圖像，通過信號的時頻圖像，可以很好地得到目標的運動速度、振動頻率及振幅等一系列特征。

圖1 相干探測的原理

3.實現相干激光雷達遠距離微多普勒探測的技術瓶頸分析

雖然相干激光雷達在微動特征提取的固有優勢和實驗結果令人振奮，但在實際應用，尤其是遠距離探測，相干激光雷達存在以下技術瓶頸：

（1）空間匹配

雖然光學相干探測是公認的具有量子極限探測本領的體制，探測靈敏度高于直探方式2～3數量級。但是為了實現目標散射/ 反射回波信號的充分利用，必須保持本振光與信號光的空間匹配（相位、振幅和偏振匹配）[9]，提高外差效率和探測器光敏面處電流微元的互相關性，而這是首要難題。

在以往的試驗系統里采用玻璃鏡片實現兩束光空間準直的方法被證明是不可靠的。近年來，隨著光通信技術的飛速發展，國內多采用帶尾纖的光電二極管作為光電探測器，并且采用單模光纖干涉儀加偏振控制器[10]，或者用單模光纖干涉儀加偏振分極檢測來改善本振光與信號光的空間匹配，實現最佳混頻來提高信噪比。這種全光纖激光雷達在一定程度上弱化了調整光學系統的難題。但如何將空間光低損、穩定地耦合進直徑僅有7μm的單模光纖中仍是一個非常棘手的問題。

（2）激光源的穩定性

微多普勒激光雷達要想在實際應用中發揮作用，必須要解決遠距離精確探測的問題。而其中重要的因素就是激光器線寬的影響。線寬的加寬主要由激光器內部自發輻射導致的噪音造成。傳輸距離越長，噪聲的影響越大。理論分析可知，窄線寬且探測距離短的激光雷達多普勒測量誤差較小。隨著探測距離的延長，當探測距離延長到相干長度的量級時，探測到的光電流譜線寬度實際上只決定于激光器的輸出線寬，而不是探測距離的長短。

減小探測距離和壓窄激光器輸出的激光線寬均可以起到減小系統誤差的目的。但是由于kHz 量級的線寬對于激光器而言已經是非常優秀的頻率特性，并且片面的壓窄線寬還會影響單頻激光器輸出功率。 減小目標和激光雷達的距離可以減小系統誤差，卻失去了遠距離探測的意義。

（3）大氣湍流的影響

湍流是指大氣中局部溫度、壓力的隨機變化而帶來的折射率的隨機變化。折射率的變化表現為兩種形式：①由于地面溫度的影響，大氣中溫度隨高度會有梯度出現，于是折射率也出現一個梯度；②折射率隨位置和時間作迅速的變化，變化的頻譜可達數百赫茲，變化的空間尺度可能小到毫米量級，變化的強度與天氣狀況和地面狀況有一定的相關關系。由于湍流大氣中折射率的隨機不均勻分布，當激光通過它時，就會在不均勻元上產生散射，從而對原來穩定傳播的激光束產生擾動。即使在弱湍流下，折射率的改變很小，但由于存在大量的不均勻元，以致在一定距離之外，積累效應就十分顯著，包括光束漂移、光束擴展、到達角起伏、大氣閃爍等。針對大氣湍流的影響，常規的方法有：

1）擴大發射光束的發散角以克服光束漂移帶來的問題，當發散角大于漂移角時，探測器總能落入接收光斑內，但代價是接收的能量大大減小；

2）用高功率發射器來補償由于激光束發散和激光閃爍所造成的損失。但對半導體激光器來說，功率提高，調制帶寬就會降低，目前來說，提高功率在技術上是有限的。

（4）目標的捕獲與跟瞄

相比雷達等傳感器來說，激光的視場角很小，很難在較大空域內搜索和捕獲到目標，須有引導信息。

4.相應解決途徑的研究

4.1激光源相干性問題的研究

首先，跳出具體技術細節，從更高層面上橫向比較微波雷達和激光雷達的技術發展脈絡，有助于我們找到正確的解決途徑。事實上，可以將激光雷達看作微波雷達的頻段高端，雷達工作頻率是從最初的短波逐步向上擴展到P波段、L、C、X、Ku、Ka波段、乃至W波段。工作體制也是從最初的磁控管振蕩簡單脈沖非相參，后來經由準相參，最終發展到全相參體制，全相參系統中，發射機采用主振-放大鏈式結構，使得更為復雜的信號調制方式成為可能，雷達信號從僅能提取幅度信息，擴展到時間、頻率、相位、乃至時-頻域進行全面分析。隨著全相參體制的出現，雷達品種也日益繁多起來，脈沖壓縮、動目標檢測、相控陣、合成孔徑/逆合成孔徑、數字陣列、多輸入多輸出等等新技術、新體制層出不窮。

可以斷言，上述發展歷程將會在激光頻段上亦步亦趨的復現，而目前，激光雷達處在由非相參向全相參過渡的關鍵時段，我們可以借鑒微波雷達的技術思路解決相似的技術難題。下面簡單整理一下這一階段出現的相參處理技術。

由于磁控管固有的特點，其發射脈沖的初相是隨機的，而且由于調頻效應，發射脈沖間的頻率和脈內的頻率也是變化的，所以磁控管雷達系統若不作相參處理，其接收回波是非相參的。為了使系統具有多普勒相參功能，采用的方法主要有四種：發射注入式鎖相、接收注入式鎖相、模擬中頻相參接收和數字相參接收等。

發射注入式鎖相是較早出現的一種，注入鎖相磁控管系統由于受到鎖定振蕩器相位噪聲、磁控管振蕩器頻率不穩和鎖相系統本身鎖相不穩等因素的影響，性能不高，可靠性低，實現成本高。

