图像研究

2024-07-21

图像研究（共12篇）

图像研究篇1

摘要：图像尺寸的缩放变换是一种常见的操作。Java中Buffered Image类的get Scaled Instance方法可以方便的用来进行图像的缩放变换, 但是该方法在进行缩放时不能保持图像的宽高比, 文章提供了一种简单的实现保持图像宽高比的缩放算法。

关键词：图像缩放,宽高比,BufferedImage

1 引言

图像信息是人类传递视觉信息的主要媒介, 在人类的感知中扮演着非常重要的角色。图像的缩放变换是一种比较常见的需求, 在图像处理和计算机图形学中, 图像缩放是指对数字图像的大小进行调整的过程。实际应用中, 经常需要对数字图像进行缩放变换。图像的缩放变换是非平凡的, 在进行缩放处理时, 需要在处理效率和变换后图像的平滑度及清晰度上做出选择。图像缩放变换的方法很多, 以插值算法较为常见。

2 保持图像宽高比的图像缩放

无论在应用中实现哪种插值算法, 都需要程序员对数字图像处理有较多的理解, 其算法的实现也较为复杂。在Java语言中, java.awt.image.Buffered Image[1,2]类实现了get Scaled Instance方法可以方便的用来进行图像的缩放变换。get Scaled Instance方法需要三个参数, 第一个参数指定缩放后图像的宽度, 第二个参数指定缩放后图像的高度, 第三参数指定缩放时使用的算法类型, 可取的类型为SCALE_DEFAULT, SCALE_FAST, SCALE_SMOOTH, SCALE_REPLICATE, SCALE_AREA_AVERAGING。但是get Scaled Instance方法在进行图像缩放变换时若原图像的宽高比与指定的宽高值比不一致, 则不能保持图像纵横比, 会使变换后的图像发生畸变。本文提供一种基于get Scaled Instance方法的简单算法, 可以在进行图像缩放时保持图像纵横比。

2.1 算法设计思想

假设待缩放图像的宽度为src W, 高度为src H, 宽高比为rs。缩放目标宽度为width, 高度为height, 宽高比为rd。图1中可以很容易地看出, 当宽度比rs<=rd时, 变换后图像的高度不能大于目标高度, 因此变换后的图像高度可取目标高度, 变换后图像宽度则应该为目标宽度乘以原图像的宽高比;宽度比rs>rd时, 变换后图像的宽度不能大于目标宽度, 因此变换后的图像宽度可取目标宽度, 变换后的图像实际图像高度等于目标高度除以原图像的宽高比。

由此可得算法步骤:

(1) 取得原图像的宽度和高度, 计算原图像的宽高比;计算目标宽度和高度的宽高比。

(2) 若原图像的宽高比小于等于目标宽高比, 则变换后的图像的实际高度等于目标高度, 而变换后的图像实际图像宽度等于目标宽度乘以原图像的宽高比。若原图像的宽高比大于目标宽高比, 则变换后的图像的实际宽度等于目标宽度, 而变换后的图像实际图像高度等于目标高度除以原图像的宽高比。

(3) 由步骤 (2) 所得宽度和高度对图像进行缩放变换。

2.2 算法实现

由以上设计思想可编写方法如下:

3 结语

文章给出了一种基于Buffered Image.get Scaled Instance方法的保持图像纵横比的图像缩放算法。算法简单, 易于编程实现。

参考文献

[1]Ken Arnold James, Gosling David Holmes.Java程序设计语言[M].北京:人民邮电出版社, 2006.

[2]Oracle Corporation.Java API Documentation[EB/OL].http://www.oracle.com/technetwork/java/api-141528.html.

图像研究篇2

强震动力动态图像预测技术研究

1 课题简介 1.1 课题目标研究建立地震、地形变场动态图像和地下流体、地震电磁动态信息提取方法,建立具有动力学含义的强震孕育过程地壳应力应变场、地壳介质物性、物理化学参数异常判据和指标,形成强震动力动态图像预测方法技术,推动地震预测方法逐步向物理预测拓展,提高强震预测能力和水平.

作者：江在森刘杰刘耀炜卢军马宏生李胜乐张晶张希王勤彩王亚丽王海涛付虹刁桂苓李辉杜学彬牛安福顾左文黄辅琼陆明勇王武星作者单位：刊名：中国科技成果英文刊名：CHINA SCIENCE AND TECHNOLOGY ACHIEVEMENTS年，卷(期)：10(17)分类号：P5关键词：

图像质量评价研究篇3

关键词：图像融合图像质量评价主观评价客观评价

一、主观评价

通过人眼对图像的观察，我们可以检查出：融合图像是否配准，如果配准不好，那么融合图像就会出现重影和几何变形；融合图像整体色彩是否与天然色彩一致，如居民点影像是否明亮突出，水体影像是否呈现蓝色，植被影像是否呈现绿色；判断融合图像整体亮度、对比度是否合适，是否有蒙物或斑块；融合图像纹理及彩色信息是否丰富，空间信息是否丢失；融合图像的清晰度是否降低，地物影像边缘是否清楚。

图像融合的主观评价方法就是以人作为观察者，对图像的优劣做出主观定性。

评价。该方法受观察者、图像类型、应用场合和环境条件的影响较大，只在统计上有意义，但是该方法比较容易实现，对最终的图像质量评测也是十分有用的。选择主观评价的观察者可考虑两类人：一类是未经过训练的“外行”观察者，另一类是对图像技术有经验、训练有素的“内行”观察者，他们能够凭借自己的观察对图像的质量做出相对严格的判断。给出了国际上规定的图像评价的五级质量尺度和妨碍尺度（也称为图像主观评价5分制）。一般人多采用质量尺度，而专业人员则多采用妨碍尺度。为了保证图像主观评价在统计上有意义，参加评价的观察者应足够多。应该注意的是，如果图像是观察者很熟悉的内容，则观察者就容易挑出毛病，而给出较低的分数，而那些对图像内容不熟悉的观察者给出的较高分数并不能准确地反映图像的质量。图像的 MOS(Mean Opinion Score)值即图像的主观评价分值，一般情况下是选用一定数量的专业图像处理人员与非专业人员来为图像打分，再取平均值。用 A(i, k ) 表示，它表示第i 个人对第 k 幅图像的打分值，分值取在5分以内。因为人眼的分辨能力很有限，在五个级别的分值中有时候很难做出取舍，所以可以打半分。

图像融合的主观评价方法（或定性评价），是一种主观性较强的目测方法。

该方法对一些明显的图像信息进行评价显得直观、快捷和方便，对一些暂时还没有客观评价指标的现象也可以进行定性的说明。例如，在多源图像融合中，主观评价可以较快的判断融合图像是否配准，图像的边缘信息是否损失，融合图像的纹理和色彩是否丰富等等。尽管主观评价通过大量的统计可以获得比较准确的判断结果，但是整个过程非常繁琐。若没有进行大量的统计，所获得的结论可能不准确。而且目前对人的视觉特性还没有充分了解，对人的心理因素也还没有找出定量描述的方法，因此不同的评价者其对图像评价的结论差异会很大。尤其是当利用各种融合算法融合后的图像之间的差异较小时，考虑到主观定性评价方法带有一定的个人主观性，所以往往不能给出一个准确的判定。

由于图像最后是被人眼接受，由人来对图像做出分析、识别、理解和评定，因此在这种情况下，图像不仅仅是物理量的分布，同时包含人的视觉心理因素。因此，主观评价结果虽然比较全面，符合图像的实际观察质量，但是这种评价方法受观察者、图像类型和观测环境等因素影响较大，评价过程繁琐，加之人的視觉心理因素很难用物理量度量，致使评价结果不够精确，而且加入主观评价后，难以实现自动化处理，不利于图像融合评价系统的设计。

二、客观评价

客观评价方法是针对融合图像所提出的一系列质量指标，以及对融合方法提出的量化评价公式，由计算机根据量化评价公式计算融合图像的质量指标，并根据质量指标的统计结果对融合方法进行评价。量化评价能够克服人的视觉特性、心理状态、知识背景等因素的影响，可以提高判断的准确性和速度。

目前，常用的客观评价方法包括以下几种：

1、基于信息量的评价

（1）熵图像的熵是衡量图像信息丰富程度的一个重要指标。如果融合图像的熵值越大，说明融合图像从源图像中保留的细节内容越多、信息量越大。

（2）交叉熵交叉熵直接反映了两幅图像对应像素的差异，是对两幅图像所含信息的相对衡量。

（3）相关熵（互信息）相关熵（互信息）是信息论中的一个重要基本概念，它可作为两个变量之间相关性的量度，或一个变量包含另一个变量的信息量的量度，因此，融合图像与原始图像的相关熵（互信息）越大越好。

（4）偏差熵偏差熵反映了两幅图像像素偏差的程度，同时也反映了两幅图像信息量的偏差度，分别有：单一偏差熵、总体平方平均偏差熵、总体算术平均偏差熵、总体几何平均偏差熵、总体调和平均偏差熵。

（5）联合熵联合熵也是信息论中的一个重要基本概念，它可作为三幅图像之间相关性的量度，同时也反映了三幅图像之间的联合信息，因此，融合图像与原始图像的联合熵越大越好。

2、基于统计特性的评价

（1）均值。

（2）标准差标准差反映了灰度相对于灰度均值的离散情况，标准差越大，则灰度级分布越分散，有标准差、对数标准差。

（3）偏差度偏差度用来反映融合图像与原始图像在光谱信息上的匹配程度，如果偏差指数较小，则说明融合后的图像 R 在提高空间分辨率的同时，较好地保留留F的光谱信息，偏差度通常分为绝对偏差度和相对偏差度。

（4）均方差。

（5）平均等效视数平均等效视数可以用来衡量噪声的抑制效果、边缘的清晰度和图像的保持性。

图像研究篇4

关键词：图像学,潘诺夫斯基,视觉图像

对“图像”一词概念的理解, 离不开各个历史阶段对图像学的认知和运用, 早期的图像指的是各类图形的形象意义;接着是贡布里希为图像增加的新观念, 他认为对图像内容的研究也应包括图像作者的实际意图, 因此“图像”由“艺术”转型为“文化”, 这种发展植根于现代科技的发达, 因此现代图像学已不再像传统图像学那样去简单地批判艺术的形式主义了。

