圖像數(shù)據(jù)處理

圖像數(shù)據(jù)處理根據(jù)需求對(duì)圖像數(shù)據(jù)進(jìn)行處理的技術(shù)01簡(jiǎn)介圖像數(shù)據(jù)基本術(shù)語(yǔ)研究現(xiàn)狀圖像數(shù)據(jù)去噪目錄03020405圖形分割圖像數(shù)據(jù)目標(biāo)檢測(cè)與運(yùn)動(dòng)檢測(cè)圖像數(shù)據(jù)增強(qiáng)目錄0706基本信息圖像數(shù)據(jù)處理是利用圖像數(shù)據(jù)去噪、圖形分割、圖像數(shù)據(jù)增強(qiáng)等手段根據(jù)需求對(duì)圖像數(shù)據(jù)進(jìn)行處理的技術(shù)。圖像數(shù)據(jù)處理技術(shù)基本可以分成兩大類：模擬圖像處理（AnalogImageProcessing）和數(shù)字圖像處理（DigitalImageProcessing）。近年來(lái)，圖像處理技術(shù)日趨成熟，被航空航天、軍事、生物醫(yī)學(xué)及人工智能等廣泛應(yīng)用。簡(jiǎn)介簡(jiǎn)介圖像數(shù)據(jù)處理技術(shù)基本可以分成兩大類：模擬圖像處理（AnalogImageProcessing）和數(shù)字圖像處理（DigitalImageProcessing）。數(shù)字圖像處理是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)進(jìn)行處理的過(guò)程。其優(yōu)點(diǎn)是處理精度高，處理內(nèi)容豐富，可進(jìn)行復(fù)雜的非線性處理，有靈活的變通能力，一般來(lái)說(shuō)只要改變軟件就可以改變處理內(nèi)容。困難主要在處理速度上，特別是進(jìn)行復(fù)雜的處理。數(shù)字圖像處理技術(shù)主要包括如下內(nèi)容：幾何處理（CeometricalProcessing）、算術(shù)處理（ArithmeticProcessing）、圖像增強(qiáng)（ImageEnhancement）、圖像復(fù)原（ImageRestoration）、圖像重建（ImageReconstructiong）、圖像識(shí)別（ImageRecongnition）。圖像處理技術(shù)的發(fā)展涉及到信息科學(xué)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)、物理學(xué)以及生物學(xué)等學(xué)科，其理論和技術(shù)的發(fā)展對(duì)圖像處理科學(xué)的發(fā)展有越來(lái)越大的影響。近年來(lái)，圖像處理技術(shù)日趨成熟，被航空航天、軍事、生物醫(yī)學(xué)及人工智能等廣泛應(yīng)用。

研究現(xiàn)狀研究現(xiàn)狀數(shù)字圖像數(shù)據(jù)處理技術(shù)是20世紀(jì)60年代隨著計(jì)算機(jī)技術(shù)和VLSI（VeryLargeScaleIntegration）的發(fā)展而產(chǎn)生、發(fā)展和不斷成熟起來(lái)的一個(gè)新興技術(shù)領(lǐng)域，在理論、技術(shù)和實(shí)際應(yīng)用方面都取得了巨大成就。早期圖像處理的目的是改善圖像質(zhì)量，它以人為對(duì)象，以改善人的視覺(jué)效果為目的，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，目前發(fā)展到圖像自動(dòng)識(shí)別的新的階段。常用的圖像數(shù)據(jù)處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。首次獲得成功應(yīng)用的是美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室（JPL），即對(duì)航天探器徘徊者7號(hào)在1964年發(fā)回的幾千張?jiān)虑蛘掌M(jìn)行圖像處理，如幾何校正、灰度變換、去除噪聲等，并考慮了太陽(yáng)位置和月球環(huán)境影響，由計(jì)算機(jī)成功地繪制出月球表面地圖，獲得了巨大成功。