接收注入式鎖相是在接收端將發射樣本中頻脈沖（通常稱主波）注入至中頻相參振蕩器，用于同步相參振蕩器，鎖相同步后的相參振蕩器輸出可視為發射脈沖振蕩的延續，應用最為廣泛。其缺點是鎖相后相參振蕩器頻率不穩、鎖相誤差較大，由于鎖相脈沖只在瞬間有效，鎖相后其會慢慢漂移，導致定相精度隨距離增加而降低，遠區定相精度差，在動目標雷達中其改善因子一般只能達到10 dB～25 dB 左右。同時由于受模擬電路隨溫度變化等固有缺點的影響，穩定性差。

模擬中頻相參接收在原理上和注入式相參接收相似，其區別在于利用聲表面波（ SAW）器件暫存發射樣本中頻脈沖，SAW存貯相關卷積器作為中央處理單元在中頻段進行復共軛相關處理，消除或減小發射系統的不穩定對改善因子的限制。優點是模擬信號處理速度快，成本低，缺點是SAW 器件本身的非理想因素限制了雷達改善因子的進一步提高，運算精度不高，靈活性差，對于發射脈沖較寬的系統實現有一定的難度。

數字相參接收在原理上和模擬中頻相參接收相似，利用AD對發射脈沖樣本進行取樣，然后用該取樣值和回波信號進行相關或卷積，實現相位校正，達到消除隨機初相的目的，在許多文獻中也稱其為DSU （數字穩定單元）技術。這種方法對改善因子的限制可達30 dB。

上述相參技術是伴隨著電路基礎技術的發展次第出現的，隨著數字技術的高度發展，我們今天解決激光雷達相參性可以直接選取數字相參實現，但是采用該技術的前提需要一個穩定的本振信號。

對于遠距離提取微多普勒信號的相干激光雷達來說，其對穩定本振的要求是這樣的：要在光波往返雷達與目標的時間范圍內，本振光線寬要在kHz以下，例如，要提取10km處目標的多普勒信號，要求67μs時間段內測量激光的線寬要小于1kHz。

獲得足夠相干時間長度的穩定本振方案有兩種：

一是種子源本身穩定性能夠達到要求，主振蕩器輸出激光經分束鏡后， 部分激光（ < 1 %） 與主振蕩器聲光頻移后的0級衍射光在監視探測器光敏面進行相干，監視探測器輸出的信號iIF1 作為參考信號輸入到信號處理系統，發射的激光光束經發射望遠鏡擴束后出射。反射光經接收望遠鏡后，耦合到光線耦合器，主振蕩器聲光頻移后的0級衍射光經分束后也耦合到光線耦合器，兩束光在光纖內傳輸，并在信號探測器光敏面上相干，信號探測器輸出信號iIF2 輸入到信號處理系統。兩路信號從探測器輸出后，經A/ D 采樣后，送信號處理系統中進行卷積處理，處理消去了脈間相位和幅度不穩的影響，使其具有較好的相干接收效果。

二是種子源相干時間長度能夠達不到要求，可以采用本振延時的辦法縮短所需的相干時間，即種子源輸出的本振光進入一個光纖延時網絡，根據目標的距離，本振光做適當延時后再輸出。實驗證明，該方法是有效的，但是增加了光纖延時網絡設備量。這一方案是一種權宜之計，根本解決辦法還是要提高激光源的穩定性。

4.2空間匹配問題的研究

因為相干探測對回波光和本振光的準直度提出了非常苛刻的要求，要求兩束光平行且重合的照射在探測器光敏面上，光學系統的調整和維持非常困難，這也是限制相干激光探測應用的主要瓶頸。為此，我們采用全光纖系統，避免使用玻璃鏡片光路，光纖系統都是軟連接，系統的魯棒性大大增強。

由于安裝誤差、溫度形變、平臺振動、大氣湍流引起的光束偏移、到達角起伏等影響，不可避免的影響光纖耦合系統，使耦合效率下降甚至失效。解決這一問題可以通過伺服系統閉環控制二維快擺鏡將光導入光纖透鏡中，這也是一種軟連接，大大降低了對結構的精度要求，同時通過閉環控制可以補償大氣湍流引起的光斑漂移。

對于偏振配準，全光纖系統中可以采用正交偏振六端口接收，將回波分解成兩路正交偏振信號，分別與本振光混頻輸出四路偏振正交、相位正交的I/Q信號，實現了偏振和相位的匹配接收，而且還可以獲得偏振散射矩陣，對目標識別和抗雜光干擾非常有利。這種高度集成的光學六端口接收設備有現成的COTS產品。

4.3 激光雷達波形設計的研究

激光多普勒效應明顯是提取微多普勒信息的優勢，但同時也帶來了信號設計方面的問題，因為激光多普勒頻率非常寬，按照無模糊測距要求設計脈沖重復頻率，會存在嚴重的測速模糊。

為此，可以借鑒微波雷達中距離門控脈沖串波形設計思路，將低重頻無模糊測距和高重頻無模糊測速結合起來，采用脈沖對波形設計：脈沖對是由兩個子脈沖構成，通過測量兩個子脈沖回波相位差來提取微弱多普勒信號。

子脈沖寬度τ決定了距離分辨率，可根據距離遠近和測距精度要求調整，最小脈寬為7ns；子脈沖間隔Ts決定了多普勒范圍和多普勒測量精度，Ts是一個從1μs～幾百μs可調范圍，以適應大到200m/s直升機螺旋槳葉的轉速，小到幾m m/s～cm/s疊加在其上面的低頻微弱振動。Ts取值在20～200μs可以獲得非常高的多普勒分辨率，用于提取微多普勒特征和目標識別，取值在1～3μs可以獲得中等精度的多普勒分辨率，用于距離-多普勒成像。用多脈沖參差的方法也可以解決測速范圍寬和高精度測量的要求；而脈沖對之間的間隔PRF決定了無模糊測距范圍，隨著目標的遠近而調整。

