本文的主要研究內(nèi)容是紅頭文件圖像的識別和軍人圖像中軍裝的識別。隨著互聯(lián)網(wǎng)的普及程度越來越高,無紙化辦公的推廣,很多單位、部門都使用計算機來處理公文。并且近年來移動互聯(lián)網(wǎng)的用戶不斷增加,智能手機幾乎成為人們的隨身物品,一些包含重要信息的紙質(zhì)文件容易通過拍照、掃描等方式以圖片形式存儲。無紙化辦公帶來了便利但也具有安全風(fēng)險,這些圖片很容易泄漏到網(wǎng)絡(luò)環(huán)境中。與此同時,由于智能手機使用便捷,軍人也很容易接觸互聯(lián)網(wǎng)。在《中國人民解放軍嚴(yán)密防范網(wǎng)絡(luò)泄密十條禁令》中有明確的要求,不能在微信等網(wǎng)絡(luò)聊天工具中發(fā)表可能存在涉密信息的圖像或是視頻,不能以軍人著軍裝的圖像作為微信頭像等。軍裝圖片在互聯(lián)網(wǎng)中的傳播是對軍隊保密工作的一個重大的挑戰(zhàn)。本文利用圖像處理技術(shù)和基于深度學(xué)習(xí)的圖像識別技術(shù)來檢測網(wǎng)絡(luò)中傳播的紅頭文件圖片和軍人圖片。本文的主要工作概括如下:（1）基于HSI色彩空間提取顏色特征,并結(jié)合Hough變換的方式提取紅頭文件的標(biāo)題特征區(qū)域和公章特征區(qū)域,使用OCR技術(shù)對標(biāo)題特征區(qū)域的文字進行識別。（2）提出一種簡化三元組損失,并融合softmax損失來構(gòu)建CNN模型對公章特征區(qū)域進行分類。CNN模型采用兩... 

【文章來源】：成都信息工程大學(xué)四川省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

RGB顏色模型

成都信息工程大學(xué)碩士學(xué)位論文第6頁共53頁異[24]�？梢岳镁�性或非線性變換將RGB色彩空間轉(zhuǎn)變?yōu)槠渌士臻g。2.1.2HSI色彩空間HSI色彩空間反映了人的視覺系統(tǒng)感知彩色的方式，以色調(diào)（H）、飽和度（S）和亮度（I）三種基本特征量來感知顏色[25]。HSI是面向用戶的，符合人類對顏色在視覺上的理解，主要使用色調(diào)和飽和度來表示顏色，同時能夠在一定程度上排除亮度對圖像整體的干擾，這些特點使得HSI模型非常適合彩色特性檢測與分析。HSI顏色模型可以由圖2-2的模型來表示。(a)HSI顏色模型(b)色調(diào)角度坐標(biāo)圖2-2HSI顏色模型圖2-2（a）是一個雙六棱錐，中軸表示亮度，色調(diào)以紅色為0度的起點，其角度范圍為[0，2π]。一張圖像在計算機中通常是以三通道的RGB模式來存儲的，要使用HSI色彩空間對圖像進行處理首先需要對色彩空間進行轉(zhuǎn)換。紅頭文件的標(biāo)題及公章主體顏色均為紅色，將待處理的紅頭文件圖像轉(zhuǎn)換到HSI色彩空間以便提取其明顯的特征。RGB轉(zhuǎn)換到HSI的公式如下所示。BGBGH2（2-1）other))(()()()(21cosarc02BGRBGBRGRBRGR（2-2）BGRBGRS),,min(31（2-3）

