图像处理与理解.ppt

1、图像处理和理解，人类通过眼睛、耳朵、鼻子、舌头和身体接受信息和认识世界。大约75%的信息是通过视觉系统(who)获得的。数字图像处理是一种处理数字计算机获得的视觉信息的技术。第一章介绍，第一，数字视频处理发展概况及应用发展：20世纪20年代，在Bartlane有线照片传输系统(纽约和伦敦之间的海底电缆)上传输一张照片所需的时间从一周减少到不到3个小时。20世纪50年代，计算机的发展，数字视频处理才引起了人们的极大兴趣。1964年，数字视频处理有效地应用于美国喷气推进实验室(J.P.L)发回“徘徊者7号”太空船的大量月球照片处理。在随后的几年里，它被用于继续宇宙研究计划。同时在生物医学、工业生产

2、、军事上应用。从20世纪60年代末到70年代初，由于离散数学理论的创立和完善，形成了比较完整的理论体系，成为一个新的学科。20世纪80年代以来：数字图像处理发展到了更高的水平，包括实时、智能、普及、联网、低成本。目前的处理方法主要是将沙发、模糊、神经网络、遗传算子、分形等智能信息处理技术应用于数字视频处理，使其更加活跃和不断发展。应用：通信：图像传输、电视机电话、HDTV等太空探索：恒星照片处理遥感：地形、地质、矿产勘探、森林、水利、海洋、农业等资源调查、自然灾害预测、环境污染监测、气象图生物医学：CT CAM 位置轰炸、军事应用、军事应用、电脑合成图像、电脑合成图像、遥感图像处理分析使图像处

3、理关键技术、数据压缩和图像校正理想中，卫星图像的像素值仅取决于传入传感器的发射强度。 辐射强度还仅与太阳对地面辐射强度和图片的发射特性(反射和发射率)相关，因此图像的灰度图像值差异直接反映了图片目标频谱发射特性的差异，因此可以区分图片目标。实际上，由于大气层的存在，传感器内传感器性能的差异畸变引起进入传感器的辐射，图形模糊，对比度下降等问题。另一方面，由于卫星飞行中姿势变化和地球形状等因素，图像中图片目标的几何位置也畸变发生。为了使图像更好地满足使用要求，必须尽可能地处理畸变删除以恢复图像的原始外观。分类方法根据频谱信息(图像像素)的分类，根据分类特性(频带)的像素值选择分类器，并使用统计方法

4、对每个像素元素进行分类。一般需要研究分类器的决定等几个茄子问题。频谱类的确定；请选择培训样本以生成统计参数。分类要素的选择。基于空间信息辅助分类频谱信息的分类存在一些茄子缺陷。有些地区在光谱上很难区分，例如水库和河流。基于空间信息的地理类型或形状分类例如，城市居民的斑点分类结果往往由水域、植物、不同类型的建筑物等组成。遥感图像中的空间信息包括两种茄子类型：纹理和相关纹理。也就是说，它表示贴图斑点色调的空间变化属性。相关是指徐璐不同种类像素之间的空间关系。因此，除了像圆一样存在的频谱和空间要素值外，用于分类的要素值还具有外观和大小要素值。一些具有相同的频谱特性(例如河流、水池、公路、体育场等)和

5、不同形状的图片可以通过形状指数来区分。要使用的主要图像处理技术：图像增强处理、图像分割技术(区域、边缘提取)、图像特征提取、图像描述等，自动目标识别技术(ATR)、实时光学图像相关识别系统的核心技术是自动目标识别技术。ATR技术是军事上导弹精确制导和武器防御系统的关键技术之一，是武器智能化的重要标准之一，代表着一个国家的国防高科技水平。以军事应用为例，图像处理主要技术可能相关，因此从20世纪60年代开始，美国、英国、俄罗斯、法国等国家已经投入了大量的人力、物力、财力，开展了ATR的理论研究和实际应用推广，取得了显着的成果，美国阿以冲突中正确的武器打击是最典型的成功案例。目前精密柔道武器的成果仍

6、然有限。最重要的问题是，现在主要是导弹发射前的目标发现，然后手动锁定第一个目标图像，进行自动跟踪。没有手动参与，就无法实现导弹自动识别目标。不能说“不能”。(阿尔伯特爱因斯坦，Northern Exposure(美国电视电视剧)，在特别复杂的背景下，机器像人类一样自动识别目标的方法现在相当困难。自20世纪70年代以来，人工智能、智能信息处理技术、计算机视觉理论研究取得了很大进展，但在ATR领域研究的背景和对象的复杂性和多样性，特别是在实际环境中，背景和目标不仅有很大的动态变化范围，而且以未知的方式发生了变化。目前ATR的研究是在特定假设条件下进行的，如果这些假设不成立或不再完全成立，ATR系统

7、就不再有效。另外，除了目前国内外研究的很多ATR方法和算法、大限制外，实时实现还有很大的距离。因此，目前外国发达国家考虑到精密柔道武器在未来战争中的重要地位，仍投入大量人力财力开展ATR研究。例如，美国国防部已经将ATR技术列为21世纪的核心技术之一。我国自20世纪70年代以来，对ATR技术研究也投入了较大的人力财力。国防科工委、宇宙部、电子工业部等许多研究所和国内重点高中(如国防大学、理工大学、北工科大学、华中科技大学、东南大学等)都开展了牙齿研究，取得了不少重要的研究成果。但是总体上处于理论方法和算法研究中，开发的ATR系统仍处于实验室原型阶段，其性能还需要提高，与实际实践的要求相去甚远。