與距離門控脈沖串波形設計接近的是一種稱為單脈沖多普勒波形設計可以用于遠距離激光雷達中，它是用一個寬的單個脈沖代替上述的脈沖串（對），在接收時，將雷達回波的過采樣（相對常規一個脈沖1-2個采樣點）并行饋到一組開關中，這些門按照脈沖寬度（如果采用了脈沖壓縮，則對應于脈沖壓縮的寬度）的時間值依次打開，打開時間也對應于脈沖的寬度，（如果采用了脈沖壓縮，則對應于脈沖壓縮前的寬度）對應于每一距離增量，采樣值在通過開關門后被距離倉收集，進行相干積累，再送到多普勒濾波器組。由于積累時間受脈沖寬度的限制，速度分辨率較低，需要進一步提高，可以采用二級多普勒濾波器將幾個脈沖一級多普勒輸出到二級濾波器組中。組顯而易見，在峰值功率相同的情況下，其平均功率明顯增加，前提是不要求探測近距離目標。

這里需要強調的一個概念是，采用了相干探測體制以后，激光雷達探測靈敏度取決于發射平均功率（或者說能量），而不是峰值功率。

4.4 大氣湍流影響抑制的研究

當前，在無線光通信領域中被國內外研究者所重視的大氣湍流影響抑制技術包括：大孔徑接收、分集、部分相干光傳輸、時域處理與閾值優化、自適應光學、信道編碼（RS 編碼、LDPC 編碼等）、傳輸層自動請求重傳（ARQ） 與前向錯誤校正（ FEC） 等技術[11]。

通信和探測技術在一定程度上是相同的，分集技術也可以用于激光雷達探測中，但是由于探測提取的是多普勒信號，因此應有所區別。

多光束傳輸技術是一種非相干光束疊加技術，即多個（ ≥2） 相互間不相干的激光束經過不同的傳輸路徑發送到遠場接收端并非相干疊加，以平滑接收信號光強閃爍的技術，實際上是一種空間發射分集技術。

從發射機角度講，多光束傳輸是有益處的，由于散熱等因素，單個發射機的功率不可能任意做大，而采用分布式多個發射機并行放大，大大弱化了對設備散熱的要求。

對多光束傳輸技術來說，必須盡量減小各激光發射器輸出激光的相干性， 否則會在接收面上出現明暗條紋，導致接收光強起伏增大。MISO 大氣光通信鏈路抑制光強閃爍的能力依賴于各光束的空間相關性大小，其和發射器間距d 、接收器孔徑D 、傳輸距離L 及湍流條件有關。空間相關性越小，抑制光強閃爍的能力越強。

該技術對應微波雷達被稱為多輸入多輸出（MIMO）技術，受MIMO通信系統的啟發，雷達系統在DBF陣列接收的基礎上采用MIMO多發多收天線技術獲得性能提升。發射、接收天線個數可以相同或不同，可以收發共用也可收發分離甚至采用雙基地方式。關鍵在于多天線發射分集實現自由度擴展和輻射能量在空間的發散分布，由此帶來角度高分辨、對目標RCS閃爍不敏感、低截獲概率（LPI）等諸多好處。與MIMO通信系統相類似，MIMO雷達的發射分集可通過某種編碼方式實現，只要各發射天線同時對外發射獨立或正交波形即可實現MIMO系統中的多輸入。由于各發射信號不會在空間相干疊加形成窄波束，因此各信號到達目標并經由目標反射回接收機時將經歷相對獨立的不同信道傳輸特性。

將MIMO技術移植于激光雷達有兩個特殊問題需要注意：

一是由于激光雷達的多普勒頻移非常大，所以在設計正交發射波形的時候要考慮到這一因素，否則即使是發射信號是正交的，但由于目標移動產生多普勒頻移，破壞了回波信號的正交性，造成信號之間有互耦，降低了分集的性能，甚至分集失效。

（1）Keystone變換前 （2）Keystone變換后

圖2 Keystone 變換前后FFT 的結果

二是大氣激光通信處于成本等方面的考慮，接收機采用直探方式，多波束之間非相干合成是在光電探測器上實現的。而對于相干探測激光雷達來說，采用正交頻分多址（OFDM）發射不同頻率的正交信號，遇到同一目標，產生不同的多普勒頻率，由于頻率不同，無法直接合成，需要通過Keystong[12]變換， Keystone變換是對各通道的采樣數據進行時域重采樣，使各通道具有相同的采樣間隔，圖2 比較了各通道數據在Keystone 變換前后分別進行FFT 處理的結果，可見，若不進行Keystone 變換，同一目標在不同的通道上所處的多普勒單元相差較大，無法進行通道間非相參積累。而經過Keystone 變換后，目標位于相同多普勒單元上，可以進行通道間積累。

4.5 目標的捕獲與跟瞄技術的研究

針對激光雷達波束窄，目標捕獲難的問題，可以考慮與視場較大的紅外探測器共平臺甚至共孔徑設計，遠距離由紅外搜索捕獲和跟蹤目標，激光雷達實現測距和微多普勒特征提取實現目標識別，隨著目標的接近像素點的增多，可融合紅外圖像或者基于陣列探測的激光雷達三維圖像識別目標。