1. 概念

图像学 (iconology) 由图像志 (iconography) 发展而来。图像志一词来自希腊语εικωυ (图像) , 在古希腊曾专指对图像的精鉴, 20世纪发展为关于视觉艺术的主题的全面描述研究。图像志后缀graphy包括某些描述性的内涵。图像学iconology的词尾logy有思想和理性的意思, 它研究绘画主题的传统、意义及与其他文化发展的联系。

潘诺夫斯基对于“图像志”与“图像学”概念的内涵进行了界定, 并对图像学方法的运用作了详细的介绍。他指出, 图像志是艺术史的一个分支, 它关心的是与艺术作品的形式相对的作品的题材或意义。具体说来是:“图像志”暗示着一种纯描述性的, 而且常常是资料统计式的方法。因此图像志是对图像的描述和分类。图像志是一种有局限性的、辅助性的研究, 它能够告诉我们一些特定的题材是在什么时候、什么地方通过特殊的母题被形象地表现出来的, 是对形象的描绘和分类。而图像学是一种带有解释性的图像志, 是艺术研究中不可分割的一部分, 是一种从综合而不是从分析中发展而来的解释性方法。与图像志比较, 图像学更强调对图像的理性分析。

2. 形成与发展

图像学源于19世纪在欧洲美术史研究领域里发展起来的图像志研究, 早期的图像志研究基本都是宗教内容的, 进入20世纪后图像志的研究领域不断扩展, 与其他学科的联系日益密切, 进而发展成为一种蓄势取代传统艺术史研究方法的新方法:图像学。19世纪下半叶历史科学的普遍高涨给图像志研究的发展施加了强有力的影响。到20世纪上半叶, 图像学的典型代表人物潘诺夫斯基出现了。

3. 视觉图像的含义和价值

图像文化是人们在社会活动中留下的原始历史纪录, 具有丰富的文化内涵。它记录和反映着人类社会发展一定阶段上的物质文化和精神文化成就。图像文化涉及科技、教育、文学、艺术、风俗、民族、生活方式等诸多文化领域。图像具有原始记录性这一本质属性;由此派生出图像所具有的保存备查属性。由于图像是人类社会活动的一种历史纪录, 因此, 它本身反映出人类文化的基本特性, 在文化传承中起重要作用。首先, 必须对文化的传承必须有个传道授业解惑的过程。其次, 才是承载社会文化、人文风俗、历史内容与含义等等。

3.1 传道、授业、解惑

键。为了避免留白重复, 我会添加肆意开放的牡丹团花, 或是变形的祥云, 希望增强留白的样式感, 使得可以在不失真实感的情况下给人以美的感受。

我在进行创作的过程中, 越发意识到留白的追求是高级的、不容易做到的, 留白的形式美作为一种视觉诱惑更不易轻易达到, 这需要我不断地去训练、摸索, 在长期的实践和锻炼中,

明代崇祯十年宋应星所著的《天工开物》, 较全面、系统地记述了我国古代农业和手工业的生产技术与经验, 书中附有大量的插图与文字珠连壁合, 详明完备, 具有重要的科学价值。李时珍《本草纲目》——收辑药物1892种, 附1100多幅药物形态实图, 内容极为十富, 系统地总结了我国16世纪以前的药物学知识和经验, 是我国药物学、植物学等的宝贵遗产, 对我国药物学的发展起着重大作用。李械《营造法式》——北宋后期于哲宗元符三年, 全面系统地总结当时建筑技术发展状况和经验的一书。作者曾任将作监 (负责宫庙工程修建的中央长官) 13年, 在他之前北宋已编成《元祜法式》。因而本书是在认真总结前人成果的同时, 应用作者自己丰富实践经验写成的一部巨著。读者可以以图证文、依图施工。《营造法式》一书不但是我国古代最全面最科学的设计规范和施工手册, 而且也是世界上最早最完备的建筑大全。

3.2 承载社会文化、人文风俗、历史内容与含义

“喜上眉梢”——喜鹊自古有嘉瑞之誉。五代-王人裕《开元天宝遗事-卷四》:“时人之家, 闻喜鹊声着, 皆为喜兆, 故谓‘喜鹊报喜’。”民间多以喜鹊喻喜庆之事, “梅”与“眉”同音, 故又作“喜上眉梢”, 言人逢喜事, 神情洋溢。又有喜鹊、红梅、爆竹做一处着, 则为“早春报喜”“喜报春光”。“麻姑献寿”——麻姑为传说中的仙女, 传说中, 麻姑是“年十八九许”的女子, 曾见东海三变桑田, 极言长寿。葛稚川《神仙传》已记其事迹;唐-颜真卿有《麻姑仙坛记》正书碑帖传世。宋代著名画绣《瑶台跨鹤图》即最早用刺绣表现麻姑的先例。民间风俗, 为女性祝寿, 多取麻姑与八仙为题。“百鸟朝凤”——“凤”是传说中的瑞鸟, 居百鸟之长, 俗称“鸟王”。古谓凤凰见则天下安宁。晋-张华《禽经》说:“鸟之属三百六十, 凤为之长;又, 飞则群鸟从;出则王政平, 国有道。”百鸟朝凤名目, 以凤比明君威德, 以百鸟象征群臣辅弼。尤言君臣有序, 和顺相能, 江山社稷即可太平祥瑞, 安宁富强。“百鸟朝凤”又名“凤仪图”。

这些纹样的出现, 都是运用象征手法的结果, 象征祝福、赞美、避邪、纳祥的命题, 已经构成中国传统图案的内涵特征, 也表达了古人对美好生活的向往和寄托。这些图像让我们到现在还能欣赏和品位这些意犹未尽的图案。这不得不归功于图像的承载功能。同样, 在现代, 我们有了图像学的手段, 就更加能够理解和运用这些图案。

4. 结语

“图像学”是现代视觉艺术研究、实践探索中极其重要的一个理论学科, 现在已成为一种全新的艺术史和艺术学的研究方法。有了这种方法, 我们在艺术史的回顾过程中才能把问题秩序化、理性化。正如贡布里希的主张, 我们应该了解艺术创作的全部真相, 以此作为艺术学的立论基础, 而艺术创作亦决不是孤立于社会文化之外的独行者。因此, 图像学正是这样一项融合艺术创作与整体社会文化于一体, 并力图寻求创作全部真相的工作。

噪声图像的分形压缩编码研究篇5

分形的概念是由数学家B.Mandelbrot于1975年提出的，他把分形定义为“一种由许多个与整体有某种相似性的局部所构成的形体”。分形概念的提出及分形几何学的创立为描述客观世界提供了更准确的数学模型。图形学是几何学的延伸与发展，分形模型研究成果的积累形成了新的图像学分支――分形图像学。而基于分形的图像编码方法实质是对图像中一个或多个相对大的部分施行压缩变换来逼近图像的每一部分。1990年，A.Jacquin提出了全自动的可行的分形压缩编码方法，由于其可以获得极高的压缩比而得到广泛关注。在实际的图像编码过程中，原始图像经常被噪声（最常见的是高斯白噪声）污染。由于噪声的存在，一方面使得图像编码的时间延长，另一方面，降低了图像的信噪比，图像质量明显下降。因此，笔者试图寻找一种方法，在不影响图像压缩比的前提下去噪，从而提高编码效率和图像质量。

1 分形图像压缩编码方式

1.1 拼接定理（Collage Theorem）

拼接定理是分形图像压缩技术的核心。

设{RT：wi,i=1,2,…，p}是T维的收缩仿射变换集合，即IFS、R为实数集。给定V∈RT,ε>0，如果IFS中最大的收缩因子s∈(0,1),且满足：

h(V,W(V))<ε

则有：h(V,A)<ε/(1-ε)

其中，A为IFS的吸引子，h(A,B)为Hausdorff距离。拼按定理给出了数集V与吸引了IFS之间逼近程度的一个上限值，即拼接误差的上限值。

拼接定理提供了用IFS进行图像压缩的理论依据。对于一般的灰度图像，可认为是一张原始灰度曲面（R3空间上的一个紧子集）进行抽样和量化得到的。尽管无法使原理图像（V）成为某一个迭代函数系统IFS的吸引子，但是如果能找到一组收缩仿射变换wi,i=1,2,…，p,使(本网网收集整理)与V充分地接近，那么由拼接定理可知V是该IFS（RT：wi,i=1,2,…，p）对应吸引子的良好逼近。

在利用收缩仿射变换{RT：wi,i=1,2,…p}结图像进行解压缩时，迭代过程与初始条件无关。也就是说，对任意给定的初始图像数据进行多次迭代，就可以完成对原始图像的重构。

1.2 分形图像压缩编码的实现

所谓局部IFS（LIFS）是指其变换的定义域由原来的整个区域放宽为全部区域的某些子集。通过将理论从全局扩展到局部，可以得到一种全自动的分形压缩方案，Jacquin方法的实质是固定方块定义域块的大小并限制仿射变换为一定的形式，然后搜索图像录找与定义域块相匹配的值域块（它的大小是定义域块的4倍），搜索中要配合Jacquin提出的八种对称变换算子对值域块进行变换。

编码压缩过程：把原始图像分成互不重叠的定义域块（Range块），这些块能将原始图像全部覆盖，每一个Range块大小均为B×B；每一Domain埠的大小均为D×D，且通常D=2B。为使压缩后重构图像的质量更好，相邻的Domain块之间在水平及垂直方向均有重叠，水平及垂直方向上位移量为B。依次对每一个Domain块中相邻的4个灰度值求平均，于是每一个大小为D×D（2B×2B）Domain块就变成了大小为B×B的Sub_Domain块。之后利用最小二乘法，并配合八种对称变换算子，将收缩后的Domain块（Sub_Domain块）与Range块进行匹配运算：

若计算出的MSE小于给定误差，则认为匹配成功，否则继续匹配，在找到最佳值域块及仿射变换后，需要存储其参数以便传输。这些参数包括：匹配成功的Domain块块号、Jacquin变换算子的编号以及比例因子S、偏移量O。

图像区域生长分割算法研究篇6

关键词：图像分割种子区域生长分割算法 NSP参数

中图分类号：TP31 文献标识码：A 文章编号：1674-098X（2015）06（c）-0066-02

Image Segmentation Algorithm Based on Region Growing

Wang Huasong

（School of Computer and Information Engineering ，Henan university，Kaifeng Henan，475000 China）

Abstract：Development of image processing technology makes more and more subjects need image processing.Color image processing technique is a new discipline， and it will occupy an important position in the later scientific development.In this paper，we introduced some current situation of image segmentation algorithm.we refer to some traditional image segmentation methods ，such as regional grow， threshold segmentation， edge segmentation， character segmentation.The partial similarity characteristic of pixels are used to build color histogram and analysis image segmentation algorithm based on seed region growing that makes the effect of color image is improved.The experimental results show the algorithm in this paper for the initial seed point selection of adaptability and more robust.