8、图像处理相关主要技术，图像分割：国内外学者提出了多种图像分割算法，但由于背景的多重变性和复杂性，至今还没有适用于多种背景的图像分割算法。目前提出的小波分析、模糊集、分形等新的智能信息处理方法可以找到新的图像分割方法。特征提取：图像识别，如目标的几何体特征、统计特征、力矩特征、纹理特征：统计模式识别、模糊模式识别、人工神经网络等图像跟踪；动态场景的可视监控；动态场景的可视监控是计算机视觉区域中的新应用节目方向。，例如，安全系统应用节目、运动检测、目标分类、人员跟踪属于视觉低级和中级处理部分，行为理解和说明属于高级处理；运动检测、运动目标分类和跟踪是视觉监控中进行更多研究的三个茄子问题，行为理解和

9、说明是近年来备受关注的研究热点，意味着分析、识别目标的运动模式，用自然语言等进行说明。由于智能房间的门禁系统、军事安全基地的视觉监控系统、高级人机交互等应用要求，基于体育视觉的生物特征识别技术研究变得迫切而重要。例如，在人机交互内，不仅需要能知道人是否存在、人的位置和行为的机器，还需要识别使用特征识别技术进行沟通的人是谁。(大卫亚设，Northern Exposure美国电视电视剧，将人类运动分析和生物识别相结合的视觉监控，是目前流行的研究方向，特别是非接触式远距离身份识别研究以体育视觉为基础的第二代生物识别技术，受到关注。例如，2000年由美国高级研究项目部门DARPA赞助的主要项目HID节

10、目(Human Identification at a Distance)，旨在开发多模式监视技术，以在远距离情况下检测、分类和识别人们，从而增强在国防、民用等方面抵御恐怖袭击的保护能力。近距离通常可以通过追踪面部识别。如果是远距离监视，脸部的特征可能会隐藏，或者分辨率太低，很难识别，但是进入监视领域的人的步态很明显，这是一种独特的生物行为特征，适用于人的身份。作为一种新的动作特性，步态也有隐藏、伪装、容易捕捉等优点，也是一定距离内唯一能检测到的动作特性。步态识别的目标是不考虑衣服、视角、背景等，根据人们走路的姿势识别人的身份。步态是时空变化的运动模式，所以处理数据的杨怡比较大。当然，像其他生

11、物特征一样，步态也受诸如醉酒、怀孕和关节受伤等物理因素的影响。步态识别是一个相当新的研究领域，但目前马里兰大学、麻省理工学院等26所大学或公司参与了牙齿项目，目前重点关注面部、步态或特定行为的识别。第二，图像和数字图像1，“图片”和“图像”的定义：“图片”是物体的透射或反射光的分布。“视觉系统”是对人类照片的接收在大脑中形成的印象或认识。2、模拟图像表示(物理图像、人眼可见图像)、图像内容随时间变化时的时变图像或运动图像。相反，它是静态图像。由于人眼的视野有限，图像在空间上是有限的，通常定义为矩形(例如，在特定点的图像函数值称为强度或灰度)。对应于牙齿点处图像的亮度。显示为正实数，牙齿值的大小

12、也受到限制。图像函数二进制、边界和非负连续映射。上述人眼中看到的图像称为模拟图像，其函数是连续的、分析的，因此可以累计、可逆的傅里叶变换等。(阿尔伯特爱因斯坦，Northern Exposure(美国电视电视剧)，)但是计算机不能接受模拟形式的图像。3，数字图像的表示方法是对模拟图像进行采样和量化，在空间和数值上离散化，形成数字位图，通常按一定的间隔进行采样和均匀量化。像素灰度图像、将图像分解为像素的方法最常用于正方形阵列、立方体阵列和正三角形阵列，具体取决于平面。对于图像，如果从模拟图像导入数字图像，则必须按照下图所示的过程对空间进行采样和量化。“取样”(Sampling)是将空间或时间的连

13、续图像(模拟图像)转换为单独取样点(像素)的集合的操作。在实际取样过程中，取样点间隔的选择是一个非常重要的问题。采样定理要满意。将采样图像分解为时间和空间中分离的像素，但这些像素仍然是连续的量。量化是将这些连续的浓度值转换为离散值(整数值)的过程。图像的量化分为两类茄子。一个是等距量化，另一个是非等间隔量化。将等间距量化要采样的值的灰度图像范围平均划分为像素灰度图像值在黑色-白色范围内均匀分布的图像。量化误差最小化，因此也称为均匀量化或线性量化。非均匀间隔量化(1)细分小灰度图像值的级别间距，将大灰度图像值的级别间距划分为粗体的方法(例如，对数量化)。(2)使用像素灰度图像值的概率密度函数(例

14、如，Max量化)(3)经常生成一定范围的灰度图像值，而如果很少生成其他范围的灰度图像值，则在牙齿范围内详细量化，在范围外以粗体量化。这种方法是量化级数不变，减少量化误差，称为锥形量化。(威廉莎士比亚，哈姆雷特，量化，量化，量化，量化，量化，量化)，分辨率640 x480，分辨率不同的图像比较，分辨率320 x240，分辨率160 x120，分辨率80 X60，分辨率640 x440，3，数字视频处理(1)图像处理(2)图像识别(3)了解图像，4，数字视频处理特征：处理信息量占用带宽(图像带宽5.6MHZ，语音4KHz)。像素不独立，相关性强。三维景观的二维投影；如果处理结果被评价，人们因素的影响很大。5，课程主要讨论内容图像转换图像压缩编码图像增强和还原图像分割图像说明