文档介绍：Abstract
摘要
I
摘 要
近年以来，工业化不断发展，生产中使用的工具也越来越多样化，工人们在使用各种工具之后，往往使得各种工具杂乱无章的堆叠在一起，下次使用时造成很大不便，工具的丢失更是屡见不鲜， 图片缩放测试 27
图片检测按钮测试 29
退出功能测试 30
本章小结 30
第6章 结束语 31
参考文献 32
致谢 33
外文资料原文 34
外文资料译文 40
目录
目录
电子科技大学学士学位论文
第1章 引言
0
1
第1章 引言
选题背景
工具的自动识别与管理的关键技术在于图像的匹配，而图匹配技术的研究目标是根据观测到的图像，对其中的物体分辨其类别，做出有意义的判断。即利用现代信息处理与计算技术来模拟和完***类的认识，理解过程。一般而言，一个图像匹配系统主要由三个部分组成，分别是图像分割图像特征提取以及分类器的识别分类。
图像的识别与分割是图像处理领域研究最多的课题之一。但它们依然是众多研究人员的研究重心。因为己经取得的成果远没有待解决的问题多。数字图像处理和识别的研究开始于1965年。数字图像与模拟图像相比具有存储，传输方便可压缩、传输过程中不易失真、处理方便等巨大优势，这些都为图像匹配技术的发展提供了强大的动力。物体的识别匹配主要指的是对三维世界的客体及环境的感知和认识，属于高级的计算机视觉范畴。它是以数字图像处理与识别为基础的结合人工智能、系统学等学科的研究方向，其研究成果被广泛应用在各种工业及探测机器人上。现代图像识别技术的一个不足就是自适应性能差。一旦目标图像被较强的噪声污染或是目标图像有较大残缺往往就得不出理想的结果[1]。
图像识别匹配问题的数学本质属于模式空间到类别空间的映射问题。目前，在图像识别的发展中，主要有三种识别方法：统计模式识别、结构模式识别、模糊模式识别。图像分割是图像处理中的一项关键技术，自20世纪70年代，其研究已经有几十年的历史，一直都受到人们的高度重视，至今借助于各种理论提出了数以千计的分割算法，而且这方面的研究仍然在积极地进行着。
由于拍摄时间、拍摄角度、自然环境的变化、多种传感器的使用和传感器本身的缺陷，使拍摄的图像不仅受噪声的影响，而且存在严重的灰度失真和几何畸变。在这种条件下，匹配算法如何达到精度高、匹配正确率高、速度快、鲁棒性和抗干扰性强以及并行实现成为人们追求的目标。在过去的几十年中，各种图像匹配算法相继出现，而且结合许多数学理论和方法，人们又不断提出了新的匹配方法。基于匹配的基本原理可将图像匹配算法分为基于灰度相关的匹配、基于特征的匹配、基于模型的匹配以及基于变换域的匹配[2]。
电子科技大学学士学位论文
第1章 引言
0
1
现有的图像分割的方法也有许多种，有阈值分割方法。边缘检测方法，区域提取方法，结合特定理论工具的分割方法等。从图像的类型来分有：灰度图像分割、彩***像分割和纹理图像分割等。早在1965年就有人提出了检测边缘算子，使得边缘检测产生了不少经典算法。但在近二十年间，随着基于直方图和小波变换的图像分割方法的研究计算技术、VLSI技术的迅速发展，有关图像处理方面的研究取得了很大的进展。图像分割方法结合了一些特定理论、方法和工具，如基于数学形态学的图像分割、基于小波变换的分割、基予遗传算法的分割等[3]。
物资管理是一般工业、商业企业生产管理环节中重要的一环，需要对物资基本信息管理、物资调配信息等进行完整的监控。物资入库首先要登记物资的基本信息，包括物资的种类、名称、型号、单位、单价等；然后登记加强物资管理，不但有算得出、看得到的效益，还可以大大提高管理队伍的素质，加强职工的增产节约意识、爱护财产意识和学****科技的意识，使科学管理形成共识，并可以减少物资设备各个环节上的矛盾[4]。
目前的可用的设计技术在设计此类系统上的数据库技术已经非常成熟，可提供的开发工具也很多，例如:Visual C++ ,Visual Basic,PowerBuilder,Dephi, visual foxpro等，它们都是很好的数据库开发工具，都是可视化开发工具，功能强大，开发容易，开发周期短，对于本任务都能够胜任。
研究目标与意义
数字图像识别技术通过计算机，采用数学技术方法，对目标图像根据一定的目的进行相应的处理分析和理解。随着信息技术及人工智能技术的不断发展，数字图像识别所涉及领域越来越广泛，并且深入到了社会生活的方方面面。
而近年以来，工业化不断发展，生产中使用的工具也越来越多样化，工人们在使用各种工具之后，往往使得各种工具杂乱无章的堆叠在一起，下次使用时造成很大不便，工具的丢失更是屡