成都信息工程大學(xué)碩士學(xué)位論文第8頁共53頁個變量分別對應(yīng)參數(shù)空間中的縱坐標(biāo)軸和橫坐標(biāo)軸。在圖像空間中有一點，確定該點的坐標(biāo)，通過改變可以找到通過該點的所有可能的直線，在參數(shù)空間中會形成一個與該點對應(yīng)的正弦曲線。將圖像空間中的所有像素點都通過這種變換之后，可以在參數(shù)空間中找到一個相交曲線最多的點，從而找到圖像中的直線。圖2-3圖像空間到參數(shù)空間的轉(zhuǎn)換2.2.2Hough圓變換Hough圓變換即利用圓的標(biāo)準(zhǔn)方程將圓從圖像空間中映射到參數(shù)空間中[29]，方程如下：222byaxr（2-9）其中，r為半徑，（a,b）為圓心坐標(biāo)。Hough變換檢測圓形與檢測直線的原理差別不大，就是在參數(shù)空間中去擬合給定的方程。在直線方程中有兩個自由變量，而在圓的標(biāo)準(zhǔn)方程中有r、a和b三個自由變量，因此Hough圓變換的計算量更大。但是可以通過限定半徑r的范圍，對于滿足條件的r相當(dāng)于只需要去尋找滿足條件的a、b就可以了，減少了計算量。2.3深度學(xué)習(xí)概述深度學(xué)習(xí)有著很長的發(fā)展歷史，早期人工神經(jīng)網(wǎng)絡(luò)的研究促進了深度學(xué)習(xí)的產(chǎn)生[30]。一般深度學(xué)習(xí)指有多個輸入層、多個隱含層和輸出層的深層模型。RumelhartDE,HintonGE等人1986年在《Nature》上發(fā)表一篇題為《LearningInternalRepresentationsbyErrorPropagation》的文章，在該文中提出了著名的BP算法[31]。在BP算法提出3年之后，LecunY等人選擇使用BP算法訓(xùn)練多層卷積神經(jīng)網(wǎng)絡(luò)來識別手寫數(shù)字，這可以說是CNN的雛形[32]。1998年依然還是LecunY，提出了第一個正式的卷積神經(jīng)網(wǎng)絡(luò)模型——LeNet-5[33]。該網(wǎng)絡(luò)結(jié)構(gòu)如圖2-4所示。Hinton等人在2006年在《Science》發(fā)表了重要的論文，題為《Reducingthe

【參考文獻】：
期刊論文
[1]圖像中印章的檢測定位與識別研究[J]. 姚敏,牟雪兒,陳鵬,趙夢龍,栗卓然.  信息技術(shù)與信息化. 2018(12)
[2]基于多任務(wù)CNN的監(jiān)控視頻中異常行人快速檢測[J]. 李俊杰,劉成林,朱明.  計算機系統(tǒng)應(yīng)用. 2018(11)
[3]多特征融合決策的發(fā)票印章識別[J]. 歐陽歡,范大昭,李東子.  計算機工程與設(shè)計. 2018(09)
[4]一種基于深度度量學(xué)習(xí)的視頻分類方法[J]. 智洪欣,于洪濤,李邵梅,高超,王艷川.  電子與信息學(xué)報. 2018(11)
[5]基于深度卷積神經(jīng)網(wǎng)絡(luò)的層次多任務(wù)服裝分類[J]. 林城龍,胡偉,李瑞瑞.  中國體視學(xué)與圖像分析. 2018(02)
[6]基于多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)的車輛多屬性識別[J]. 王耀瑋,唐倫,劉云龍,陳前斌.  計算機工程與應(yīng)用. 2018(08)
[7]基于殘差的優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)服裝分類算法[J]. 張振煥,周彩蘭,梁媛.  計算機工程與科學(xué). 2018(02)
[8]基于canny和霍夫變換的車道線識別算法研究[J]. 唐陽山,李棟梁,朱停仃,黃賢成.  汽車實用技術(shù). 2017(22)
[9]基于度量學(xué)習(xí)的服裝圖像分類和檢索[J]. 包青平,孫志鋒.  計算機應(yīng)用與軟件. 2017(04)
[10]基于深度卷積神經(jīng)網(wǎng)絡(luò)的服裝圖像分類檢索算法[J]. 厲智,孫玉寶,王楓,劉青山.  計算機工程. 2016(11)

碩士論文
[1]印鑒提取和識別的研究及應(yīng)用[D]. 宋成璐.吉林大學(xué) 2016
[2]印章定位與配準(zhǔn)系統(tǒng)的設(shè)計與實現(xiàn)[D]. 劉志慧.哈爾濱工業(yè)大學(xué) 2015
[3]圖像中的軍裝識別系統(tǒng)設(shè)計與實現(xiàn)[D]. 周旭峰.華南理工大學(xué) 2014
[4]基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的印章識別[D]. 劉乃迪.河北工業(yè)大學(xué) 2014
[5]基于YCrCb色彩空間的人臉檢測算法的設(shè)計與實現(xiàn)[D]. 吳要領(lǐng).電子科技大學(xué) 2013
[6]特定背景下的公章識別技術(shù)研究[D]. 張栗.北京化工大學(xué) 2008



本文編號：3414801