Key Words：Image Segmentation；Seed Region Grow；Segmentation Algorithm；Neighborhood Similarity Parameter

随着各种科技的发展以及图像的应用，人们越来越关注图像的处理。如生活中的超市和商场，为了有效的分类和管理库存，对商品进行存储编排；还有网络信息的传播管理使用数据在传输，由于设备限制需要对数据进行压缩，这里也需要对图像和视频进行分割。

计算机的发展的迅速，为人们的生活带来了便捷，同时也带动了一大批科技的突飞猛进，在近代军事、科教、工程建设、工农业生产、气象预测、天文学、地理测绘以及医学等领域中，人们更多的选择处理的方式是利用图像信息来解决改善问题，做出判断。在图像研究应用里，人们一般对图像中某些特定部分感兴趣，笔者称它为“感兴趣区域”或者“研究区域”。图像分割就是把图像分成若干个特定的、具有独特性质的区域并划分感兴趣目标区域的技术和过程。现在已经有了许多各种用途的分割算法。

1 分割算法简介

人眼能够识别很多颜色，所以在人们眼中有大千世界的姹紫嫣红，我们能够从一大堆物品中寻找到感兴趣的物品也得益于人眼的这一特性。但却很难在灰度图片——譬如黑白照片中找到想要的东西，因为在这些图像中，想要找的部分和整体背景很难区分开来。

常用方法如表1所示。

综上所述，解决彩色图像分割问题要处理好以下几个问题。

（1）怎样把每个像素的全部信息解构出来，然后运用算法将这些离散的信息整合，避免过多丢失。

（2）分割色彩空间选择，不同的空间优劣不同，这里并没有一种统一的、大众化的彩色空间来处理所有的目标图像。

（3）分割算法的选择，随着时间技术的发展，发展出很多类型和效用的算法，运用哪种算法处理图像也是一个难以抉择的问题。

这些问题是相互联系的，并不能一味解决某个问题而忽略另外的问题。使用者要用发展的眼光科学地同时看待这些影响，尽力选出能匹配三者的最优算法。目前没有这样的算法，这就要求使用者需要在解决图像分割问题的过程中，根据情况根据环境影响来选出最适合的算法。

2 基于种子点区域生长的分割算法

2.1 区域生长算法

区域生长（region growing）是指将目标区域中的某个感兴趣区域通过生长来得来完全的目标区域的算法。

它的基本做法是：将具有同质性（具有共同性质，一般指像素区域之间）的像素区域集合起来生长出更大的区域。在每一个感兴趣区域先选一个种子，然后根据人为需要的准则把种子区域以及它的具有同质性的邻域包含进来，进而一步步生长。然后重复迭代这一过程，一直到所有的像素都检测过却没有再符合的，然后确立我们的目标区域。

2.2 使用同质性参数的区域生长算法

该文选择的算法有两个要求：一是种子点的选取，可以采用更具适应性的自动选取；二是种子生长过程中，邻域相似性阈值的取值，我们在这一步进行优化处理，使用NSP参数来作为同质性与否的标准，在目标邻域中找出符合条件的同质性区域来持续生长。

现有的区域生长分割的算法有很多，一般是基于灰度图像的处理，但是彩色图像拥有的信息是灰度图像远远不及的，这也使得彩色图像的处理上有很多改进的地方。一般对于彩色图像的处理是根据灰度图像的分割算法，再结合其他的多种分割方式，这里并没有一个统一的行之有效的彩色图象分割算法。

3 结语

相较于传统的种子生长算法，本文算法中以NSP参数来选取种子点，从算法时间复杂度的角度来说算法效率有较大提高，有利于之后的区域生长，因而能取得更好的分割效果。实验的结论也证明了文中的算法在彩色图像分割上，取得较好的效果。

参考文献

[1]章毓晋.图像处理和分析[M].北京：清华大学出版社，1999.

[2]冈萨雷斯，伍兹著.数字图像处理[M].2版.阮秋琦等，译.北京：电子工业出版社，2004.

[3]薛丽霞，罗艳丽，王佐成.基于帧间差分的自适应运动目标检测方法[J].计算机应用研究，2011（4）：1551-1552.

[4]H D Cheng，X H Jiang，Y Sun et al.Color image segmentation：advances and prospects[J].Pattern Recognition，2001，34（9）：2259-2281.

[5]林开颜，吴军辉，徐立鸿.彩色图像分割方法综述[J].中国图像图形学报，2005，10（1）：1，10.

图像研究篇7

数字图像处理又称为计算机图像处理, 是指将模拟图像信号转换成数字形式并利用计算机对其进行加工、编辑和处理的过程。由于数字图像的广泛适用性, 印刷、出版和包装领域也开始应用图像处理技术。数字图像处理系统的基本流程如图1所示。

图1数字图像处理基本流程数字图像处理技术具有以下特点:

定量化:数字图像处理易于得到定量的结果;适应性:数字图像处理既适用于可见光图像, 又适用于其他波谱图像;既可处理静态图像, 又可处理动态图像;精度高:数字图像处理的精度随着图像像素数和量化级数增加而提高;再现性:只要输入图像和处理方法不变, 数字图像的处理结果也不会变, 具有很好的再现性;灵活性:对同一幅图像, 只要处理程序稍作改变或补充, 就可得到不同的处理结果;存储容量大:数据信息的积累是不断增加的, 久而久之将形成一个庞大的信息库。

2 数字图像获得

原稿分为模拟原稿与数字原稿。扫描模拟原稿是获得数字图像的重要手段, 即使在数字摄影技术已发展得相当成熟, 扫描原稿仍然占据着数字图像来源的重要地位。

2.1 数字化与扫描

数字化总是相对模拟对象而言的, 因此这一概念描述从模拟信号到数字信号的转换, 模拟对象包含的信号可以是光信号、电信号、超声波信号、红外信号或X线信号等。在图像处理时使用数字化这一概念是将模拟对象从原来的形式转化为数字形式的处理过程, 通常采用扫描的方法。扫描是模拟原稿实现数字化的处理过程。

2.2 原稿数字化的数字描述

图像的数字化包含两个方面的内容, 它们是空间位置的离散和数字化以及亮度的离散和数字化。从不很精确的角度叙述, 可以空间位置的离散称为抽样, 而亮度的数字化则称为量化。假定一幅连续调的模拟原稿在二维方向上被图像数字化设备分成M×N个网格, 每个网格用一个亮度值 (灰度值) 来表示, 这个过程称为抽样 (如图2所示) 。

图像的数字化过程

抽样的先后次序与图像处理系统的设计特点有关, 例如某些数字图像处理系统是先获得模拟图像信号, 再来抽样, 这种系统称为模拟图像系统。在通常情况下, 模拟图像系统是用扫描方式把二维原稿转化为一维随时间而变化的信号, 原稿用若干距离相等的行来分割, 然后作逐行信号变化。

3 数字图像分类

经抽样和量化后得到的数字图像是一个用灰度值表示的二维数组, 如果用来表示这样的二维数组, 则其含义是位于抽样点阵排列处的像素值 (灰度值) 。根据灰度层次、光谱轴与时间轴上组合方式的不同, 数字图像可分为如下六类。

二值图像在所有图像类型中最为简单, 可用下式表示:

上式说明, 二值图像只能从0或1中取值, 物理上对应黑和白两种状态。

灰度图像, 对应于人们日常生活或工作中遇到的黑白照片, 表现为黑色的不同浓淡层次和不同程度的灰色, 可用下式表示:

式中的n是灰度量化的位数, 取决于图像数字化设备的能力。

彩色图像是一种以不同颜色 (主色) 通道组合而成的图像, 可以用下式表示:

式中之k表示组成彩色图像的独立主色通道数。

图像由多种光谱成分组成时称为多光谱图像, 同样可用式 (3) 表示, 到此时的k一般在4-8之间。遥感图像是它的例子。

所谓的立体图像不是指图像是立体的, 而是从两幅二维的图像可以计算出对象的三维形状, 这一方法称为立体成像或计算机视觉。得到两幅图像后再用相关算法求得该对象的三维形状, 可以表示为:

运动图像描述在一个时间序列中被研究对象的运动特点, 摄得的每一幅图像与某一刻相关联, 用于动态分析和动画制作等, 可以用带时间参数的像素序列表示:

4 图像输入设备和扫描参数

现今的图像输入设备已发展到以扫描仪和数码相机为主, 后者的进展速度尤其迅速, 已成为主流图像输入设备。

4.1 扫描仪硬件构成及其性能

图像数字化设备包括采样光孔、扫描机构、光电转换元件、量化器和存储器五个部分。图像数字化设备的性能主要有以下几点决定。

像素大小取决于采样光孔尺寸和两个相邻像素的间距, 它们是图像数字化设备的两个重要性能指标。图像输入设备另一个重要参数是允许输入原稿的幅面大小, 通常有A4和A3两种。

