圖像處理技術(shù)(數(shù)據(jù)庫)

時間：2022-11-25 14:30:01 | 來源：信息時代

時間：2022-11-25 14:30:01 來源：信息時代

    圖像處理技術(shù) : 利用電子計算機(jī)對存儲在圖像數(shù)據(jù)庫中的數(shù)字圖像進(jìn)行分析和處理的各種技術(shù)的總稱。圖像處理包括圖像的采集、獲取、(壓縮)編碼、存儲與傳輸,圖像的生成、合成,圖像的變換、增強(qiáng)、恢復(fù)(復(fù)原)、重建,圖像的分割、檢測、特征提取,多幅圖像或序列圖像的校正配準(zhǔn),以及圖像的操作和分析等。對圖像數(shù)據(jù)庫而言,還要研究圖像數(shù)據(jù)模型、圖像數(shù)據(jù)結(jié)構(gòu)、圖像數(shù)據(jù)庫的建立、圖像數(shù)據(jù)庫的查詢、匹配與圖像庫的管理等問題。對圖像數(shù)據(jù)庫的應(yīng)用還涉及圖像的分類、表示、理解和識別等處理技術(shù)。
根據(jù)圖像數(shù)據(jù)庫應(yīng)用的需求,通?？梢詫⑸鲜鰣D像處理技術(shù)分為三個層次: 圖像處理、圖像分析和圖像理解。這三個層次是相互關(guān)聯(lián)的,有人將其稱為圖像工程學(xué)。①圖像處理(image processing)強(qiáng)調(diào)在圖像之間的變換以滿足對圖像進(jìn)行加工達(dá)到改善圖像的視覺效果,便于識別和(通過壓縮編碼)減少圖像的存儲及傳輸時間。②圖像分析(image analysis)指對圖像中感興趣的目標(biāo)進(jìn)行檢測,以建立對圖像的客觀描述。圖像分析是一個從圖像到(目標(biāo)特征)數(shù)據(jù)的描述與分析的過程。③圖像理解(image understand)研究圖像中各目標(biāo)的特性及其相互聯(lián)系,得到圖像內(nèi)容含義的理解和客觀場景的解釋,以指導(dǎo)和規(guī)劃行動。
1. 圖像處理
圖像處理技術(shù)包含如下諸多內(nèi)容:
(1)圖像的采集與量化(image acquisition/image quantization): 在(模擬)圖像的接收、存儲與傳輸中對圖像信息的數(shù)字化過程。通常,應(yīng)將一幅模擬圖像進(jìn)行采樣和量化處理,使之以數(shù)字圖像形式存入圖像數(shù)據(jù)庫。
(2)特征提取(feature extraction): 對圖像的特征進(jìn)行提取和分析。常用的圖像特征有顏色、紋理、形狀和輪廓等。以輪廓(contour)為例,輪廓表示圖像中灰度等級變化較大的一些區(qū)域之間的分界線。輪廓提取(contour extraction)指抽取輪廓分界線這一重要信息,以避免和消除噪聲引起的圖像模糊。如X-射線圖片經(jīng)輪廓抽取處理后,圖像輪廓將變得清晰。
(3)圖像變換(image transformation): 將圖像從空間域轉(zhuǎn)換為變換域(如頻率域)的過程。圖像變換是圖像處理和圖像分析技術(shù)的基礎(chǔ),利用變換域中的特有性質(zhì),可以簡化圖像處理的過程。圖像變換方法有: ①正交變換,用于圖像的復(fù)原、增強(qiáng)、特征提取和圖像壓縮與編碼; ②幾何變換,在保持圖像原有的濃度信息的條件下,對圖像進(jìn)行幾何處理,例如,平行移動、旋轉(zhuǎn)、放大、縮小、變換坐標(biāo)系等;③灰度變換,用于變換圖像的濃度。
(4)圖像數(shù)據(jù)的壓縮與編碼(參見圖像編碼)。
(5)圖像預(yù)處理(image preprocessing):為使圖像特征提取和識別容易進(jìn)行,在圖像處理前先去掉原始圖像的噪音及畸變,使圖像達(dá)到處理標(biāo)準(zhǔn)。圖像預(yù)處理在圖像處理和圖像數(shù)據(jù)挖掘中十分重要,它包括數(shù)據(jù)清洗、數(shù)據(jù)聚焦和特征提取等。由于圖像數(shù)據(jù)量十分龐大,應(yīng)采用各種先進(jìn)的預(yù)處理方法,如Hough變換,將圖像分解為特征矢量或采用概率模型處理不確定性,甚至采用并行、分布式算法。