隨后又對(duì)探測(cè)飛船發(fā)回的近十萬(wàn)張照片進(jìn)行更為復(fù)雜的圖像處理，獲得了月球地形圖、彩色圖及全景鑲嵌圖，為人類登月創(chuàng)舉奠定了堅(jiān)實(shí)的基礎(chǔ)，也推動(dòng)了數(shù)字圖像處理這門學(xué)科的誕生。以后的宇航空間技術(shù)探測(cè)研究中，數(shù)字圖像處理技術(shù)都發(fā)揮了巨大作用。圖像數(shù)據(jù)處理的大發(fā)展是從20世紀(jì)90年代末開(kāi)始的。自1986年以來(lái)，小波理論與變換方法迅速發(fā)展，克服了傅里葉分析不能用于局部分析等方面的不足之處，被認(rèn)為調(diào)和分析半個(gè)世紀(jì)以來(lái)工作之結(jié)晶。Mallat在1988年有效地將小波分析應(yīng)用于圖像分解和重構(gòu)。小波分析被認(rèn)為是信號(hào)與圖像分析在數(shù)學(xué)方法上的重大突破。圖像數(shù)據(jù)基本術(shù)語(yǔ)像素窗口灰度矩陣圖像數(shù)據(jù)基本術(shù)語(yǔ)像素當(dāng)把一個(gè)監(jiān)視的圖像輸入到視頻監(jiān)視系統(tǒng)時(shí)，將每個(gè)連續(xù)的圖像描述成M×N矩陣的形式，矩陣的每一個(gè)元素稱為像素P（i，j），是一個(gè)非負(fù)值標(biāo)量，因?yàn)閳D像光強(qiáng)沒(méi)有負(fù)值。從實(shí)際的圖形轉(zhuǎn)變成矩陣時(shí)，常把圖像x,y的坐標(biāo)原點(diǎn)設(shè)在左下角，而像素的數(shù)i，j則通常從矩陣的左上角開(kāi)始。這樣x與i有著對(duì)應(yīng)的關(guān)系，而y與j則相反?；叶染仃囋趫D像被采樣和模數(shù)轉(zhuǎn)換后，代表圖像上每個(gè)像素的光強(qiáng)用灰度來(lái)表示，它取決于模數(shù)轉(zhuǎn)化，也與所用微處理器有關(guān)。目前常用的是256灰度級(jí)，相當(dāng)于8位，其數(shù)值由0到255。對(duì)于灰度值，在轉(zhuǎn)換時(shí)若采用四舍五入法，則灰度定量誤差為1/512=0.2%。一個(gè)圖像在存儲(chǔ)或處理時(shí)都采用一個(gè)以像素為位置、灰度值數(shù)組元素的矩陣表示。像素除用灰度表示外，也可用RGB色彩成分表示，其包含更加豐富的信息。窗口在圖像處理中常常需要在整個(gè)圖像的某一部分進(jìn)行，這個(gè)子區(qū)域稱為子域，它常用四角對(duì)應(yīng)的像素來(lái)表示。對(duì)應(yīng)的圖像像素窗口及其對(duì)應(yīng)像素窗口圖像數(shù)據(jù)去噪圖像數(shù)據(jù)去噪圖像數(shù)據(jù)去噪又稱作圖像濾波，其最終目的是改善給定的圖像，解決實(shí)際圖像由于各種寄生效應(yīng)產(chǎn)生的圖像質(zhì)量下降的問(wèn)題。通過(guò)去噪技術(shù)可以有效地提高圖像的質(zhì)量，增大信噪比，更好地體現(xiàn)原來(lái)圖像所攜帶的信息，做為一種重要的預(yù)處理手段為后續(xù)的數(shù)字圖像數(shù)據(jù)處理和目標(biāo)識(shí)別奠定良好基礎(chǔ)。圖形分割基于區(qū)域的圖像分割邊緣與區(qū)域相結(jié)合的圖像分割方法基于邊緣的圖像分割圖形分割基于區(qū)域的圖像分割基于區(qū)域的分割方法是以直接尋找區(qū)域?yàn)榛A(chǔ)的分割技術(shù)，具體算法有區(qū)域生長(zhǎng)和區(qū)域分離與合并算法。基于區(qū)域提取方法有兩種基本形式：一種是區(qū)域生長(zhǎng)，從單個(gè)像素出發(fā)，逐步合并以形成所需要的分割區(qū)域；另一種是從全局出發(fā)，逐步切割至所需的分割區(qū)域。