图像数据处理

图像数据处理根据需求对图像数据进行处理的技术01简介图像数据基本术语研究现状图像数据去噪目录03020405图形分割图像数据目标检测与运动检测图像数据增强目录0706基本信息图像数据处理是利用图像数据去噪、图形分割、图像数据增强等手段根据需求对图像数据进行处理的技术。图像数据处理技术基本可以分成两大类：模拟图像处理（AnalogImageProcessing）和数字图像处理（DigitalImageProcessing）。近年来，图像处理技术日趋成熟，被航空航天、军事、生物医学及人工智能等广泛应用。简介简介图像数据处理技术基本可以分成两大类：模拟图像处理（AnalogImageProcessing）和数字图像处理（DigitalImageProcessing）。数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。其优点是处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力，一般来说只要改变软件就可以改变处理内容。困难主要在处理速度上，特别是进行复杂的处理。数字图像处理技术主要包括如下内容：几何处理（CeometricalProcessing）、算术处理（ArithmeticProcessing）、图像增强（ImageEnhancement）、图像复原（ImageRestoration）、图像重建（ImageReconstructiong）、图像识别（ImageRecongnition）。图像处理技术的发展涉及到信息科学、计算机科学、数学、物理学以及生物学等学科，其理论和技术的发展对图像处理科学的发展有越来越大的影响。近年来，图像处理技术日趋成熟，被航空航天、军事、生物医学及人工智能等广泛应用。

研究现状研究现状数字图像数据处理技术是20世纪60年代随着计算机技术和VLSI（VeryLargeScaleIntegration）的发展而产生、发展和不断成熟起来的一个新兴技术领域，在理论、技术和实际应用方面都取得了巨大成就。早期图像处理的目的是改善图像质量，它以人为对象，以改善人的视觉效果为目的，输入的是质量低的图像，输出的是改善质量后的图像，目前发展到图像自动识别的新的阶段。常用的图像数据处理方法有图像增强、复原、编码、压缩等。首次获得成功应用的是美国喷气推进实验室（JPL），即对航天探器徘徊者7号在1964年发回的几千张月球照片进行图像处理，如几何校正、灰度变换、去除噪声等，并考虑了太阳位置和月球环境影响，由计算机成功地绘制出月球表面地图，获得了巨大成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，获得了月球地形图、彩色图及全景镶嵌图，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。以后的宇航空间技术探测研究中，数字图像处理技术都发挥了巨大作用。图像数据处理的大发展是从20世纪90年代末开始的。自1986年以来，小波理论与变换方法迅速发展，克服了傅里叶分析不能用于局部分析等方面的不足之处，被认为调和分析半个世纪以来工作之结晶。Mallat在1988年有效地将小波分析应用于图像分解和重构。小波分析被认为是信号与图像分析在数学方法上的重大突破。图像数据基本术语像素窗口灰度矩阵图像数据基本术语像素当把一个监视的图像输入到视频监视系统时，将每个连续的图像描述成M×N矩阵的形式，矩阵的每一个元素称为像素P（i，j），是一个非负值标量，因为图像光强没有负值。从实际的图形转变成矩阵时，常把图像x,y的坐标原点设在左下角，而像素的数i，j则通常从矩阵的左上角开始。这样x与i有着对应的关系，而y与j则相反。灰度矩阵在图像被采样和模数转换后，代表图像上每个像素的光强用灰度来表示，它取决于模数转化，也与所用微处理器有关。目前常用的是256灰度级，相当于8位，其数值由0到255。对于灰度值，在转换时若采用四舍五入法，则灰度定量误差为1/512=0.2%。一个图像在存储或处理时都采用一个以像素为位置、灰度值数组元素的矩阵表示。像素除用灰度表示外，也可用RGB色彩成分表示，其包含更加丰富的信息。窗口在图像处理中常常需要在整个图像的某一部分进行，这个子区域称为子域，它常用四角对应的像素来表示。对应的图像像素窗口及其对应像素窗口图像数据去噪图像数据去噪图像数据去噪又称作图像滤波，其最终目的是改善给定的图像，解决实际图像由于各种寄生效应产生的图像质量下降的问题。通过去噪技术可以有效地提高图像的质量，增大信噪比，更好地体现原来图像所携带的信息，做为一种重要的预处理手段为后续的数字图像数据处理和目标识别奠定良好基础。图形分割基于区域的图像分割边缘与区域相结合的图像分割方法基于边缘的图像分割图形分割基于区域的图像分割基于区域的分割方法是以直接寻找区域为基础的分割技术，具体算法有区域生长和区域分离与合并算法。基于区域提取方法有两种基本形式：一种是区域生长，从单个像素出发，逐步合并以形成所需要的分割区域；另一种是从全局出发，逐步切割至所需的分割区域。在实际中使用的通常是这两种基本形式的结合。该类算法对某些复杂物体定义的复杂场景的分割或者对某些自然景物的分割等类似先验知识不足的图像分割，效果较理想。基于边缘的图像分割基于边缘检测的分割方法试图通过检测不同区域的边缘来解决问题，通常不同的区域之间的边缘上灰度值的变化往往比较大，这是边缘检测方法得以实现的主要假设之一。它的基本思想是先检测图像中的边缘点，再按一定策略连接成轮廓，从而构成分割区域。其难点在于边缘检测时抗噪性和检测精度的矛盾，若提高检测精度则噪声产生的伪边缘会导致不合理的轮廓，若提高抗噪性则会产生轮廓漏检和位置偏差。边缘与区域相结合的图像分割方法边缘检测能够获得灰度值的局部变化强度，而区域分割能够检测特征的相似性与均匀性。边缘与区域相结合分割的主要思想是结合二者的优点，通过边缘点的限制，避免区域的过分割。同时，通过区域分割补充漏检的边缘，使轮廓更加完整。

