量骨架树形状描述及有关识别算法在般二维物体的匹配中，只要拓扑骨架的提取足够精确，基于骨架树的拓扑相似性度量已能对大部分的二维物体进行有效的拓扑分类但对于拓扑相同而形状不同的物体，由拓扑匹配算法所得的拓扑距离均为零，这说明仅仅对其进行拓扑匹配还无法区分这些物体，还需要进步的形状匹配加以区分对于那些形状特征较为复杂的物体，骨架的小分支数较多，如果仅仅考虑其拓扑信息，有时会给匹配结果带来偏差为了对物体进行更为精确的匹配，要求在骨架匹配中既抓住其最主要的拓扑特征也要考虑其形状的信息，不仅对其拓扑相似性进行度量，还要对其形状相似形进行度量形状特征描述对于二维图像，物体的形状特征般包括物体的面积长短边界弯曲程度，骨架是骨架枝的集合，骨架枝包含着物体中轴的位置和最大圆半径，相当于代表着物体的面积长短弯曲程度等形状信息，所以骨架基本上可以表征物体绝大部分的形状特征这样可以利用骨架枝匹配距离度量骨架枝对应的性状的相似程度为了能够计算骨架枝间的匹配距离，消除尺度变换对形状匹配结果的影响，需要对骨架枝进行归化处理下面介绍详细的方法设骨架枝为，为该骨架枝上点的坐标，是该点对应的最大内切圆半径归化的基本思想是通过骨架枝坐标平移旋转拉伸等操作将骨架枝曲线的两个端点的连线变换到轴正向上，其起点置于原点，终点置于点，处通过这些操作，将骨架枝化为以同坐标为参数的形式，从而方便在相同的坐标区间和参数下对两个骨架枝进行比较，通过拉伸系数来度量骨架枝曲线在长度上的差异同时，对半径的归化可以消除尺度变换对匹配结果的影响，使得形状相似度计算忽略缩放的因素基于拓扑和形状相似度结合的识别算法在形状匹配中，两个骨架枝的匹配距离表示了骨架枝的近似程度，也即是各自代表的形状间的相似性距离越小则表明两个形状间越相似在两个骨架的骨架枝之间建立最佳匹配关系，则骨架的形状匹配距离定义为建立最佳匹配关系的骨架枝的匹配距离之和如果在建立最佳匹配关系时，考虑的是拓扑相似性的最佳匹配结果，则可以建立基于拓扑和形状相似度结合的最佳匹配结果，有效度量物体间的相似性结论本部分在宋婷骨架树研究的基础上重新整理分析了相更优的匹配效果当然，基于骨架的图像识别技术是个相当广泛的体系这里论文只是在定的假设条件下，就其中的几点要素展开论述和证明，真正能投入到实际应用中还需要多方面的综合处理基于骨架的目标表示和识别技术尚有很多问题需要探讨研究和解决，作者相信，随着各项理论的进步完善和技术的进步发展，有关骨架的目标表示和识别技术必将取得丰硕的成果参考文献，，，，，，致谢本论文是在导师柳长青的悉心指导下完成的，从选题研究实验，直至论文的最后完成，其中任何点成绩的取得都离不开柳老师的关怀和点拨柳老师他严谨求实的治学态度渊博的学识严格的要求和耐心的教诲对我的学士论文的顺利完成起着至关重要的作用，也将使我终生受益在此向柳老师致以最真诚的感谢衷心感谢计算机系的各位老师，他们不仅教给我知识，更重要的是教给我严谨的治学态度和科学的学习方法，使我在学习的道路上不离散数字图像的情况，本文的方法提取的骨架可以更好满足骨架的基本性质，更能适应计算机识别中的各种情况然而，要想达到最初的设计初衷，还需要进步深入的研究目前，本文用曲线演化得到物体的视觉重要部分只是单单从边界信息方面提取物体的这个主要部分，其中也存在些不尽人意的地方要准确表达人类视觉感知最突出的部分，还需要借助边界结构面积分布等因素，运用综合优化的策略才能得到期望的结果这会涉及到人类认知学图像图形学模糊理论优化理论等多门学科的知识，将是个具有很大应用前景和智能化程度很高的发展方向骨架树描述及有关识别算法研究骨架树的基本概念图像识别是计算机视觉的重要组成部分，图像的识别过程就是将目标图像的描述与模型库中模型的描述进行相似性度量，通过数值化的差值决定匹配结果的过程图像识别系统中用于匹配的方法很多，它主要由图像描述的方法来决定因此骨架的描述是骨架应用中的重点和难点问题之从国内外的研究方面来看，大部分的侧重点是基于图的相似性匹配这