若要求激光雷達在一定范圍內自主捕獲跟蹤目標，可利用光纖稀疏組陣，借鑒MIMO雷達中虛擬陣元、虛擬孔徑技術，在接收機中合成發射波束，并用多接收波束填充發射波束，實現目標同時搜索和跟蹤（TAS）。由于涉及內容較多，另撰文介紹。

5.需要進一步研究的問題

上述主要是前期針對激光雷達硬件平臺展開的研究匯總。隨著相干激光雷達試驗床的建立和不斷完善，后續研究和解決的難點主要將集中在以下幾個方面：

1） 微動目標雷達特征分析

微動引起的雷達信號調制包括時域、頻域、極化域、RCS調制，目前國外研究人員主要集中于研究微動目標回波信號的瞬時頻率特征，對于其他的幾個特征很少有研究。

2）多微動目標分辨

在實際應用中，目標可能包含多個微動分量，或有多個目標并且每個目標有各自的微動特性，因此，相關的研究需要深入下去。

3）微動目標的參數估計

微多普勒是估計目標參數的前提，目前國外的研究重點放在時頻分析中，對于點目標、線目標、體目標的參數估計研究較少。目前的時頻分析如短時傅立葉變換、WVD變換的能力和精度對于估計參數還不夠準確，尚有待改進。

4）建立完善的目標識別系統

微動是目標的特有信息，在目標識別方面有著特殊優勢。要對特定的軍事目標進行識別，就需要建立完善的軍事目標的微動特征和參數庫，例如對于每種型號軍事目標的質量分布特征、慣量比、發動機引擎調制特征等。今后的研究側重點將是建立較為完善的微動目標雷達特征體系、形成統一的微多普勒信號分析與目標識別方法，逐步將識別對象從簡單的點、線目標向復雜微動目標推進。這樣才能使微多普勒目標識別技術逐步成熟起來。

6.結語

在以單頻激光器為光源的相干激光雷達系統中，利用時頻變換的方法，已成功地觀測到了微多普勒頻移，同時還利用觀測到的不同物體的微多普勒頻移特征，進行了初步的運動狀態識別實驗。本文針對期工程化應用若干關鍵難題作了分析研究，并提出了解決思路。作為基于相干激光雷達的激光微多普勒探測技術，如何從無線電雷達已有的成熟技術特別是信號處理技術中吸取有益的思想，結合現有的激光雷達技術和特點取長補短，還有很多技術需要研究。

參考文獻：

[1] Chen V C ， Li F Y， Ho S S. Micro-Doppler effect in radar-phenomenon ， model and simulation study [ J ] . IEEE Transactions on Aerospace and Electronic Systems， 2006 ， 42 （1） ： 2 - 21.

[2] Chen V C. Micro-Doppler effect of micromotion dynamics ： a review[ C] ∥ Proceedings of SPIE on Independent Component Analyses ， Wavelets ， and Neural Networks ， Orlando， UAS ，A p r. 2003 ， 5102 ： 240 - 249.

[3] Camp W W ， Mayhan J T ， O’Donnell R M. Wideband radar for ballistic missile defense and Range-Doppler imaging of satellites[J ] . The Lincoln Laboratory Journal ， 2000 ， 12 （2） ：267 - 280.

[4]陳行勇，黎湘，郭桂蓉，姜斌. 微進動彈道導彈目標雷達特征提取[J ] . 電子與信息學報， 2006 ， 28（4） ：643 - 646.

[6]施西野，郭汝江，李明. 雷達微多普勒特征提取和目標識別研究現狀[J ] . 信息化研究， 2009 ，35（7） ：8 - 11.

[7] Stephen M. Hannon J . Alex Thomso ， Sammy W. Hendersonet al.Agile multiple pulse coherent lidar for range and Micro-Doppler measurement [ C] . SPIE ， 1998 ， 3380 ：259～269

[8] Wil Otaguro ， Cecil Hayes. Microdoppler ladar systems [ C ] .SPIE ， 2000 ， 4091 ：268～277

[9]張海洋，趙長明，蔣奇君，楊蘇輝，蘇必達. 基于相干激光雷達的激光微多普勒探測[J].中國激光，2008，35（12） ：1981 - 1985.

[10]何毅.外差探測系統的相位匹配研究[J ] .中國激光，1997 ， 4 （10） ： 930-931.

[11]Ma Zongfeng ， Zhang Chunxi ， Ou Pan ， et al.Application of fiber interferometer in coherent Doppler lidar [J ] . Chinese Opt . Lett . ， 2008 ， 5 （4） ：261-263.

第9篇：圖像識別技術的基本原理范文

1.18028型焊線機工作原理

本機利用超聲波摩擦原理來實現不同介質的表面焊接,是一種物理變化過程。首先金絲的首端必須經過處理形成球形(本機采用負電子高壓成球),并且對焊接的金屬表面先進行預熱處理；接著金絲球在時間和壓力的共同作用下,在金屬焊接表面產生朔性變形,使兩種介質達到可靠的接觸,并通過超聲波摩擦振動,兩種金屬原子之間在原子親和力的作用下形成金屬鍵,實現了金絲引線的焊接。金絲球焊在電性能和環境應用上優于硅鋁絲的焊接,但由于用貴金屬的焊件必須加溫,應用范圍相對比較窄。