线性度也是衡量图像输入设备的重要性能指标。原稿的反射或透射光强度转换成数字信息时, 应当知道量化后的灰度值正比于原稿实际亮度的精确程度, 因为非线性的数字化会影响后续图像处理的效果。图像输入设备能量化的灰度级数 (即位分辨率或色调分辨率) 通常为用户所关注。一般量化位数取8, 高精度的扫描仪可以把这一参数提高到12位甚至16位。图像数字化设备的固有噪声是导致图像质量下降的根源之一, 噪声水平是衡量扫描仪的重要性能指标, 应小于原稿内部的反差 (对比度) 。本实验选用ESPON平板彩色2580型扫描仪, 其参数如表1所示。

4.2 扫描参数设置

为了得到质量较高的数字图像, 本实验采用专业扫描模式。一般需要根据扫描意图指定适当的分辨率, 一般设置为300dpi, 为了得到更好的加工效果, 本实验选择600dpi, 在保证扫描图像质量的前提下, 亦能满足数据大小的增加。

(1) 从扫描图像中去除波纹图案。波纹容易在半色调区域产生, 例如:皮肤色。 (2) 增加图像清晰度。如果原始图像的轮廊不够清晰, 可以在专业模式中使用此功能增强扫描图像的清晰度。使用增加图像清晰度的功能后, 图像质量得到改善。 (3) 翻新褪色的彩色图像。色彩翻新是一种扫描仪软件功能, 可翻新在胶片和照片上的褪色色彩。选择色彩翻新复选框可进行调整翻新色彩。 (4) 去除胶片上的灰尘。使用此功能去除胶片上的灰尘, 提高扫描图像的质量。在调整中选择去除灰尘复选框。

4.3 扫描后处理

经过一系列的处理可以很好地增强图像的质量, 但一般得到的初步数字图像质量还存在一些问题, 这就需要在图像处理的后期工作中加入图像的去噪声处理。去除噪声的方法有很多, 如图像平滑、中值滤波、图像锐化等。本实验选用中值滤波的方法减少图像噪声。模拟图像原稿经扫描后的原始数字图像和经过处理后的数字图像分别如图所示。

5 小结

对模拟图像的数字化处理, 主要是数字扫描。通过在扫描过程中选择合适的参数得到初步的数字图像, 然后经过中值滤波的处理, 得到符合数控加工的数字图像。其特征信息用灰度值来表示。

参考文献

[1]霍宏涛.数字图像处理.机械工业出版社.2006.

[2]孙即祥.图像分析.科学出版社2004.

[3]陈天华.数字图像处理.清华大学出版社.2007.

[4]金杨.数字化印前处理原理与技术.化学工业出版社.2006.

图像研究篇8

车载图像由于其成像过程的复杂性,容易受到多种因素的影响。特别是在图像的采集、传输和格式转换等过程,都可能造成图像的模糊。下面对造成图像模糊的各种因素进行分类阐述。

1) 系统因素:造成图像模糊的首要因素就是系统因素,比如成像系统中的各种元器件,包括图像采集器件、传输信道、光学镜头、信号格式转换器等。这些元器件所引起的图像模糊问题,是影响图像质量的非常重要的因素。概括起来,系统因素的具体表现主要包括:成像系统的光学镜头的畸变、焦距调整不当等造成图像或者视频质量的下降;成像感光元件的灵敏度差、精确性不高等,可以降低图像采集和信号的转换质量;图像信号的格式转换、解压缩和编码过程中,都容易造成信息的细节丢失,造成图像清晰度的降低。

2) 环境因素:成像环境也能给图像质量产生影响,而环境因素也是一种不可控的因素。比如各种不良天气条件会造成严重的干扰电磁信号,给图像的采集和处理带来噪声,严重影响车载图像的清晰度。

3) 人为因素:人为因素主要是各种不适当的操作过程,给图像质量所带来的影响。可以将人为因素归入可控因素的范畴。比如在图像的获取过程中,经常会遇到的相机抖动情况;在图像的处理和运算过程中,由于采用了精度差、性能不高的算法,而导致的图像质量下降,影响到图像的视觉效果。

2 图像去模糊技术

2.1 软、硬件去模糊

1) 基于软件的图像去模糊:采用软件进行图像的去模糊,就是在没有硬件辅助的情况下,仅利用软件程序完成图像的去模糊过程,使图像呈现出更清晰的视觉效果。基于软件的图像去模糊技术成本较低、不需要硬件支持,只要所采用的算法合理,就可以在准实时的条件下完成图像的去模糊工作。可以发现,该类技术的最大特点就是成本低、速度快。

2) 基于硬件的图像去模糊技术:基于硬件的图像去模糊技术需要在算法设计的基础上,通过一种或者多种硬件设备为其提供必要的辅助,才能实现对图像去模糊过程。在此类方法中,提供辅助的硬件设备的主要作用就是估计模糊核的具体值,从而能够大幅减少软件在计算模糊核的过程中所消耗的时间。

2.2 局部与全局去模糊

在图像的去模糊过程中,由于图像中需要进行去模糊处理的区域存在差异,就需要针对实际区域进行去模糊处理,也就是说,局部与全局去模糊技术主要针对图像中的部分区域来进行。

1) 局部去模糊技术:根据实际的运动过程,车载图像所产生的局部模糊主要由运动所造成,也就是图像中的某个对象发生运动,而导致局部位置的图像模糊。在车载局部模糊图像中,这种运动主要为相对于车载相机的运动,而非图像本身的运动模糊。所以,对于图像的局部去模糊操作,需要对多种因素进行考虑,这主要是由于图像中对象的运动状态未知,从而导致局部区域与其他区域的模糊核存在差异,所以,就需要针对多个模糊核进行估算,这样就会给去模糊算法的计算过程带来影响,导致去模糊的难度增大。

2) 全局去模糊:车载图像中存在的全局模糊,通常都是由于车辆在运行过程中,由于相机的抖动而造成。所以,在基于全局的去模糊算法中,都是假设造成图像模糊的模糊核是唯一的,然后,再通过对该模糊核的估计和优化来实现图像的整体模糊去除。

2.3单幅与多幅去模糊

1) 单幅图像去模糊:对于给定的单幅模糊图像,没有其他任何信息,完全以图像本身为基础来进行处理。这其中,对于所有的去模糊场景,单幅图像的去模糊已经成为一种最常见的形式。

2) 多幅图像去模糊:为了提高单幅图像的去模糊精度,需要另外增加一些图像以提供辅助信息,比如携带噪声的图像或比较清晰的图像等。所以,在满足特定要求的情况下,基于多幅图像的去模糊的效果要由于单幅图像去模糊。

3 车载图像去模糊算法

本文中所采用的图像去模糊算法,不需要任何硬件来辅助估计模糊核,只是将图像的去模糊问题转换为图像盲处理问题来进行研究。在算法处理中,包含两个步骤,分别是模糊核估计以及图像模糊去除。该文研究中,主要采用了基于标准化稀疏度量核估计的车载图像盲去模糊算法完成整个处理过程,采用该方法,可以有效解决车载图像的失真、清晰度不高以及视觉效果受到严重影响等问题。不仅如此,通过对部分晕影效应的改进,有效改善了去模糊图像的质量。此外,此类车载图像的去模糊算法还可以有效克服MAPK核估计算法中存在的一些缺陷,比如实用性不高、计算过程较复杂等;同样,与其他类型盲去模糊算法相比,其优势在于能够利用更为简单的算法模型来实现计算过程复杂程度的降低,从而有效提高算法运行素具,是一种实用性很强的去模糊算法。

3.1算法模型

在研究过程中,将携带噪声的模糊图像表示为g ,而水平和垂直方向上的一阶求导滤波器可以表示为:▽ =[1,-1] 和▽ =[1,-1]T,经过求导处理后,可以将梯度图像表示为:y =[▽x(g),▽y(g)] ,该式子所反映的就是图像中的高频信息。以此为基础,可以将核估计模型的公式表示为:

其中,k表示模糊核,该模糊核需要满足的条件为:k≥0,∑ki= 1 ;x则表示高频空间的隐含图像。为了便于对式子(1)进行求解,可以将其拆分,从而变换成对x和y的求解问题。在具体的求解过程中,可以在固定k对x求解;然后,则可以再固定x ,对k进行求解;采用这种交替计算的方式,则可以得到比较满意的结果。当然,如果采用金字塔迭代的方法,则可以获得更加精确的结果。其实,金字塔迭代就是从顶层开始逐层求解,并将上一层获得的结果向下层传递,以此类推完成最后一层的计算。经过金字塔迭代计算得到的估计值,可以最大限度的接近真实的模糊核。

3.2模糊核估计

对于模糊核的估计算法,参考经典估计算法,具体包括两个步骤,分别是:k问题求解和x问题求解。

1) x求解过程

在对x问题进行求解的过程中,需要先将模糊核k固定下来,这样,就可以利用下面的式子对x进行求解。

其中,x1/x2会给求解过程带来麻烦,这主要是由该目标函数是一个非凸函数。

2) k求解过程

求解k的过程中,同样可以采用先固定x的方法,即根据下面的式子对k进行求解:

该算法在计算的迭代过程中,所得到的k值可能会存在负值,所以,为了简化计算过程,需要将负值设定为0,然后进行重新的归一化处理,以满足上面给出的k值的限定条件。由于原有算法的计算速度比较慢,所以,可以在迭代过程中使用上次迭代中得到的权重。

3.4算法优化

文中算法在研究过程中,为了使得获得图像质量更高,以现有研究成果为基础,对上述算法的实现过程进行了优化改进,主要思路就是通过标准化的稀疏度量估计算法对图像的模糊核继续拧估计,获得模糊核后,就可以对车载模糊图像进行快速非盲去模糊处理,进而得到较好的图像质量。优化后算法的处理过程为:

为了简化实验过程,实验中采用单个模糊核算法对其进行验证。首先,选取真实车载相机所获取的模糊图像,所选图像有具有一定的代表性;其次,利用模糊核估算算法对模糊核进行估计;最后,利用估计的模糊核恢复车载模糊图像,通过多种指标对算法进行评价。具体的实验结果如图1中所示。

通过如图1中所示的实验结果果可以看出:对于尺度较大的车载图像,该算法能够准确估计模糊核,最大程度地消除模糊影像,算法的晕影效应也得到了有效抑制。不过,对于尺寸较小的车载图像,由于所估计的模糊核的准确性不高,使得所产生的晕影效应比较明显。对于存在晕影效应的车载图像中,路标的对象的晕影最为严重,主要是由于图像中路标的比例较小,使得产生的晕影效应更明显。

