图像处理技术(数据库)

时间：2022-11-25 14:30:01 | 来源：信息时代

时间：2022-11-25 14:30:01 来源：信息时代

    图像处理技术 : 利用电子计算机对存储在图像数据库中的数字图像进行分析和处理的各种技术的总称。图像处理包括图像的采集、获取、(压缩)编码、存储与传输,图像的生成、合成,图像的变换、增强、恢复(复原)、重建,图像的分割、检测、特征提取,多幅图像或序列图像的校正配准,以及图像的操作和分析等。对图像数据库而言,还要研究图像数据模型、图像数据结构、图像数据库的建立、图像数据库的查询、匹配与图像库的管理等问题。对图像数据库的应用还涉及图像的分类、表示、理解和识别等处理技术。
根据图像数据库应用的需求,通常可以将上述图像处理技术分为三个层次: 图像处理、图像分析和图像理解。这三个层次是相互关联的,有人将其称为图像工程学。①图像处理(image processing)强调在图像之间的变换以满足对图像进行加工达到改善图像的视觉效果,便于识别和(通过压缩编码)减少图像的存储及传输时间。②图像分析(image analysis)指对图像中感兴趣的目标进行检测,以建立对图像的客观描述。图像分析是一个从图像到(目标特征)数据的描述与分析的过程。③图像理解(image understand)研究图像中各目标的特性及其相互联系,得到图像内容含义的理解和客观场景的解释,以指导和规划行动。
1. 图像处理
图像处理技术包含如下诸多内容:
(1)图像的采集与量化(image acquisition/image quantization): 在(模拟)图像的接收、存储与传输中对图像信息的数字化过程。通常,应将一幅模拟图像进行采样和量化处理,使之以数字图像形式存入图像数据库。
(2)特征提取(feature extraction): 对图像的特征进行提取和分析。常用的图像特征有颜色、纹理、形状和轮廓等。以轮廓(contour)为例,轮廓表示图像中灰度等级变化较大的一些区域之间的分界线。轮廓提取(contour extraction)指抽取轮廓分界线这一重要信息,以避免和消除噪声引起的图像模糊。如X-射线图片经轮廓抽取处理后,图像轮廓将变得清晰。
(3)图像变换(image transformation): 将图像从空间域转换为变换域(如频率域)的过程。图像变换是图像处理和图像分析技术的基础,利用变换域中的特有性质,可以简化图像处理的过程。图像变换方法有: ①正交变换,用于图像的复原、增强、特征提取和图像压缩与编码; ②几何变换,在保持图像原有的浓度信息的条件下,对图像进行几何处理,例如,平行移动、旋转、放大、缩小、变换坐标系等;③灰度变换,用于变换图像的浓度。
(4)图像数据的压缩与编码(参见图像编码)。
(5)图像预处理(image preprocessing):为使图像特征提取和识别容易进行,在图像处理前先去掉原始图像的噪音及畸变,使图像达到处理标准。图像预处理在图像处理和图像数据挖掘中十分重要,它包括数据清洗、数据聚焦和特征提取等。由于图像数据量十分庞大,应采用各种先进的预处理方法,如Hough变换,将图像分解为特征矢量或采用概率模型处理不确定性,甚至采用并行、分布式算法。
(6) 图像检索(image search):基于内容的图像检索,指通过从图像数据中提取特征信息,并将其与图像数据库的大量图像数据进行对比,以检索出具有相似特征的图像数据。
(7) 图像增强(image enhancement): 指在图像处理中增强图像中用户感兴趣的信息,以改善图像的视觉效果提高图像的清晰度,同时使图像更有利于在计算机中进行处理。图像增强方法分为空间域和变换域,前者可直接对图像像素的灰度进行增强处理,后者可在图像的某个变换域中对变换系数进行处理,然后通过逆变换获得增强图像。
(8)图像恢复(复原)(image restoration): 指减少或避免数字图像在获取过程中质量的下降,以恢复被退化图像的本来面貌,从而改善图像的质量。通常,应对原始图像有充分的了解,并熟悉哪些因素影响图像质量下降的原因。图像恢复时,应对图像的退化过程建立一个数学模型,以便对图像退化的影响进行模拟。
(9)图像的边缘检测(image edge detection): 图像边缘指图像的灰度(亮度)发生空间突变或在梯度方向上发生突变的像素。图像边缘是图像的基本特征,蕴涵了丰富的图像信息。通过边缘检测可对图像进行分割。
(10)图像分割(image segmentation): 指将图像表示为物理上有意义的连通区域的集合。在图像处理中,通常是通过对图像的不同特征(如边缘、纹理、颜色、亮度等)的分析来实现图像分割的。图像分割是为图像的进一步处理和分析服务的。