图像数据增强图像数据增强图像增强是指按特定的需要突出一幅图像中的某些信息，消弱或去除某些不需要的信息的处理方法。由于受到各种条件的限制和随机干扰，使得图像外观质量严重退化，所以采取的基本手段是灰度校正，噪声滤波等，以使图像在视觉感知或某种准则下恢复原始图像，恢复原始图像其实是解决图像灰度与原始图像不匹配的问题。有选择的加强图中某些信息而抑制另一些信息，目的是增强图像的有用性。图像增强技术是改善图像质量的一种重要技术。它可以改善图像的模糊状况，有目的的强调和增强图像的局部性，是图像更适合人的视觉效果。图像增强技术主要有直方图处理、平滑处理、锐化处理等。可以归纳为两大类：空域处理和频域处理。空域处理方法是直接对图像中的像素进行处理，基本上以灰度映射变换为基础，增强图像的对比度、改善图像的内部层次。频域处理时运用变换技术如傅里叶变换等，用数字滤波方法修改图像频谱，在反变得到增强的图像。

图像数据目标检测与运动检测减背景技术光流技术帧差技术图像数据目标检测与运动检测减背景技术减背景技术是目前最常用的一种方法，利用当前图像与背景图像的差分米检测运动区域的一种技术。它一般能提供最完全的特征数据，但是对于动态场景的变化，如光照变化等特别敏感。最简单的背景模型是时间平均图像，大部分的研究人员都致力于开发不同的背景模型，以期减少动态场景变化对运动分割的影响。帧差技术帧差技术是在连续的图像序列中两个或三个相邻帧间采用基于象素的帧间差分并且阈值化来提取出图像中的运动区域。光流技术基于光流技术的对象检测采用了运动对象随时间变化的光流特性，如Meyer等通过计算位移向量光流场来扔始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动对象。该方法的优点是在摄像机存在运动的前提下也能检测出独立的运动对象。然而，大多数的光流计算方法相当复杂，且抗噪性能差，如果没有特别的硬件装置则不能被应用于视频流的实时处理。

谢谢观看