圖1.18028型焊線機

1.28028型焊線機的結構組成

1.2.1新型的料盒承載系統

新式料盒承載系統：90mm寬的軌道容量，優化的速度可滿足客戶的應用需要，實現高產量，并提高工作效率。簡潔的料盒手柄設計：采用簡化設計，使之更加可靠并易于轉換。

1.2.2圖像識別系統

新式圖像采集引擎：強健的操作為不同的管芯和引線框架原料提供了最高的精確性和識別率。

1.2.3新式NV-照明

采用工程照明源，為小型管芯提高了識別率。先進的圖像采集技術：經過改良的處理周期，視點關聯性和向前的光學特性為當今受成本驅動的封裝行業提出了新的標準。

1.2.4K&S檢驗技術

高分辨率的X/Y臺面，適合高速的高解析度的X/Y工作臺，采用高性能的工作臺及其出眾的可重復性配置，提供了更快的焊接速度。使用先進的輕質材料，卻不降低硬度。

1.2.5高性能的伺服馬達技術

經過檢驗的線性馬達技術為高速焊接提供了最快的響應時間，且在大量生產及長期使用中驗證了其可靠性。

1.2.6µT-超聲波傳感器

在最小沖擊力下能夠有效地發送穩定的超聲波。

1.2.7Pro-Pulse夾線系統

快速的開閉動作，降低了焊接的整個周期、減少了維護量并提高了過程監控能力。

1.2.8Precision-ArcEFO系統

穩定的初始球（free-air-ball）控制確保高產量及出色的焊接良品率。

1.38028型焊線機的特點

本機的焊頭架采用垂直導軌上下運動方式（Z向運動）二焊移動（跨距）通過焊頭架水平導軌運動實現（Y向運動），兩種運動均采用進口步進電機驅動，因此本機的一焊和二焊的瞄準高度，拱絲高度，跳線距離均可真正實現數字控制，從而保證了焊接的質量穩定，焊點控制精確，焊線質量重復率高，拱絲高度一致性好的優點；該機的二焊點可設定為自動焊接，操縱者只要需按一下操縱盒上的很界按鈕即可按照操作員設定的參數完成整個焊接過程，使焊接速度更快，可以大幅度的提高單班產量（不同產品，產量可達每小時3000條線）。本機特有的多焊線全記憶功能使之在高端產品的應用上得心應手，滿足了產品的高性能要求。8028Maxµmultra融合諸多技術改進，堪稱當今綜合封裝應用的最佳選擇。新型的焊接壓力控制系統采用了壓電傳感技術，在不增加焊具沖擊力的情況下，即可實現更高的焊接頭速度。新型的微處理器控制系統提供了更快的處理能力，更有PC風格的USB功能來實現更為簡單的軟件和數據處理。另有一套增強型焊線進線/拉伸系統，降低了焊線進線途中的摩擦力，從而以更高的速度達成弧度控制的一致性。

（1）自動雙向焊接第二點,且三軸(焊頭,位移,送料)同步運行,大大提高了焊線的速度,對于兩條線的藍白管特別適用

（2）焊線速度可達(4-6K/H)自動機一般速度在8-12(K/H)

（3）不同操作模式,可以適用不同的初學者,熟練工及固晶不良,框架不良的影響

（4）計算機控制弧度形成,弧度可能是國內最好的

（5）由于采用自動檢測瓷嘴是否到位和數控調整一檢,二檢高度,對一焊,二焊高度差較大的器件,也同樣應對自如

（6）負電子成球(EFO),成球大小精確可調,一致性好,為此,可以大大節約金絲和提高劈刀的壽命

（7）調整方便,各種參數(超聲功率,時間,壓力,溫度,燒球,弧度,尾絲,瞄準點高度,跨度等)均置于面板上,用旋鈕調節

（8）溫度采用PID系統,精確,穩定

（9）燒球不成功，自動報警

28028型焊線機設備故障診斷技術

2.1故障機理

通常我們說設備工作正常是指它具備應有的功能，沒有任何缺陷，或雖有缺陷但仍在容限范圍內。異常是缺陷有了進一步發展，使設備狀態發生變化，性能惡化，但仍能維持工作。故障則是缺陷發展到使設備性能和功能都有所喪失的程度。

設備的異常或故障是在設備運行中通過其狀態信號變化反映出的。由于監測與故障是在設備不停機的情況下進行的，因此必然以狀態信號為依據。二次效應就是設備在運行中出現的各種物理的、化學的現象，如振動、噪聲、超聲功率,時間,壓力,溫度,燒球,弧度,尾絲,瞄準點高度,跨度等，這些都是焊線機設備運行所固有的。監測與診斷就是要快速、準確地提取設備運行時二次效應所反映的特征。

2.2焊線機的故障診斷過程

2.2.1狀態監測

主要是測取與設備運行有關的狀態信號。狀態信號是故障信息的唯一載體，也是診斷的唯一依據。因此在狀態監測中及時、準確地獲取狀態信號是十分重要的。

狀態信號的獲取主要是依靠傳感器或其它監測手段進行故障信號的檢測。焊線機檢測中主要有以下幾個過程：

（1）信號測取：主要是通過電量的或傳感器組成的探測頭直接感知被測對象參數的變化（如：當焊線機在焊線過程中出現二焊點脫落時，金線就會和地面形成回路，系統會自動報警）；

（2）中間變換：主要完成由探測頭取得的信號的變換和傳輸；

（3）數據采集：就是把中間變換的連續信號進行離散化過程。數據是診斷的基礎，能否采集到足夠長的客觀反映設備運行狀態的信息，是診斷成敗的關鍵。

2.2.2特征提取

就是從狀態信號中提取與焊線機設備故障有關的特征信息。狀態檢修這樣一種新的檢修策略，它建立在對焊線機設備狀態監測和對設備故障診斷技術上，根據焊線機設備的運行狀態和健康狀況，進行預知性作業。隨著傳感技術、微電子、計算機軟硬件和數字信號處理技術、模糊集理論等綜合智能系統在狀態監測及故障診斷中的應用，使基于設備狀態監測和先進診斷技術的狀態檢修研究得到發展，成為故障診斷系統中的一個重要研究領域。實現焊線機設備狀態檢修的基礎是各種設備的狀態監測。狀態監測能準確、實時地反映焊線機設備的狀況和預測使用壽命，為檢修決策提供依據。