4 结束语

本文在现有盲去模糊算法的基础上,设计采用基于标准化稀疏度量核估计的车载图像去模糊算法,对现有算法进行了有效改进和优化。实验结果都表名,文中所采用的优化算法能够有效解决车载图像中图像失真、清晰度较差以及视觉效果不好等缺陷,可以大幅提高车载图像的恢复质量。

摘要：文中首先对造成图像模糊的因素进行分析,介绍了现有模糊图像去模糊所采用的主要技术。接着,文中重点对车载模糊图像的去模糊问题进行研究,所设计的去模糊优化算法能够有效提高车载图像的去模糊效果。

图像复原算法研究篇9

在图像的形成、传输、存贮、记录和显示过程中,由于光学系统的像差、成像系统的非线性、大气扰动、运动、散焦和系统噪声等因素的影响,它们都会造成图像的模糊和变形。因此,要想得到高质量的数字图像,很多情况下,都需要对图像进行复原,使其与原图像尽可能的逼近。但大多数情况下退化过程是不可知的,由于图像模糊的同时,噪声和干扰也会同时存在,这也为复原过程带来了困难和不确定性,经典图像复原在图像处理中占有重要的地位,其复原的前提条件是需要知道点扩展函数和噪声分布,其中一些算法出现很早,并取得了相当的成果,至今还被广泛使用。这些早期的图像复原算法,很多是人们进行分析的有力工具,但如何对它们进行优化改进,克服其算法本身所具有的弱点,使之适合不同的复原情况,也是值得研究的。本文针对当前主流的图像复原算法进行分析,归纳和总结,并进行了仿真实验,为人们在不同的应用场合及不同的图像数据条件下选择不同的复原算法以及系统参数提供了一定的依据。

1 图像退化模型

图像复原,是指去除或减少在获得观测图像过程中产生的降质影响,因为使图像模糊的原因很多,所以通常用统一的数学模型对图像的模糊过程进行描述。如果一幅原始图像f(x,y),在一个退化函数和一个加性噪声项的作用下,生成观测图像g(x,y),一般的,退化函数可以认为是线性、位置不变的,噪声也与位置和当前像素值无关,退化过程可以被模型化为[1,2]:

g(x,y)=f(x,y)*h(x,y)+n(x,y) (1)

其中h(x,y)是表示退化函数的空间描述,也称为PSF,即点扩散函数;*表示空间卷积,n(x,y)为加性噪声。可以用向量矩阵的形式将式(1)的退化模型表示为[1]

g=Hf+n (2)

在式(2)中,g是观测图像,假设其大小是N×N,f是样本,n是噪声,g、f和n尺寸相同,都是N2×1的列向量,H是N2×N2的PSF参数矩阵,如果是空间不变PSF,则H是块循环矩阵。从模型中估计f的问题称为线性反转问题,这也是经典图像复原研究中的基础[3]。

2 逆滤波复原技术

逆滤波法是最早使用的一种无约束复原方法,通常用它来处理从航天器传来的退化图像。其算法如下:对于(2)式的图像退化的模型,当对n的统计特性不确定时,需要寻找1个f的估计 $\hat{f} ‚$ 使得 $Η \hat{f}$ 在最小均方误差的意义下最接近g,即要使n的模或范数最小:

$∥ n ∥^{2} = n^{Τ} n = ∥ g - Η \hat{f} ∥^{2} = (g - Η \hat{f})^{Τ} (g - Η \hat{f}) (3)$

根据上式,可把恢复问题看作对 $\hat{f}$ 求下式的最小值:

$L (\hat{f}) = ∥ g - Η \hat{f} ∥^{2} (4)$

将L对 $\hat{f}$ 求微分并将结果设为零,再设M=N和H-1存在,就可得到无约束恢复公式:

$\hat{f} = (Η^{Τ} Η)^{- 1} Η^{Τ} g = Η^{- 1} (Η^{Τ})^{- 1} Η^{Τ} g = Η^{- 1} g (5)$

根据循环矩阵对角化的讨论,式(5)可以写成如下形式的估计:

$\hat{F} (u, v) = \frac{G (u, v)}{Η (u, v)} (6)$

然后采用 $\hat{F} (u, v)$ 的傅里叶逆变换来得到图像的相应估计,这种方法称为逆滤波,恢复后的图像可以用式(7)来表示:

$\hat{f} (x, y) = F^{- 1} [\hat{F} (u, v)] = F^{- 1} [\frac{G (u, v)}{Η (u, v)}] (7)$

由(7)式可见,如果H(u,v)在uv平面上取零或很小,就会带来计算上的困难。另一方面,噪声还会带来更严重的问题,如果加入噪声可得到:

$\hat{F} (u, v) = F (u, v) + \frac{Ν (u, v)}{Η (u, v)} (8)$

由(8)式可以看出,如果H(u,v)在uv平面上取零或很小,N(u,v)/H(u,v)就会使恢复结果与预期的结果有很大差距。实际中H(u,v)随u,v与原点距离的增加而迅速减小,而噪声N(u,v)却一般变化缓慢。在这种情况下,恢复只能在与原点较近(接近频域中心)的范围内进行,所以一般情况下逆滤波器并不正好是1/H(u,v),而使u和v的某个函数,可记为M(u,v),常被称为恢复转移函数。一种改进的方法使取M(u,v)为:

$Μ (u, v) = {\begin{cases} Κ 如 Η (u, v) \leq d \\ 1 / Η (u, v) 其它 \end{cases} (9)$

其中k和d均为小于1的常数,而且d选得较小为好。

3 维纳滤波复原技术

维纳滤波是一种最早也最为人们熟知的线性图像复原方法。维纳解卷是在假定图像信号可近似看作为平稳随机过程的前提下,按照f(x,y)和 $\hat{f} (x, y)$ 之间的统计误差 e2达到最小的准则来实现图像恢复的[1],即:

$e^{2} = \min E [[f (x, y)] - \hat{f} (x, y)]^{2} (10)$

式中,E表示期望值操作符,f(x,y)未退化的图像, $\hat{f} (x, y)$ 是恢复的图像。如果把恢复看作再满足式(2)的条件下选取 $\hat{f}$ 的1个线性操作符Q(变换矩阵),使得 $∥ Q \hat{f} ∥$ 最小。通常可以用拉格朗日乘数法解决这个问题,设a为拉格朗日乘数,要找到能最小化下列准则函数的 $\hat{f}$ :

$L (\hat{f}) = ∥ Q \hat{f} ∥^{2} + a (∥ g - Η \hat{f} ∥^{2} - ∥ n ∥^{2}) (11)$

与解(4)式相同可得有约束恢复公式(令s=1/a)

$\hat{f} [Η^{Τ} Η + s Q^{Τ} Q]^{- 1} Η^{Τ} g (12)$

当选用图像f和噪声n的自相关矩阵Rf和Rn表示Q即可得到维纳滤波复原方法。

定义Rf=E{ffT},Rn=E{nnT},定义QTQ=

Rf-1Rn并将其代入式(12)得到频域表达式,其中s=1

$\begin{array}{l} \hat{F} (u, v) = [\frac{1}{Η (u, v)} \\ \frac{| Η (u, v)^{2} |}{| Η (u, v)^{2} + S_{n} (u, v) / S_{f} (u, v) |}] G (u, v) (13) \end{array}$

其中,H(u,v)表示退化函数,Sn(u,v)/Sf(u,v)称为噪信功率比。

|H(u,v)|2=H*(u,v)H(u,v) H*(u,v)表示H(u,v)的复共轭。

Sn(u,v)=|N(u,v)|2表示噪声的功率谱。

Sf(u,v)=|F(u,v)|2表示未退化图像的功率谱。

只要对 $\hat{F} (u, v)$ 求傅里叶反变换就得到恢复后的图像 $\hat{f} (x, y)$ 。可以看出,维纳滤波器不存在极点,即使当H(u,v)等于0时,维纳滤波器的分母至少等于噪信功率比,所以对噪声有抑制作用。通常并不知道信号和噪声的功率,用一个常量数组K来代替Sn(u,v)/Sj(u,v)。则(13)式用下式来近似:

$\hat{F} (u, v) = [\frac{1}{Η (u, v)} \frac{| Η (u, v) |^{2}}{| Η (u, v) |^{2} + Κ}] G (u, v) (14)$

可以看到,当K为0时,维纳滤波器就转化为标准的逆滤波器,而逆滤波器是严格地从退化模型反推出来的。所以当K不等于0时,虽然能抑制了噪声的扩大,但复原的模型没有去卷积滤波器精确,造成复原的失真。K越大,抑制噪声效果越好,但复原不准确,图像会比较模糊。K越小,复原越准确,然而噪声抑制效果不好。

4 有约束的最小二乘方滤波复原技术

约束最小二乘方滤波式从(10)式出发来确定变换矩阵Q。为了减小振荡,可以建立基于平滑测度的最优准则[1],例如,可最小化某些二阶微分的函数,f(x,y)在(x,y)处的二阶微分可用下式近似:

$f (x, y + 1) + f (x, y - 1)] (15)$

上述二阶微分可以用f(x,y)与下面的算子卷积得到:

$p (x, y) = (\begin{matrix} 0 & - 1 & 0 \\ - 1 & 4 & - 1 \\ 0 & - 1 & 0 \end{matrix})$

基于这种二阶微分的最优准则是:

$\min [\frac{\partial^{2} f}{\partial x^{2}} + \frac{\partial^{2} f}{\partial y^{2}}]^{2}$

该函数的约束条件为: $∥ g - Η \hat{f} ∥^{2} = ∥ n ∥^{2} (16)$

这个最优化问题的频域解决办法由(17)式给出:

$\hat{F} (u, v) = [\frac{Η^{*} (u, v)}{| Η (u, v) |^{2} + s | Ρ (u, v) |^{2}}] G (u, v) (17)$