(6) 圖像檢索(image search):基于內(nèi)容的圖像檢索,指通過從圖像數(shù)據(jù)中提取特征信息,并將其與圖像數(shù)據(jù)庫的大量圖像數(shù)據(jù)進(jìn)行對比,以檢索出具有相似特征的圖像數(shù)據(jù)。
(7) 圖像增強(qiáng)(image enhancement): 指在圖像處理中增強(qiáng)圖像中用戶感興趣的信息,以改善圖像的視覺效果提高圖像的清晰度,同時使圖像更有利于在計算機(jī)中進(jìn)行處理。圖像增強(qiáng)方法分為空間域和變換域,前者可直接對圖像像素的灰度進(jìn)行增強(qiáng)處理,后者可在圖像的某個變換域中對變換系數(shù)進(jìn)行處理,然后通過逆變換獲得增強(qiáng)圖像。
(8)圖像恢復(fù)(復(fù)原)(image restoration): 指減少或避免數(shù)字圖像在獲取過程中質(zhì)量的下降,以恢復(fù)被退化圖像的本來面貌,從而改善圖像的質(zhì)量。通常,應(yīng)對原始圖像有充分的了解,并熟悉哪些因素影響圖像質(zhì)量下降的原因。圖像恢復(fù)時,應(yīng)對圖像的退化過程建立一個數(shù)學(xué)模型,以便對圖像退化的影響進(jìn)行模擬。
(9)圖像的邊緣檢測(image edge detection): 圖像邊緣指圖像的灰度(亮度)發(fā)生空間突變或在梯度方向上發(fā)生突變的像素。圖像邊緣是圖像的基本特征,蘊(yùn)涵了豐富的圖像信息。通過邊緣檢測可對圖像進(jìn)行分割。
(10)圖像分割(image segmentation): 指將圖像表示為物理上有意義的連通區(qū)域的集合。在圖像處理中,通常是通過對圖像的不同特征(如邊緣、紋理、顏色、亮度等)的分析來實(shí)現(xiàn)圖像分割的。圖像分割是為圖像的進(jìn)一步處理和分析服務(wù)的。
(11)圖像整飾(image cosmetic): 針對圖像處理過程中圖像質(zhì)量的下降(圖像模糊、不清晰,疊加了噪聲等),使圖像復(fù)原的方法。設(shè)F為理想的圖像,H為影響質(zhì)量下降原因的算子,N為疊加的噪聲,則質(zhì)量下降的圖像G=HF+N。圖像整飾就是按此表達(dá)式對圖像進(jìn)行復(fù)原。整飾處理包括圖像的灰度增強(qiáng)、反差增強(qiáng)、邊緣增強(qiáng)和去除干擾及噪聲等。
(12)圖像配準(zhǔn)(image registration): 又稱圖像相關(guān)(image correlation),指對同一目標(biāo)的兩幅或兩幅以上的圖像在空間位置上的對準(zhǔn)。圖像配準(zhǔn)是實(shí)現(xiàn)圖像融合、醫(yī)學(xué)圖像分析、GIS、機(jī)器人視覺、虛擬現(xiàn)實(shí)技術(shù)的基礎(chǔ)。
(13)圖像融合(image combining): 指將多種不同類型的傳感器上獲取的同一對象的圖像進(jìn)行空間配準(zhǔn),然后采用某種算法將圖像數(shù)據(jù)中所含信息優(yōu)勢互補(bǔ)地融合成新的圖像數(shù)據(jù)。圖像融合技術(shù)可減少對感知對象解釋上的多義性、不確定性,最大限度地利用圖像中的有效信息資源。圖像融合算法有小波變換融合、主分量分析PCA變換融合等。
(14)圖像數(shù)字水印(image digital watermarking):一種先進(jìn)、實(shí)用的信息隱蔽技術(shù),可用于數(shù)字電子產(chǎn)品的版權(quán)保護(hù)和數(shù)字安全技術(shù)。數(shù)字水印是將具有特定意義的標(biāo)記(水印),用數(shù)字嵌入的方法隱蔽在數(shù)字圖像、視頻信息及其他數(shù)字產(chǎn)品(包括聲音、文檔、圖書等)中,用以表明作者對其作品的知識產(chǎn)權(quán)。
2. 圖像分析(image analysis)