2.2.38028焊線機的故障診斷

故障診斷就是根據所提取的特征判別狀態有無異常，并根據此信息和其它補充測試的輔助信息尋找故障源。

你不能使用過去的工具來支持未來的制造生產。比如：一個簡單的元件正在三個不同的焊線機上處理，同時每個焊線機由不同的操作者運行。新型MES系統將能回答下列問題：

哪個操作者與元件有關？

哪個焊線機將會被MES系統記錄？

哪個金屬線軸在組裝元件時被使用？

如果金屬絲有缺陷，哪個部分需要重做？

當金屬絲拖拉檢測進行時，哪臺設備是作為信息源頭被記錄的？

設備人員怎樣知道哪個工具需要維護?

設備人員怎樣使用設備來檢測沒有記錄的問題？

新型MES結構提供元件轉移的靈活追蹤，此轉移獨立于設備行為。結果是輸入事務變得簡單了，但全面的記錄和分析卻變得更多了。有關自動生產、周期時間和參量數據收集的過程信息被剛好獲得了，這些信息來自操作者、設備、生產線、元件和產品。

2.38028型焊線機的故障診斷原理

設備診斷是利用被診斷的對象（焊線機）提供的一切有用信息，經過分析處理以獲得最能識別設備狀態的特征參數，以便做出正確的診斷結論。焊線機設備運行時產生多種信息，當其功能逐漸劣化時，就出現相應的異常信息，如機器的狀態變化而產生的異常振動、噪聲、溫度、超聲功率等信號；焊線機劣化過程產生的磨損微粒、油液及氣體成分變化的化學信號等。利用檢測儀器對最敏感的故障特征信號進行狀態監測，做出正確的分析和診斷，可以及時預測機器設備可能發生的故障。

傳感器安裝在診斷對象（焊線機設備）上，以傳遞溫度、壓力、振動、變形等信號，這些信號進一步轉化為電信號，輸入到信號處理裝置，在信號處理裝置中將輸入的診斷信號與預先儲存在系統內的標準信號進行比較，標準信號是根據事先積累的大量數據資料和實際經驗分析歸納而制定出來的判定標準，是設備各種參數的允許值。通過比較做出判斷，確定故障的部位和原因，預測可能發生的故障。

38028型焊線機的常見的故障及診斷排除

焊線機在工作過程中最常出現的故障有引線短路、鋁柱狀突起、一焊點不粘、二焊點脫落、各種誤測報警、斷線、球規等等。由于線弧異常、頸部靠等因素造成的引線短路是最常見的故障；另外，由于溫度的原因造成在鋁晶粒的邊界，應力釋放，形成鋁的柱狀突起缺陷也是常見的故障之一。因此，本章第一節主要介紹了封裝中的引線短路現象及診斷排除，第二節主要介紹了高溫厚鋁濺射時柱狀突起缺陷現象及診斷排除。

3.1采用交叉引線技術維修焊線中的引線短路

在焊線機工作過程最常出現的故障中，由于線弧異常、頸部靠等因素造成的引線短路是最常見的異常之一。下面主要介紹設備人員在解決引線短路所采用的方法。

引線鍵合工藝中常見的缺陷之一就是引線短路的問題。單個芯片中的兩根導線上會產生這種現象，多個芯片應用中更為復雜的精細引線上也會出現這種現象。考慮到引線鍵合工藝的復雜性，我們認為芯片密封工藝期間成型復合材料的反向流動是影響引線短路的重要因素，因此分析起來就更加復雜。根據工藝、封裝、工藝環境、材料和應用領域的不同，所采取的解決方法也會有所不同。失效機理不同解決方法也就不同，所采用的解決辦法可從改變環路參數到改變芯片位置，方法很多，也各不相同。本文著重介紹了設備人員采用交叉引線技術與優化成型轉移參數分布相結合的方法解決引線短路問題。我們將引線交叉技術作為當前解決間斷性電短路問題的最佳手段。此外為了控制引線短路，我們還對成型工藝做了一些相應的變化和調整。

金(Au)、鋁(Al)和銅(Cu)都是引線鍵合工藝中最常用的引線材料。引線的作用是充當半導體芯片與引線框架或基板之間的一級互連。圖3.1給出了芯片與引線框架（多芯片與單芯片應用）之間一級互連變化情況的典型實例。

圖3.1采用金引線鍵合技術時的一級互連變化情況

引線的直徑一般在0.8至20mils之間，分為細引線和粗引線兩種類型。直徑小于2mils的引線稱為細引線，而直徑大于2mils的引線稱為粗引線。如果不考慮引線材料的影響，引線鍵合缺陷表現有幾種常見的失效模式。其中最為常見的失效模式就是引線與引線之間的短路，一般稱為“短路”。圖3.2示出了引線短路的實例。

圖3.2引線與引線之間的短路，即通常所稱的“短路”現象

3.1.1引線與引線間的短路現象

不同的短路現象具有不同類型的失效機理。最令用戶擔心的失效類型是某些電短路失效已經產生，但在單元測試工藝期間由于讀數時斷時續或模糊不清而造成漏測。圖3.3示出了可能使測試過程中讀數不連續的典型的短路現象。在這種失效模式中，造成短路測試讀數不連續的罪魁禍首就是薄薄的塑封成型復合材料。