在實(shí)際中使用的通常是這兩種基本形式的結(jié)合。該類算法對(duì)某些復(fù)雜物體定義的復(fù)雜場(chǎng)景的分割或者對(duì)某些自然景物的分割等類似先驗(yàn)知識(shí)不足的圖像分割，效果較理想。基于邊緣的圖像分割基于邊緣檢測(cè)的分割方法試圖通過(guò)檢測(cè)不同區(qū)域的邊緣來(lái)解決問(wèn)題，通常不同的區(qū)域之間的邊緣上灰度值的變化往往比較大，這是邊緣檢測(cè)方法得以實(shí)現(xiàn)的主要假設(shè)之一。它的基本思想是先檢測(cè)圖像中的邊緣點(diǎn)，再按一定策略連接成輪廓，從而構(gòu)成分割區(qū)域。其難點(diǎn)在于邊緣檢測(cè)時(shí)抗噪性和檢測(cè)精度的矛盾，若提高檢測(cè)精度則噪聲產(chǎn)生的偽邊緣會(huì)導(dǎo)致不合理的輪廓，若提高抗噪性則會(huì)產(chǎn)生輪廓漏檢和位置偏差。邊緣與區(qū)域相結(jié)合的圖像分割方法邊緣檢測(cè)能夠獲得灰度值的局部變化強(qiáng)度，而區(qū)域分割能夠檢測(cè)特征的相似性與均勻性。邊緣與區(qū)域相結(jié)合分割的主要思想是結(jié)合二者的優(yōu)點(diǎn)，通過(guò)邊緣點(diǎn)的限制，避免區(qū)域的過(guò)分割。同時(shí)，通過(guò)區(qū)域分割補(bǔ)充漏檢的邊緣，使輪廓更加完整。

圖像數(shù)據(jù)增強(qiáng)圖像數(shù)據(jù)增強(qiáng)圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，消弱或去除某些不需要的信息的處理方法。由于受到各種條件的限制和隨機(jī)干擾，使得圖像外觀質(zhì)量嚴(yán)重退化，所以采取的基本手段是灰度校正，噪聲濾波等，以使圖像在視覺(jué)感知或某種準(zhǔn)則下恢復(fù)原始圖像，恢復(fù)原始圖像其實(shí)是解決圖像灰度與原始圖像不匹配的問(wèn)題。有選擇的加強(qiáng)圖中某些信息而抑制另一些信息，目的是增強(qiáng)圖像的有用性。圖像增強(qiáng)技術(shù)是改善圖像質(zhì)量的一種重要技術(shù)。它可以改善圖像的模糊狀況，有目的的強(qiáng)調(diào)和增強(qiáng)圖像的局部性，是圖像更適合人的視覺(jué)效果。圖像增強(qiáng)技術(shù)主要有直方圖處理、平滑處理、銳化處理等?？梢詺w納為兩大類：空域處理和頻域處理?？沼蛱幚矸椒ㄊ侵苯訉?duì)圖像中的像素進(jìn)行處理，基本上以灰度映射變換為基礎(chǔ)，增強(qiáng)圖像的對(duì)比度、改善圖像的內(nèi)部層次。頻域處理時(shí)運(yùn)用變換技術(shù)如傅里葉變換等，用數(shù)字濾波方法修改圖像頻譜，在反變得到增強(qiáng)的圖像。

圖像數(shù)據(jù)目標(biāo)檢測(cè)與運(yùn)動(dòng)檢測(cè)減背景技術(shù)光流技術(shù)幀差技術(shù)圖像數(shù)據(jù)目標(biāo)檢測(cè)與運(yùn)動(dòng)檢測(cè)減背景技術(shù)減背景技術(shù)是目前最常用的一種方法，利用當(dāng)前圖像與背景圖像的差分米檢測(cè)運(yùn)動(dòng)區(qū)域的一種技術(shù)。它一般能提供最完全的特征數(shù)據(jù)，但是對(duì)于動(dòng)態(tài)場(chǎng)景的變化，如光照變化等特別敏感。最簡(jiǎn)單的背景模型是時(shí)間平均圖像，大部分的研究人員都致力于開(kāi)發(fā)不同的背景模型，以期減少動(dòng)態(tài)場(chǎng)景變化對(duì)運(yùn)動(dòng)分割的影響。幀差技術(shù)幀差技術(shù)是在連續(xù)的圖像序列中兩個(gè)或三個(gè)相鄰幀間采用基于象素的幀間差分并且閾值化來(lái)提取出圖像中的運(yùn)動(dòng)區(qū)域。光流技術(shù)