圖像分析指對圖像數(shù)據(jù)庫中的圖像進(jìn)行特征提取、分類和識別等各種分析技術(shù)。
(1) 圖像的特征提取與分析(image feature extraction and analysis): 是圖像分析的基礎(chǔ),指提取圖像中的形狀、位置、亮度、色調(diào)和紋理等特征,以便對目標(biāo)圖像及景物作出正確的判讀和解釋。圖像特征主要有: 點(diǎn)的特征,如單色圖像的灰度值、彩色圖像中的顏色值; 局部特征,如邊緣點(diǎn)的密度、灰度值、方向等; 區(qū)域特征: 如紋理、區(qū)域的幾何特征(面積、形狀、連通性等); 整體特征,如圖像整體所包含的每個對象的結(jié)構(gòu)特征等。而從目視的角度看,如果能提高圖像的對比度,增加視覺維數(shù),進(jìn)行空間濾波或變換,將會使圖像的判讀和解釋更準(zhǔn)確。
(2)圖像分類(image classification): 指對圖像數(shù)據(jù)庫中的各種圖像進(jìn)行定量分析,把圖像中的每個像元或區(qū)域劃分為若干類別中的一種,以代替人的視覺判讀。通常,圖像分類是在圖像特征的提取和分析的基礎(chǔ)上,采用有效可行的圖像分類算法來實(shí)現(xiàn)的。常用的圖像特征有圖像的形狀、顏色、紋理等。實(shí)際上,圖像分類過程就是模式識別的過程,是視覺判讀的延續(xù)和發(fā)展。常用的圖像分類方法有統(tǒng)計分類(監(jiān)督分類、非監(jiān)督分類)、模糊分類和神經(jīng)網(wǎng)絡(luò)分類等,這些算法具有分類速度快、計算精度高的特點(diǎn),比人眼目測估計要準(zhǔn)確。以圖像特征分析中的紋理分析為例,對圖像的紋理組織所進(jìn)行的分析稱為紋理分析(texture analysis)或結(jié)構(gòu)分析。紋理是一幅圖像的某種局部性質(zhì),是圖像在一鄰域中像素之間關(guān)系的一種度量。對圖像紋理特征的分析必須設(shè)法同時包括對比度和空間頻率這兩種信息。圖像分類廣泛用于遙感、醫(yī)學(xué)和軍事領(lǐng)域的圖像分類。例如,在遙感圖像分類處理中,可采用紋理分析根據(jù)周圍各像素的分布來確定該像素的類別。
(3)圖像識別(image recognition):指對圖像數(shù)據(jù)庫中的目標(biāo)圖像進(jìn)行識別與分類,以機(jī)器智能代替人的智能。常用的圖像識別方法有: ①統(tǒng)計圖像識別方法,基于概率統(tǒng)計理論將圖像模式用特征矢量描述,用于模式分類與決策,常用的方法有似然函數(shù)(Bayes判決)和距離函數(shù)等模式分類方法;②句法(結(jié)構(gòu))圖像識別方法,基于形式語言理論,分析圖像結(jié)構(gòu),將復(fù)雜結(jié)構(gòu)的圖像化簡為簡單的子圖像、基元來進(jìn)行分析,并由基元的集合,按一定的構(gòu)圖規(guī)則去描述復(fù)雜的圖像; ③模糊圖像識別方法,利用模糊集代替確定子集,得到模糊圖像的識別結(jié)果。常用的方法有最大隸屬原則識別法、模糊聚類識別法等; ④神經(jīng)網(wǎng)絡(luò)圖像識別法,神經(jīng)網(wǎng)絡(luò)不需對輸入模式做明顯的特征提取,利用網(wǎng)絡(luò)的并行、分布存儲與處理和高容錯性的特性,對圖像進(jìn)行識別。
3.圖像理解(image understand)
圖像理解是圖像處理技術(shù)的重要內(nèi)容和最終目標(biāo),是在人工智能的模式識別技術(shù)基礎(chǔ)上發(fā)展起來的圖像分析技術(shù)。其輸入是待分析的數(shù)字圖像,輸出是一種描述或決策。圖像理解過程要利用客觀世界中的知識進(jìn)行聯(lián)想、思考、學(xué)習(xí)和推理,在圖像分析的基礎(chǔ)上,分析圖像中各對象目標(biāo)的性質(zhì)及其相互關(guān)系,得出對圖像含義的理解和對客觀場景的解釋(景物理解),以指導(dǎo)和規(guī)劃行動。