圖3.3由于接觸面上覆蓋著一層極薄的塑封成型復合材料，因而導致了單元測試讀數的時斷時續

3.1.2造成引線短路的因素

考慮到器件或封裝的類型會有所不同，要確定鍵合焊盤的結構和引線的粗細程度就必須對引線的性能進行全面的了解。完成引線鍵合工藝需要考慮的一個重要因素就是環路的高度。尤其是當鍵合焊盤的節距非常緊湊或當鍵合焊盤的設計不同時（如圖3.4所示），對環路高度的優化設置就顯得更加重要。

圖3.4通過本環路高度模擬結果可看到，引線拉細有可能導致引線折斷和引線松垂等問題

因此，通過對環路類型的選擇、優化環路高度、鍵合焊盤節距間隔等因素進行綜合考慮就可以找到一種較為合理的技術選擇。圖3.5示出了環路高度、鍵合節距間隔的調節與引線拉細以及引線松垂之間的相互關系。一旦獲得最佳的結構，即可將這一方案應用于下一步成型密封研究中，從而揭開導致引線短路現象產生的真正原因。

圖3.5對環路高度和鍵合節距間隔進行調整時的典型引線特性

3.1.3引線短路的故障排除方法

成型密封工藝對引線短路與成型流程機理間的有著十分重要的關聯。就引線位置而言，加壓成型的流動方向會對引線的偏距造成一定的影響。

必須對相關的成型參數進行成型表征并對其加以識別。根據研究結果，可以將成型轉移壓力做為一個重要的影響參數進行考慮，對其進行表征以獲得最佳值和較高的安全允許范圍。

解決方案：考慮了三種實驗設計方案：環路參數表征、與交叉引線技術相結合的環路類型選擇、優化成型轉移分布。

環路參數表征：

我們采用現有的材料、引線鍵合設備、成型工藝和條件對10條引線進行了實驗，以確定引起引線短路的最大環路參數。

主要考慮了三種成型參數：第一種是轉移壓力，第二種是停頓時間，第三種是轉移速度。上述全部參數，在其改變前后都進行了收集和監測。

必須研究用交叉引線技術對引線鍵合環路參數進行表征的結果與成型轉移分布之間的相互關系以獲得最佳的工藝參數。同時還要衡量運用交叉引線技術的效果。

采用交叉引線技術時對引線鍵合環路類型的選擇

對正常環路型和梯形環路型兩種環路類型進行了考慮并對兩種類型加以比較。因為梯形環路中形成的第二個扭結的特點非常適合作為額外保護結，用以防止成型流動效應引起的引線偏差，因而我們選擇了梯形環路。為了提高引線鍵合的效率，使用交叉引線技術。首先要從修改參數上實現一個目標，即同一個接地引腳中的每一條引線不會導致任何的短路機理，每一條引線都得到相互支撐而不是只支撐孤零零的一條引線，這種方法具有一個重要的優點，再與交叉引線布局方法相結合就可以解決引線短路本身的隔離問題。雙引叉引線產生的嚴重的引線彎曲結果說明，引線平均擺動最低，在結果一定的情況下，我們選擇了采用交叉引線技術的雙引腳作為這兩種方法中較好的引線布局設計。

對轉移壓力和時間進行調整和優化之前和之后都要進行上述分析。對這些參數完成優化之后，即可發現轉移參數分布會有所改善，而且就引線偏差而言最終產品的質量還會有所提高。我們發現采用交叉引線技術與優化成型轉移參數分布相結合的方法可以徹底消除由成型工藝流程影響而導致的引線短路現象。

3.2高溫厚鋁濺射時柱狀突起故障診斷與排除

本節介紹了高溫厚鋁濺射（Alsputter）時柱狀突起缺陷（whiskerdefect）的產生原因，針對影響柱狀突起缺陷的各個因素，進行分析診斷，數據化各因素的影響程度，找出最大的影響因素，實現了一種在現有的設備條件并保證產品質量的前提下，以最小成本控制和優化鋁柱狀突起缺陷的方法。

濺射法是在半導體制程焊接中用于鋁互連線淀積的最主要方法，基本原理：在工藝腔中形成等離子體環境，用帶正電的氣體離子氬轟擊靶材，把動能直接傳遞給靶材原子，從而使靶原子逸出，淀積在襯底材料上的物理化學過程。氬不斷轟擊靶材，靶原子不斷淀積在襯底材料上，在此過程中會產生大量熱量，從而導致工藝腔升溫，工藝腔需要有良好的溫控系統。在某一制程中，由于大電流通過的要求，頂層金屬鋁需要加厚到一定厚度，濺射時溫度設定為300℃，在現有的工藝條件下，連續濺射淀積如此厚的金屬，在鋁濺射完成后產生大量缺陷，由于此種缺陷目視時為沿鋁晶粒邊界的柱狀突起，定義此種缺陷為鋁柱狀突起缺陷（Alwhiskerdefect）。質量與成本在生產過程中永遠是對立統一的兩面，尋求兩者的平衡是工業化的基礎。在設備成本增加最少，設備生產效率影響最小的前提下，控制和排除鋁柱狀突起缺陷，使得其對質量無影響，是本節討論的目標。

3.2.1鋁柱狀突起缺陷形成診斷分析

某產品在風險量產時，頂層鋁刻蝕后在線缺陷檢測發現大量缺陷，全數檢測此批次產品所有硅片，所有硅片都缺陷超標。生產線停止，設備檢查，并對生產線上其它產品進行缺陷檢測，未發現缺陷超標，初步判斷只是此批工藝產品缺陷超標。針對此問題進行分析定位。