些方法通过人为的指定骨架间的对应位置，评估骨架枝的变形程度，从而得到骨架枝的相似程度过多的人为因素，使得这类方法只能成为种研究性的探索活动，无法真正应用到实际的机器识别活动中论文对于骨架描述问题进行了较为全面的研究，在有效分析了相关的描述里第种是基于不变矩的骨架描述，第二种是基于骨架树的描述方式，利用树的金字塔式结构特点组织骨架的拓扑形状信息基于几何特征的树结构匹配方法用于图像描述时，物体几何特征尤其是基本的拓扑特征表达效果突出明显，并且简单容易操作，在识别系统的应用中有着得天独厚的优势因此我们对此进行了进步的研究，在宋婷骨架树研究的基础上改进了形状相似性度量方法，使得拓扑相似性度量和形状相似性度量实现有效结合，建立起个由上到下由粗到精的图像相似度匹配度量策略骨架树模型的建立骨架表征了物体的拓扑特性和形状特性，形状特性描述物体的轮廓形状，拓扑特性可认为是物体各部分间的连接关系我们将骨架的拓扑特性映射到个树状结构中，称之为骨架树为了建立骨架树，将骨架上的点分为三类分叉点端点和连接点仅有个邻接点的骨架点称为端点有两个以上邻接点的骨架点称为分叉点骨架上除分支点和端点外的点称为连接点如果两个骨架点之间仅含有连接点则称这两个点是直接相连的直接相连的两个骨架点之间的所有连接点的集合称为骨架枝对于大部分仿射状物体，我们把最大内切圆半径最大并且靠近物体重心的骨架点作为根节点这样，根节点尽量位于物体的中心且代表了最重要的形状信息确定了根节点后，把与根节点直接相连分叉点或端点作为根节点的子节点之后，对每个子节点用同样的方法找到各自的子节点，直到骨架上所有的分叉点和端点都在骨架树中此时，骨架就转化为个骨架树骨架树的层次和节点间的连接关系反映了骨架的拓扑特性，对骨架树的匹配计算可以实现物体拓扑相似性的度量此外，骨架枝代表了物体个部分的形状信息，在骨架提取中计算出骨架点的特征信息如骨架点的分支数最大半径等使骨架树的节点包含形状的信息，还可以进行物体形状相似性的度断前足要求为止。联机调试打开编程设备，将下位机程序下载到中，并将设置为状态，关闭编程设备。在组态环境中单击主菜单中的进入运行环境按钮，进入监控运行界面。最终的联机运行结果正确，部分结果图见图。图效果图调试中出现的问题经过设计，想次性把程序完成是非常难的，在调试中就出现了的。刚开始的时候把程序写进去，在运行时却发现有些灯亮不起来而且完成了个不正确的状态流程。当时不知道从哪里入手，只好条条地检查，发现有个接通延时定时器的时间设置出现了差错。修改过后，输出信号的灯按照正常的状态流程循环亮起来。在进行上下位机的联机调试时，需要在运行的同时进行监控，于是在程序下载到之前，通过中间继电器代替输入，这样可以与的输出和组态监控的外部变量正确连接起来，才能实现上位机对交通灯的监控。监控过程中发现了上位机界面中有个外部变量不变化我学知识，接受高等教育,他们的支持是促使我克服困难不断进步的坚强动力，我今后将努力进取，不断进步，来感谢你们的恩情,还有所有帮助过我的同学朋友们，本论文的顺利完成，更离不开各位同学朋友的关心和帮助，谢谢你们,附录的的规范本机数字输入输出输入输出输入输出输入输出数字映像区入出模拟映像区无入出入出允许最大的扩展模块无模块模块允许最大的智能模块无模块模块脉冲捕捉输入高速计数单相两相个计数器个个个计数器个个脉冲输出个仅限于输出附录的的输入规范常规输入类型漏型源型类型漏型额定电压,最大持续允许电压浪涌电压,逻辑最小,逻辑最大,输入延迟可选至,输入点具有固定延迟连接线接近开关传感器允许漏电流最大隔离现场与逻辑光电隔离隔离组是,分钟见外部接线图高速输入速度最大逻辑逻辑单相两相同时接通的输入摄氏度时所有的输出电线长度最大屏蔽非屏蔽普通输入米，输入米普通输入米附录的的输出规范常规输出继电器输出类型固态干触点额定电压或电压范围或浪涌电流最大,触点闭合逻辑最小,最大电流逻辑最大，负载每点额定电流每个公共端的额定电压最大漏电流最大и灯负载最大感性嵌位电压减，功耗接通电阻接点最大新的时候的最大值隔离光电隔离现场到逻辑逻辑到接点接点到接点电阻逻辑到接点隔离组，分钟见外部接线图，分钟，分钟见外部接线图延时断开到接通接通到断开最大切换最大и和и其他脉冲频率最大和机械寿命周期无负载触点寿命额定负载同时接通的输出摄氏度时，所有的输出摄氏度时，所有的输出，最后发现原来是上位机设计中变量连接出现了漏洞，后来连接改善之后，监控界面也达到了预想的要求。