其中,s是一个必须加以调整的参量,以便约束条件得到满足,P(u,v)是函数p(x,y)的傅里叶变换。

5 实验结果及分析

分别用上文介绍的3种复原方法对同一幅退化图像进行了复原处理,图1(a)是分辨率为300*400的8位BMP原始灰度图,图1(b)是计算机模拟出的高斯模糊并有加性噪声影响的退化图像,模糊函数是均值为0,方差为6,滤波尺寸为9的高斯函数,添加的高斯噪声均值为0,方差为2,图1 (c)是逆滤波复原的结果,(9)式中的k取1,d取0.1,图1 (d)是按照(14)式维纳滤波复原的结果,其中K取0.01,图1(e)是按照(17)式有约束的最小二乘滤波复原的结果,其中s取10-2.5,从中可以看出,逆滤波和约束最小二乘方抑制噪声的能力虽然不如维纳滤波,由于噪声方差较小,3种方法复原的结果相差不大,细节保持能力均较好。

图2(a)是在图1(b)的基础上将高斯噪声方差加到了20,图2 (b)是逆滤波复原的结果,(9)式中的k取1,d取0.1,图2 (c)是按照(14)式维纳滤波复原的结果,其中K取0.02,图2 (d)是按照(17)式有约束的最小二乘滤波复原的结果,其中s取10-1.5,可以看出加大噪声方差的情况,逆滤波和约束最小二乘方复原结果受噪声的影响较明显,图像中噪声颗粒偏大,维纳滤波复原抑制噪声能力要好于其他两种方法,但其模糊程度要大些,约束最小二乘方复原结果细节保持能力最强。

图像复原质量既可以从主观上进行描述,也可以从客观上定量地描述,本文使用了均方误差MSE(Mean Square Error)测度来对复原质量进行评价,假设f(x,y)的尺寸为M×N,MSE用下面表达式计算:

$Μ S E = \frac{1}{Μ \times Ν} \sum_{x = 0}^{Μ - 1} \sum_{y = 0}^{Ν - 1} (f (x, y) - \hat{f} (x, y))^{2} (18)$

两幅图像的MSE越小,说明两幅图越接近,表1显示了按照上文所设置的系统参数,分别利用3种方法对相同的高斯模糊不同加性噪声影响的退化图像复原的客观评价指标MSE的结果,从表1中的数据可以看出,在噪声方差较小时,3种方法的MSE均较小且相差不大,当噪声方差加大到20时,3种方法的MSE也随着变大,但约束最小二乘方复原的均方误差最小。

6 结束语

本文通过对上述3种算法的研究并对计算机模拟出的高斯模糊并有不同加性噪声影响的两幅退化图像进行了复原处理,在寻找较好视觉效果上取得了丰富的经验数据。从复原图像质量以及客观评价标准来看,在噪声方差较小时,3种方法的复原效果均较好,在加大噪声方差时,维纳滤波抑制噪声的能力最好,约束最小二乘方复原结果细节保持能力最强。所以在高噪声环境下,可以选择约束最小二乘方复原来达到更好的视觉效果,当然,在实际应用中,要根据经验来选择最佳参数进行图像复原。对于今后图像复原算法的研究,应以提高复原算法的有效性和效率为主要研究方向,不断提高复原图像的质量和速度,并降低算法的复杂度。

参考文献

[1]Rafael C Gonzakez,Richard E Woods.数字图像处理[M].阮秋琦,阮宇智,等译.2版.北京:电子工业出版社,2007.

[2]钟金辉,彭荫荣,等.基于Lucy算法的散焦图像复原[J],微计算机信息,2009,25(52):279-280.

图像研究篇10

本研究目的是通过对同一SPECT原始数据,采用OSEM和FBP两种重建方法,通过计算病灶的T/B(靶组织/本底组织)和噪声指标,来判断和比较两种图像重建方法的优劣。探讨将OSEM迭代图像重建技术作为临床常规SPECT成图像之方法.

1 资料和方法

使用GE公司Millennium MG可变角度双探头的SPECT,并配置最先进的Xeleris 2.0分子影像图像处理工作站。

⑴模型研究选择Deluxe Jaszczak Phantom模型按照文献报道的方法制备”热区”模型[2]。采用MG配低能高分辨准直器,对Jaszczak Phantom作SPECT断层采集,128X128矩阵,放大倍数1.6,20秒/帧,共采64帧。对采集的原始投影分别进行FBP和OSEM方法重建。FBP法重建条件为:Butterworth预滤波,截止频率0.6,放大倍数12。OSEM重建迭代次数2,子集数10,预滤波为Hanning,截止频率0.9。然后对半径10 mm的热区计算T/B比值和噪声指标,同时记录FBP和OSEM两种方法重建图像的花费时间。

⑵对15例心脏、骨骼、脑SPECT图像进行对比分析

(1)选择临床心肌血流灌注(99mTc-MIBI)、骨骼扫描(99mTc-MDP)和脑血流灌注(99mTc-ECD)检查各15例患者原始SPECT数据,分别采用FBP和OSEM方法进行重建,计算病灶部位T/B和图像噪声指标。图像采集采用临床常规采集方法,心肌为180°采集,其他均为360°采集。两种重建方法均采用厂家为不同检查提供的不同默认参数。

(2)选择各10例心肌血流灌注(心梗患者)和骨骼SPECT断层扫描患者(前列腺癌或乳线癌骨骼系统转移患者),所有患者临床资料齐全,临床诊断明确。分别采用每个投影20s和10s采集,其它条件相同。获得原始数据后分别按照FBP和最新一代OSEM重建方法(快速心脏、骨分辨率恢复迭代重建技术)重建图像,并获得病灶T/B和图像噪声指标。

2 结果

表1所显示是不同重建方法在模型研究的结果。可以看出OSEM病灶T/B提高30%,图像的噪声指标保持基本不变,而图像重建所花费时间无明显增加。

表2是不同脏器采用FBP和OSEM图像重建方法获得的T/B和图像噪声指标的结果比较。OSEM重建方法T/B分别提高1.5%(心脏)、3.3%(骨骼)和1.4%(脑);OSEM重建与FBP法相比图像噪声指数差别不大。相比之下,OSEM重建技术对于骨骼病灶T/B提高更明显。图1显示同一患者在相同条件下采集的原始数据,采用OSEM方法明显优于FBP,在脑血流灌注图像中表现更为明显。

表3表明同一患者,当采集时间减少50%情况下,噪声指标并无明显增大,而图像的T/B仍然有一定程度的提高。

3 讨论

通过对同一模型和同一患者相同数据的对比分析,我们认为对于SPECT图像原始数据,采用代数迭代图像重建替代FBP图像重建,具有以下的优势:

(1)在相同采集时间情况下,OSEM重建方法可以一定程度提高图像的T/B。从模型研究数据到不同临床脏器研究的结果(表1和表2)均表明采用OSEM图像重建方法提高了病灶的T/B和图像质量,该结果与其他学者研究的结果一致[3,4]。这对于提高和扩大SPECT设备在临床应用具有重要的价值。SPECT图像本质是提供不同放射性药物在体内分布时病灶和正常组织的对比度。所以对于分子影像设备提高病灶的T/B与提高设备的系统分辨率具有相同的临床价值。

(2)在缩短一半采集时间情况下,采用快速心脏和骨的新一代分辨率恢复OSEM技术重建图像,心脏和骨骼图像噪声无显著改变,节省时间,或可以减少放射性药物剂量。此对于儿童扫描具有重要价值.

从表3数据可以看出采用新一代分辨率恢复OSEM技术后,即使将图像采集时间减半而图像质量仍然保持基本不变,病灶的T/B几乎无降低。这样对于儿童和特殊患者具有重要的使用价值。

(3)采用新一代分辨率恢复OSEM技术后,提高了SPECT临床工作效率.使得双探头具有更高的效率,单探头具有接近双探头的临床作用。该数据结果提示我们,当注射的放射性药物剂量不变时,GE Millennium M P R设备与M G具有相同的探测器(探头),采用OSEM重建技术将可以使MPR设备具有可变角度双探头的临床作用;或者可以明显提高MG设备50%的临床效率。

综上所述,可以看出对于GE Millennium MG设备采用代数迭代图像重建技术中的OSEM图像重建技术,不但能提高心脏、骨骼和脑SPECT图像病灶的对比度和图像质量,而且也能提高SPECT图像采集速度或降低对患者的注射剂量。MPR设备采用该技术,也能够到达传统双探头的同等临床效果。所以,代数迭代图像重建技术可作为临床常规的SPECT图像重建方法,对于SPECT的临床应用具有重要的价值,特别是具有普及化的意义。

参考文献

[1]田嘉禾.PET、PET/CT诊断学[M].北京:化学工业出版社,2007.

[2]Zanzonico Pat.Routine Quality Control of Clinical Nuclear Medicine Instrumentation:A Brief Review[J].Journal of Nuclear Medicine,49(7)1114-1131.

[3]宋惠宁.COSEM图像重建方法的技术特点和临床应用[J].医疗设备信息,2001,3:5～6.