圖3.6鋁濺射后顯微鏡下的照片圖3.7鋁濺射后掃描電鏡下的照片

圖3.8鋁刻蝕后顯微鏡下的照片圖3.9鋁刻蝕后電鏡下的照片

3.2.2缺陷的分析、定位過程

頂層鋁刻蝕完成后在線檢測發現大量缺陷，顯微鏡下目視為小黑點（圖3.8）。

掃描電鏡觀察為柱狀突起刻蝕殘留（圖3.9），進行成分分析，確定殘留物的主要成分為鋁。

對鋁刻蝕前可能產生缺陷的工藝步驟進行分析，設備狀態確認,增加在線檢測，尋找缺陷的來源。

頂層鋁濺射后在線檢測發現大量缺陷，顯微鏡下目視為小黑點（圖3.6），掃描電鏡觀察為柱狀突出（圖3.7），跟蹤此缺陷，在鋁刻蝕后此缺陷表現為柱狀突起刻蝕殘留（3.9），確定缺陷為鋁濺射產生。

檢查工藝設備歷史記錄，未發現異常。同一工藝腔進行重復試驗，檢測到缺陷。用其它設備的同樣工藝腔重復試驗，檢測到缺陷。判斷與此制程產品的鋁濺射工藝有關。

追加掃描其它層次鋁濺射，未發現同樣缺陷。進行不同厚度鋁濺射，薄鋁條件時未發現缺陷，厚鋁條件時缺陷數量增多。判斷此種缺陷的產生與鋁厚度有關。

3.2.3工藝條件對鋁柱狀突起缺陷的影響分析

在上面的分析中已確定了鋁柱狀突起缺陷的產生原因：溫度積累產生應力釋放。在工藝過程中影響溫度的原因有很多：濺射壓力、功率、濺射速率、鋁厚度、工藝腔真空度、加熱臺溫度設定和靶材壽命等。現在我們需要在這些條件中找出對缺陷影響最大的因素。

工藝條件比較：通過對濺射時每一片硅片的工藝參數比較（濺射功率、工藝腔真空、壓力條件、濺射實際時間和濺射穩定時間等），一個批次濺射時第一片硅片和最后一片硅片工藝條件無差異。

設備條件比較：通過對每一片硅片工藝時的設備參數比較（硅片進入工藝腔前后的真空度比較、冷卻水流量比較、工藝腔加熱臺溫度設定比較等）發現工藝腔加熱臺溫度第一片硅片和最后一片硅片存在差異，使用溫測硅片（TCwafer）測量發現不同硅片間有20℃以上的差異。

溫度是產生鋁柱狀突起缺陷的最主要因素，之所以缺陷數量隨濺射硅片數量的增加而增加是由于連續濺射，濺射時的等離子體連續轟擊工藝腔，造成工藝腔加熱臺溫度由于散熱效率不夠而升高，濺射的越多，溫度越高，缺陷數量越多。

3.2.4鋁濺射時溫度變化分析

鋁柱狀突起缺陷產生原因找到，影響最大的因素“溫度”也找到了，現在的問題是如何控制“溫度”。為了不降低設備生產效率（改變工藝條件，降低濺射速率也可以有效控制溫度，但嚴重降低設備效率），我們從分析分析工藝腔的構造入手，尋找控制硅圓片“溫度”的方法。

3.2.5硅片熱源的診斷分析

濺射時的等離子體轟擊，使硅片升溫的主要因素。硅片加熱臺（waferheater）的加熱作用（使硅片保持在一個穩定的溫度狀態），工藝時間較短時，加熱硅片，但在此工藝中，硅片由于等離子的轟擊作用產生的升溫，遠高于加熱臺加熱的升溫，此時加熱臺起降溫作用。

3.2.6硅片散熱方式

輻射散熱，但工藝腔為高真空，效率很低。

通過熱傳導散熱：

（1）加熱臺熱傳導：在加熱臺下方有冷卻水循環，以保證加熱臺能夠在設定的溫度范圍內（＋/-10℃）。我們的工藝腔是普通爪式夾具加熱臺（Clampheater），控溫能力有限，在高溫厚鋁濺射時對溫度的控制很差（設備供應商處已有靜電吸附式加熱臺）可以有效的控制溫度，但成本高）。

（2）直接接觸硅片的爪式夾具（Clamp）通過與其它部件的接觸，熱傳導散熱：在此工藝中爪式夾具也被等離子體轟擊，并且材質為金屬，受等離子體轟擊的面積也大，升溫很快，實際對硅片起加熱作用。

3.2.78028型焊線機的工藝腔控溫方式

工藝腔主體有獨立循環冷卻水，溫度可以得到很好的控制。

靶材部件有獨立循環冷卻水，溫度可以得到很好的控制。

加熱臺有獨立循環冷卻水，但在此種長時間的工藝過程中，本文中設備使用的普通爪式夾具加熱臺（Clampheater）無法有效控制硅圓片溫度。

爪式夾具及其接觸部件Clamp，無循環冷卻水，完全依靠本身材料散熱，溫度控制差。

3.2.8故障排除辦法

給爪式夾具及其部件降溫是我們現在可行的方法。成本最低是我們的目標，設備人員動手改造工藝腔給爪式夾具部件中的適配器添加一路循環冷卻水,通過熱傳導作用，降低爪式夾具部件溫度，從而給硅片降溫。為了確認爪式夾具部件增加循環冷卻水后對鋁柱狀突起缺陷的影響，比較增加前后的兩個批次（試驗條件：連續濺射厚度為3萬埃的一個批次硅片，檢測第2、6、11、18、25片硅片，比較缺陷數量）硅圓片的缺陷檢測結果：增加循環冷卻水后，缺陷數量明顯減少。爪式夾具部件增加循環冷卻水后，能夠有效的減少鋁柱狀突起缺陷。