在工业生产任务中,实际操作环境通常比较复杂,常常导致手势识别的准确率降低。为提高手势识别对环境的适应能力并提高识别的实时性,分别在预处理,特征提取及分类识别三个方面进行研究。首先采用改进的同态滤波算法进行图像的增强预处理,然后提取增强后图像的梯度方向直方图(HOG)特征,采用主元分析(PCA)方法对其进行降维,并将降维后的特征输入到支持向量机(SVM)中进行分类。结果表明,改进后的同态滤波算法能较好克服光照不均导致的手势分割困难问题,使识别率从93.2%提高到了95.6%。而PCA结合HOG使每张图像的分类时间从18.07ms缩短到降维后的1.43ms,在大幅提高识别速度的同时,识别精度几乎不受影响。

通过理论分析和实验验证，证明了采用同态滤波的方法识别机器扭矩载荷的可行性等多种同时提出了根据时序模型的Ｇｒｅｅｎ函数来判定窗函数宽度的方法，减少了选取窗函烽宽度的盲目性。作为应用实例，给出了采煤机扭矩的识别结果。

阐述了几种常用于数字射线成像信息处理的非线性滤波降噪法,包括中值滤波、同态滤波、小波降噪和形态滤波法.并通过试验进行了分析比较,得出各种方法的优缺点及适用场合.介绍了一些较新颖的降噪方法,为处理射线检测图像提供一个参考依据.