(11)图像整饰(image cosmetic): 针对图像处理过程中图像质量的下降(图像模糊、不清晰,叠加了噪声等),使图像复原的方法。设F为理想的图像,H为影响质量下降原因的算子,N为叠加的噪声,则质量下降的图像G=HF+N。图像整饰就是按此表达式对图像进行复原。整饰处理包括图像的灰度增强、反差增强、边缘增强和去除干扰及噪声等。
(12)图像配准(image registration): 又称图像相关(image correlation),指对同一目标的两幅或两幅以上的图像在空间位置上的对准。图像配准是实现图像融合、医学图像分析、GIS、机器人视觉、虚拟现实技术的基础。
(13)图像融合(image combining): 指将多种不同类型的传感器上获取的同一对象的图像进行空间配准,然后采用某种算法将图像数据中所含信息优势互补地融合成新的图像数据。图像融合技术可减少对感知对象解释上的多义性、不确定性,最大限度地利用图像中的有效信息资源。图像融合算法有小波变换融合、主分量分析PCA变换融合等。
(14)图像数字水印(image digital watermarking):一种先进、实用的信息隐蔽技术,可用于数字电子产品的版权保护和数字安全技术。数字水印是将具有特定意义的标记(水印),用数字嵌入的方法隐蔽在数字图像、视频信息及其他数字产品(包括声音、文档、图书等)中,用以表明作者对其作品的知识产权。
2. 图像分析(image analysis)
图像分析指对图像数据库中的图像进行特征提取、分类和识别等各种分析技术。
(1) 图像的特征提取与分析(image feature extraction and analysis): 是图像分析的基础,指提取图像中的形状、位置、亮度、色调和纹理等特征,以便对目标图像及景物作出正确的判读和解释。图像特征主要有: 点的特征,如单色图像的灰度值、彩色图像中的颜色值; 局部特征,如边缘点的密度、灰度值、方向等; 区域特征: 如纹理、区域的几何特征(面积、形状、连通性等); 整体特征,如图像整体所包含的每个对象的结构特征等。而从目视的角度看,如果能提高图像的对比度,增加视觉维数,进行空间滤波或变换,将会使图像的判读和解释更准确。
(2)图像分类(image classification): 指对图像数据库中的各种图像进行定量分析,把图像中的每个像元或区域划分为若干类别中的一种,以代替人的视觉判读。通常,图像分类是在图像特征的提取和分析的基础上,采用有效可行的图像分类算法来实现的。常用的图像特征有图像的形状、颜色、纹理等。实际上,图像分类过程就是模式识别的过程,是视觉判读的延续和发展。常用的图像分类方法有统计分类(监督分类、非监督分类)、模糊分类和神经网络分类等,这些算法具有分类速度快、计算精度高的特点,比人眼目测估计要准确。以图像特征分析中的纹理分析为例,对图像的纹理组织所进行的分析称为纹理分析(texture analysis)或结构分析。纹理是一幅图像的某种局部性质,是图像在一邻域中像素之间关系的一种度量。对图像纹理特征的分析必须设法同时包括对比度和空间频率这两种信息。图像分类广泛用于遥感、医学和军事领域的图像分类。例如,在遥感图像分类处理中,可采用纹理分析根据周围各像素的分布来确定该像素的类别。
(3)图像识别(image recognition):指对图像数据库中的目标图像进行识别与分类,以机器智能代替人的智能。常用的图像识别方法有: ①统计图像识别方法,基于概率统计理论将图像模式用特征矢量描述,用于模式分类与决策,常用的方法有似然函数(Bayes判决)和距离函数等模式分类方法;②句法(结构)图像识别方法,基于形式语言理论,分析图像结构,将复杂结构的图像化简为简单的子图像、基元来进行分析,并由基元的集合,按一定的构图规则去描述复杂的图像; ③模糊图像识别方法,利用模糊集代替确定子集,得到模糊图像的识别结果。常用的方法有最大隶属原则识别法、模糊聚类识别法等; ④神经网络图像识别法,神经网络不需对输入模式做明显的特征提取,利用网络的并行、分布存储与处理和高容错性的特性,对图像进行识别。
3.图像理解(image understand)
图像理解是图像处理技术的重要内容和最终目标,是在人工智能的模式识别技术基础上发展起来的图像分析技术。其输入是待分析的数字图像,输出是一种描述或决策。图像理解过程要利用客观世界中的知识进行联想、思考、学习和推理,在图像分析的基础上,分析图像中各对象目标的性质及其相互关系,得出对图像含义的理解和对客观场景的解释(景物理解),以指导和规划行动。