题目：基于特征的二维图像识别技术

随着计算机视觉和人工智能的发展，二维图像识别技术成为当前的一个研究热点，在图像理解、模式识别和工业自动化等领域具有广泛的应用。与基于图像灰度的识别技术相比，基于目标特征的识别技术具有更强的鲁棒性和数据量小的特点。因此基于特征的二维图像识别技术研究具有重要意义。课题以教育部新世纪优秀人才支持计划(NCET-05-0194) —“图像视觉动态测量关键技术及系统的研究”为背景，旨在研究新颖的特征表示和基于特征的目标识别技术。论文分别选择Haar特征和骨架特征作为识别特征量，围绕目标特征的鲁棒性提取方法、特征分类器的训练方法、特征识别判据的选择及快速目标识别等关键问题展开研究，并将研究的识别方法应用于货车运行故障的自动识别系统中，用实际实验验证所提方案的正确性和适用性。论文的主要内容包括：1. 详细分析了二维图像识别技术的发展现状，对传统目标识别中特征的选择、提取和目标识别方法进行了比较研究；2. 研究了基于Haar特征的二维图像识别技术。分析了Haar特征、积分图像和特征选择策略，研究了Adaboost算法的基本原理和分类器的训练过程，并实现了利用分类器快速识别人的面部生物特征；3. 研究了基于骨架特征的二维图像识别技术。对骨架特征提取算法进行了比较研究，并将Steger条纹提取算法引入到骨架特征提取中，大大地提高了骨架特征提取的鲁棒性。提出了基于图像分割和骨架特征相结合的识别方法，为复杂背景图像中目标的识别提供了有效途径。针对拓扑结构明显的目标，建立了骨架树模型，并研究了基于骨架树的线性骨架拓扑相似性度量的方法；4. 将基于特征的目标识别方法应用到铁路货车运行故障动态图像检测系统的开发中，首次提出无故障识别思路，解决了货车枕簧丢失故障和制动梁弯曲故障的自动判别；论文研究解决的基于特征的图像识别方法不仅能应用到工业检测中目标自动识别领域，还能应用到复杂背景图像中的目标自动识别，为实现基于动态图像的故障自动识别奠定了基础。