北周时期佛教造像碑图像研究篇11

【关键词】北周；造像碑图像；文化

造像碑作为佛教造像艺术与中国传统碑碣相结合的一种艺术形式，具有重要的历史与艺术研究价值。我国对碑碣的研究长期以来取得了丰硕的成果、积累了丰富的经验，造像碑作为一种特殊的碑碣对于它的价值研究也已经进入了相对深入的阶段。但从艺术的角度对造像碑的图像进行研究还有很大的学术上升空间。本文通过对北周时期造像碑图像深入细致的研究，以期探讨佛教在中国的文化土壤中是如何以南朝文化为宗，融合自身特色，完成佛教本土化的。并基于此对其风格嬗变的原因进行深入探讨。

一、造像碑的功能与意义

与传统的石窟寺中的造像有所不同，造像碑将传统碑碣与石刻造像相结合，将石窟中的雕刻方式巧妙地移植到了寺院地面，并且让它拥有了可移动性。这种新的艺术形式的出现是佛教艺术在不断的发展中与中国本土文化相融合的结果，也是艺术追求多样化的必然结果。造像碑这种融合雕刻、绘画、书法、建筑于一体的宗教艺术作品，具有很高的历史价值与艺术价值。

造像碑不仅反映出五至七世纪人们的宗教信仰，更折射出当时的社会状况。其碑面上所凿刻图像，如佛像、供养人等以及发愿文都具有极其特殊的含义。造像碑的主要用途是祈愿，在碑面上，主体雕刻的佛道图像是为了表达对佛或道的礼拜与崇敬，并且祈求其庇佑与保护；同时，造像碑上也经常出现供养人的图像，这些供养人是出资雕刻造像碑的像主、家眷以及与之有密切关系的社会成员。在这些供养人的旁边，通常会刻着造像题记，通过题记，我们可以了解供养人的籍贯、姓名、亲属、官职等一系列背景资料，这些详实的资料具有很高的史料价值；最后，通过造像碑上凿刻的发愿文，我们可以了解到当时民众的生活状态与期望。可以说，当时人们的生活状态通过造像碑这一特殊的宗教艺术形式表现的淋漓尽致。

二、造像碑图像对北方民众信仰的反映

（一）多元信仰的体现

从北周时期的造像碑图像中，我们可以考察当时北方民众的信仰。北周时期造像碑崇奉对象多元且复杂，还出现佛道混同的崇奉现象，由此可见，北方基层民众的信仰处于多元混合的状态。

在民众佛教信仰中，祟奉对象是其重要的组成部分。它能直接地反映民众信仰、教义倾向。作为一定时期内人们信仰领域内的崇拜对象，它体现的是佛教诸多尊者在人世间的流行情况。而造像碑所表现的造像，为我们了解当时民众的礼拜对象以及佛教信仰思想提供了宝贵的实物佐证，具有直接的史料价值。尽管在捐资凿刻造像碑的时候可能会受到当时祈福颂德的社会风气的影响，但供养人对于自己所信奉的佛、菩萨等诸位尊者，依然会很直接的体现在造像上。所以，在造像碑图像中所出现的题材，表现了造像者的崇奉对象，通过对造像题材的变化的研究，可以进一步了解当时民众佛教信仰的变化。

（二）三种主要信仰

纵观北周时期的造像碑图像，可以发现，当时人民的信仰倾向十分的复杂，主要可以分为以下几个方面：其一是释迦信仰。北周时期释迦信仰的流行可能是受到北魏传统佛教思想的影响，是对原有的释迦信仰的继承。但北周时期的释迦信仰反映在造像碑图像上，并不仅仅单一的存在，通常是伴随着弥勒信仰一同出现的。反映在造像题材的选择上，经常表现为上部为弥勒，下部为释迦的构造方式，藏于西安碑林博物馆的释迦弥勒造型碑等，就是这种形制。

其二是弥勒信仰。其与北朝后期的社会环境有着密不可分的关系。公元520年，尔朱荣叛乱，使北方地区的民众生活再次陷入水深火热之中，对现世的失望催生了下层人民对来世的希冀。《弥勒经》中记载，弥勒为释尊的十大弟子之一，将在未来世继承释迦衣钵，成佛度脱众生。所以弥勒也称“未来佛”，也因为他现在还未成佛，又称“弥勒菩萨”。在另一个层面，弥勒信仰也成为统治阶级改朝换代的舆论导向，在佛教中，宣称弥勒将来会继承释迦的佛位，作为信佛降临到世间。正因如此，弥勒信仰为处于下层的百姓带来了希望，很多农民起义也以弥勒为旗帜。

三是阿弥陀净土信仰。在中国人眼里，地下是人们受苦的地方，天上是神众享乐的地方。作为庶民百姓，自然对天堂有着无限的向往和追求。而佛教中的佛国净土正好满足了广大佛教徒的这种心理。于是，在佛教传入中国不久，弥勒净土信仰和阿弥陀的西方净土信仰相继出现。北周造像碑发愿文中的“愿亡者迁生西方”、“愿亡者托生西方妙乐”、“长居妙乐”、“恒愿在西方供养无量寿佛”、“愿亡夫迁生西天无量寿”等等发愿，表达了当时人们对西方妙乐净土的向往。造像题材为无量寿的铭记都体现了造像者对西方极乐世界的追求，亦即对阿弥陀净土的崇尚。

此外，北周时期的造像碑图像对中国本土的道家信仰也有充分的体现。佛教中的崇奉形象与道家的崇奉形象同时出现在同一个造像碑上，体现着外来佛教文化与传统本土文化的有机融合。就图像而言，佛、菩萨像龛是表现一种进入或到达这种混溶境界的必然过程。佛道在思想上的合流必然会在造像碑的形式上有所体现。

三、上层建筑对造像碑图像的影响

在政权更迭的南北朝时期，佛教造像艺术并未呈单一发展的趋势，而是在艺术上显现出外来文化与汉民族文化的交融互渗。自公元557年宇文氏取得政权到公元581年隋朝建立，北周虽然只存在了短短的二十五年，但这个国度在历史演进中扮演了重要的角色，它对外交流频繁，在很多方面都为后世政权树立了楷模，奠定了基础。

（一）分布及原因

因长期处于战争状态，北周下层的人民生活疲困潦倒，无情的战火每每使得百姓骨肉分离，加之土地贫瘠，粮食供应不能自给自足，北周的百姓日常生活可谓水深火热。对现实生活的失望使得人们对宗教向往更甚，宗教信仰成为了他们的精神寄托，从而促发了造像碑的大量产生。

nlc202309020833

北周时期的造像碑主要分布在以长安为中心的秦川廊道内，秦川地区是北周军事贵族的主要居住地，“驻军成家立业，并有了一定的文化水平”，因此出现了造像碑孕育发展的新高峰。北方政权更迭频繁，北周为稳固政权需要强有力的军事后盾。虽然北周统治时间不长，但军队的数量与对外征战的次数却不容小觑。从结束西魏统治到对北齐的战争，北周最终统一了北方地区。战火连天导致了大量的将士战死沙场。也正因如此，为家人的亡魂祈福超度而捐资雕凿的造像碑数量激增，北周成为继北魏之后造像碑出现数量最多的朝代。

（二）经济因素的影响

北周的财政经济状况尤为拮据，捉襟见肘，在《北齐书》卷二六的《薛琡传》中，对于北周的经济状况有着这样的记载：“西贼连年饥馑，无可食啗，故冒死来入陕州，欲取仓粟。今高司徒已围陕城，粟不得出。但置兵诸道，勿与野战，比及来年麦秋，人民尽应饿死，宝炬黑獭，自悉归降。愿王无渡河也。”但上天似乎也没有因此卷顾北周，据《周书》记载，当年关中发生大饥荒，让经济上本就不宽裕的北周更是雪上加霜。但是，在如此的经济状况下，北周却战胜了比它强大数倍的北齐，其重要原因是大力提倡节俭。从节流上下功夫的北周王朝自周帝而下皆提倡节用、节葬、节省用度，将勤俭节约奉为国策。与北齐和梁陈形成了鲜明的对比，虽然财力有限，但北周却能将有限的财力集中在军事上，这也是它最后统一北方的重要原因。

节俭之风在造像碑上也有体现，北周时期的造像碑与同一时期北齐的造像碑有很大的不同，在雕刻上远没有北齐的繁缛、富丽，精细程度上也略显不足。如现存西安碑林博物馆的武成二年造像碑等，没有精致的镂雕与浮雕，只有简单的忍冬纹图案线刻。对主尊衣饰的处理也相对简单，整体感觉是朴素、厚重。由于生活的困苦使北周上百万的人民皈依佛门，但这对财政拮据的北周政府来说是不被允许的，因此，在北周武帝时期发生了波及全国的废佛事件。

四、与南朝文化的关系

供养人服饰是北周时期造像碑图像中一个不可忽略的因素。在供养人服饰的表现上，可见北周的文化政策是以南朝文化为宗，逐步汉化。尽管偏居北方，但北周王朝对于汉民族文化的学习从未停止过。

虽然为了保持民族的独立性，北周统治者积极推行“胡化”，但这并不是“反汉化”的逆流，而是北魏时期孝文改制时没有“改到”的那部分北方落后的鲜卑人及鲜卑化的汉人在夺取政权后的自然历史过程，这个自然历史过程使他们不能马上消灭自身的落后性，为了更稳固地立足于中原，他们都要在“胡化”的前提下走“汉化”之路。“胡化”在这时已不是本性使然，而是为了维持其特权地位，“汉化”是为了适应封建制的发展，从而巩固其统治地位。胡化和汉化是少数民族巩固和发展自身的两条策略，胡化的本质是走汉化之路。因此，北周的统治实际上是北魏统治的延续，是孝文帝改制的扩大，经过孝文改制的鲜卑胡人到北齐、北周己是汉化的胡人。而没有经过孝文改制的北方六镇胡人此时也被纳入了汉化的轨道，在黄河流域的民族融合熔炉中再生。

以南朝文化为宗的汉化，在北周时期的造像碑图像上体现颇多。我们可以看到，早期的“秀骨清像”式造像为一种面相浑圆、身体健硕的造像风格所取代，而这种风格的源头则来自南朝。在造像的服饰处理上，“褒衣博带”式的佛衣占主要地位。供养人的衣物处理更是具有极大的现实意义，在同一造像碑中，既有身着胡服的供养人，又有身着“褒衣博带”式衣物的供养人，客观地反映出了当时胡汉民族的文化交流情况。北周在与南朝文化的频繁交流中，不断地吸收南朝文化的优秀范例，又融合本民族的自身特色进行创新，最终成为隋唐造像艺术的重要样式。

五、对前代艺术的继承与创新

（一）早期形态与北齐的关系

在造像风格上，北周前期继承了西魏、北齐的造型特点。作为同一地域的政权，在造像上北齐与北周有着相似性。北齐造像以南朝的褒衣博带式和秀骨清像为依归，造像在形象层面汉化程度较深，尽管略显生硬，但是仍和南朝士人所倡导的风神仪容保持了一定的联系。这从藏于上海博物馆的北齐佛像石碑上可见一斑。