虽然找是个枯燥无味的工作，但只要耐心去做的话，肯定能学到有用的东西。第七章总结我设计的课题是交通信号灯控制设计，虽然这个课题和生活联系很紧密且比较简单，但对于我个外专业的人来说还是有定的难度。俗话说万事开头难，开始我没有头绪，但是在徐老师的指导下，我慢慢的就理解了这个设计。首先我自己查找资料学习相关知识，在了解透彻的情况下，老师又给我具体讲解这次设计的思想，把具体的要求给我，然后又给我提出了些在设计过程中可能会遇到的问题让我加以注意。分析这些问题量骨架树形状描述及有关识别算法在般二维物体的匹配中，只要拓扑骨架的提取足够精确，基于骨架树的拓扑相似性度量已能对大部分的二维物体进行有效的拓扑分类但对于拓扑相同而形状不同的物体，由拓扑匹配算法所得的拓扑距离均为零，这说明仅仅对其进行拓扑匹配还无法区分这些物体，还需要进步的形状匹配加以区分对于那些形状特征较为复杂的物体，骨架的小分支数较多，如果仅仅考虑其拓扑信息，有时会给匹配结果带来偏差为了对物体进行更为精确的匹配，要求在骨架匹配中既抓住其最主要的拓扑特征也要考虑其形状的信息，不仅对其拓扑相似性进行度量，还要对其形状相似形进行度量形状特征描述对于二维图像，物体的形状特征般包括物体的面积长短边界弯曲程度，骨架是骨架枝的集合，骨架枝包含着物体中轴的位置和最大圆半径，相当于代表着物体的面积长短弯曲程度等形状信息，所以骨架基本上可以表征物体绝大部分的形状特征这样可以利用骨架枝匹配距离度量骨架枝对应的性状的相似程度为了能够计算骨架枝间的匹配距离，消除尺度变换对形状匹配结果的影响，需要对骨架枝进行归化处理下面介绍详细的方法设骨架枝为，为该骨架枝上点的坐标，是该点对应的最大内切圆半径归化的基本思想是通过骨架枝坐标平移旋转拉伸等操作将骨架枝曲线的两个端点的连线变换到轴正向上，其起点置于原点，终点置于点，处通过这些操作，将骨架枝化为以同坐标为参数的形式，从而方便在相同的坐标区间和参数下对两个骨架枝进行比较，通过拉伸系数来度量骨架枝曲线在长度上的差异同时，对半径的归化可以消除尺度变换对匹配结果的影响，使得形状相似度计算忽略缩放的因素基于拓扑和形状相似度结合的识别算法在形状匹配中，两个骨架枝的匹配距离表示了骨架枝的近似程度，也即是各自代表的形状间的相似性距离越小则表明两个形状间越相似在两个骨架的骨架枝之间建立最佳匹配关系，则骨架的形状匹配距离定义为建立最佳匹配关系的骨架枝的匹配距离之和如果在建立最佳匹配关系时，考虑的是拓扑相似性的最佳匹配结果，则可以建立基于拓扑和形状相似度结合的最佳匹配结果，有效度量物体间的相似性结论本部分在宋婷骨架树研究的基础上重新整理分析了相更优的匹配效果当然，基于骨架的图像识别技术是个相当广泛的体系这里论文只是在定的假设条件下，就其中的几点要素展开论述和证明，真正能投入到实际应用中还需要多方面的综合处理基于骨架的目标表示和识别技术尚有很多问题需要探讨研究和解决，作者相信，随着各项理论的进步完善和技术的进步发展，有关骨架的目标表示和识别技术必将取得丰硕的成果参考文献，，，，，，致谢本论文是在导师柳长青的悉心指导下完成的，从选题研究实验，直至论文的最后完成，其中任何点成绩的取得都离不开柳老师的关怀和点拨柳老师他严谨求实的治学态度渊博的学识严格的要求和耐心的教诲对我的学士论文的顺利完成起着至关重要的作用，也将使我终生受益在此向柳老师致以最真诚的感谢衷心感谢计算机系的各位老师，他们不仅教给我知识，更重要的是教给我严谨的治学态度和科学的学习方法，使我在学习的道路上