北周虽然灭北齐而立，但是文化上的惯性使得它在最初仍然继承了北齐的造像传统，而较少地显示出自己的特点。当然，这种形态的存在也和北周最初的国策有关。北周代北齐之后，出于政治上的稳定，对北齐政权的政治、经济、文化和宗教形态较少改变。除非关乎北周政权稳定，几乎都有意地维持了北齐留下的存在形态，这从北周武帝最初的施政纲领及其对北齐政权的贵族、勋臣的态度上可见一斑。因此，北周初期的造像碑从形制、内容、信仰、风格上都表现出了与北齐的趋同性。

（二）北周武帝时期的风格转变

在北周的政权稳定之后，北周武帝开始在各个方面推行自己的政策。在宗教上，北周开始改变了北齐时代较为生硬的南朝形态，而更多的是以一种积极的心态向南方学习，但是这种吸收与借鉴带有一种极强的主动性。

在衣饰的造型上，北周的佛像比之江南更显夸张，从造像碑上佛陀僧衣的下摆上可以突出地反映这一点。藏于西安碑林博物馆吕建崇造像碑碑阳主尊服饰，繁复的佛衣下摆完全覆盖了佛座，“褒衣博带”的风格尽显无疑。

随着时间的推移，南朝在文化、哲学层面上出现了变化。在讨论玄学的风气逐渐式微的情况下，对于本体论的关注成为了主流。在这样的哲学背景下，南朝的佛教造像出现了与以往不同的变化。张僧繇的宗教造像样式在南方成为了典范，张家样的丰圆面相逐渐取代了秀骨清像。南朝造像的这种变化无疑会对北周有着不可低估的影响。

（三）自身特性的确立

另一方面，北周政权也并非完全学步于南朝。在政治上，其曾一度强调民族特点，在宗教上，北周试图越过南朝而向西域、印度回溯佛教经典与造像仪轨，求取本真与原初的佛教形态，以期获得佛教正朔的认同。因此，北周不断地派出僧侣去西域求取真经。也因如此，在北周中后期的造像碑风格上出现了“复古”趋向。

其后，印度笈多式佛教造型再次出现在已经汉化到一定程度上的北周造像碑上正是这一“复古”趋向的表现。值得注意的是，这种佛像经典的回溯并不与摄取南朝风格相矛盾。这也是我们今天在北周造像碑上能够同时看到两种风格并存的合理解释。梁思成先生曾言：“北周遗物，以陕西为多，其作较齐像尤古。”

还应指出的是，这种回溯并未持续太长时间就被汉化浪潮淹没了，这种“较齐像尤古”的现象很快就因为隋的建立而戛然而止，从而也为我们今天能够看到的汉化佛教造像中出现的这一特殊现象提供了政治上的解释。

六、结语

南北朝末期，北周以贫弱之势，励精图治，统一了黄河流域，并为隋唐的大一统奠定了坚实的基础。北周时期的造像碑作为社会文化生活的产物，其不仅以精神信仰载体呈现，鲜明地反映出北周时期社会民众的宗教信仰：作为一种独特的艺术形式，其反映了民族之间的交流融合；作为历史文物，其风格嬗变也反映出北周政权的历史发展特点。其所蕴含的丰富历史文化信息，具有十分重要的研究价值。

图像识别技术研究综述篇12

关键词：图像处理,图像识别,成像

图像是客观景物在人脑中形成的影像,是人类最重要的信息源,它是通过各种观测系统从客观世界中获得,具有直观性和易理解性。随着计算机技术、多媒体技术、人工智能技术的迅速发展,图像处理技术的应用也越来越广泛,并在科学研究、教育管理、医疗卫生、军事等领域已取得的一定的成绩。图像处理正显著地改变着人们的生活方式和生产手段,比如人们可以借助于图像处理技术欣赏月球的景色、交通管理中的车牌照识别系统、机器人领域中的计算机视觉等,在这些应用中,都离不开图像处理和识别技术。图像处理是指用计算机对图像进行处理,着重强调图像与图像之间进行的交换,主要目标是对图像进行加工以改善图像的视觉效果并为后期的图像识别大基础[1]。图像识别是利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术。但是由于获取的图像本事具有复杂性和特殊性,使得图像处理和识别技术成为研究热点。

图像处理(image processing)利用计算机对图像进行分析,以达到所需的结果。图像处理可分为模拟图像处理和数字图像图像处理,而图像处理一般指数字图像处理。这种处理大多数是依赖于软件实现的。其目的是去除干扰、噪声,将原始图像编程适于计算机进行特征提取的形式,主要包括图像采样、图像增强、图像复原、图像编码与压缩和图像分割。

1)图像采集,图像采集是数字图像数据提取的主要方式。数字图像主要借助于数字摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像,也包括一些动态图像,并可以将其转为数字图像,和文字、图形、声音一起存储在计算机内,显示在计算机的屏幕上。图像的提取是将一个图像变换为适合计算机处理的形式的第一步。

2)图像增强,图像在成像、采集、传输、复制等过程中图像的质量或多或少会造成一定的退化,数字化后的图像视觉效果不是十分满意。为了突出图像中感兴趣的部分,使图像的主体结构更加明确,必须对图像进行改善,即图像增强。通过图像增强,以减少图像中的图像的噪声,改变原来图像的亮度、色彩分布、对比度等参数。图像增强提高了图像的清晰度、图像的质量,使图像中的物体的轮廓更加清晰,细节更加明显。图像增强不考虑图像降质的原因,增强后的图像更加赏欣悦目,为后期的图像分析和图像理解奠定基础。

3)图像复原,图像复原也称图像恢复,由于在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊,为了提取比较清晰的图像需要对图像进行恢复,图像恢复主要采用滤波方法,从降质的图像恢复原始图。图像复原的另一种特殊技术是图像重建,该技术是从物体横剖面的一组投影数据建立图像。

4)图像编码与压缩,数字图像的显著特点是数据量庞大,需要占用相当大的存储空间。但基于计算机的网络带宽和的大容量存储器无法进行数据图像的处理、存储、传输。为了能快速方便地在网络环境下传输图像或视频,那么必须对图像进行编码和压缩。目前,图像压缩编码已形成国际标准,如比较著名的静态图像压缩标准JPEG,该标准主要针对图像的分辨率、彩色图像和灰度图像,适用于网络传输的数码相片、彩色照片等方面。由于视频可以被看作是一幅幅不同的但有紧密相关的静态图像的时间序列,因此动态视频的单帧图像压缩可以应用静态图像的压缩标准。图像编码压缩技术可以减少图像的冗余数据量和存储器容量、提高图像传输速度、缩短处理时间。

5)图像分割技术,图像分割是把图像分成一些互不重叠而又具有各自特征的子区域,每一区域是像素的一个连续集,这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合。即对图像中的目标、背景进行标记、定位,然后把目标从背景中分离出来。目前,图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法[2]。由于采集图像时会受到各种条件的影响会是图像变的模糊、噪声干扰,使得图像分割是会遇到困难。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。

2 图像识别技术

图像识别是通过存储的信息(记忆中存储的信息)与当前的信息(当时进入感官的信息)进行比较实现对图像的识别[3]。前提是图像描述,描述是用数字或者符号表示图像或景物中各个目标的相关特征,甚至目标之间的关系,最终得到的是目标特征以及它们之间的关系的抽象表达。图像识别技术对图像中个性特征进行提取时,可以采用模板匹配模型。在某些具体的应用中,图像识别除了要给出被识别对象是什么物体外,还需要给出物体所处的位置和姿态以引导计算初工作。目前,图像识别技术已广泛应用于多个领域,如生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主车导航、公安、银行、交通、军事、电子商务和多媒体网络通信等。主要识别技术有:

2.1 指纹识别

指纹识别是生物识别技术中一种最实用、最可靠和价格便宜的识别手段,主要应用于身份验证。指纹识别是生物特征的一个部分,它具有不变性:一个人的指纹是终身不变的;唯一性:几乎没有两个完全相同的指纹[3]。一个指纹识别系统主要由指纹取像、预处理与特征提取、比对、数据库管理组成。目前,指纹识别技术与我们的现实生活紧密相关,如信用卡、医疗卡、考勤卡、储蓄卡、驾驶证、准考证等。

2.2 人脸识别

目前大多数人脸识别系统使用可见光或红外图像进行人脸识别,可见光图像识别性能很容易受到光照变化的影响。在户外光照条件不均匀的情况下,其正确识别率会大大降低。而红外图像进行人脸识别时可以克服昏暗光照条件变化影响,但由于红外线不能穿透玻璃,如果待识别的对象戴有眼镜,那么在图像识别时,眼部信息全部丢失,将严重影响人脸识别的性能[4]。

2.3 文字识别

文字识别是将模式识别、文字处理、人工智能集与一体的新技术,可以自动地把文字和其他信息分离出来,通过智能识别后输入计算机,用于代替人工的输入。文字识别技术可以将纸质的文档转换为电子文档,如银行票据、文稿、各类公式和符号等自动录入,可以提供文字的处理效率,有助于查询、修改、保存和传播。文字识别方法主要有结构统计模式识别、结构模式识别和人工神经网络[5]。由于文字的数量庞大、结构复杂、字体字形变化多样,使得文字识别技术的研究遇到一定的阻碍。

3 结束语

人类在识别现实世界中的各种事物或复杂的环境是一件轻而易举的事,但对于计算机来讲进行复杂的图像识别是非常困难的[6]。在环境较为简单的情况下,图像识别技术取得了一定的成功,但在复杂的环境下,仍面临着许多问题:如在图像识别过程中的图像分割算法之间的性能优越性比较没有特定的标准,以及算法本身存在一定的局限性,这使得图像识别的最终结果不十分精确等。

参考文献

[1]胡爱明,周孝宽.车牌图像的快速匹配识别方法[J].计算机工程与应用,2003,39(7):90—91.

[2]胡学龙.数字图像处理[M].北京:电子工业出版社,2011.

[3]范立南,韩晓微,张广渊.图像处理与模式识别[M].北京:科学出版社,2007.

[4]晓慧,刘志镜.基于脸部和步态特征融合的身份识别[J].计算机应用,2009,1(29):8.

[5]陈良育,曾振柄,张问银.基于图形理解的汉子构型自动分析系统[J].计算机应用,2005,25(7):1629-1631.

【图像研究】推荐阅读：