一文了解数字化图像数据两种存储方式 数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。在计算机中，按照颜色和灰度的多少可以将图像争为二值图像、灰度图像、索引图像和真彩色RGB图像四种基本类型。目前，大多数图像处理软件都支持这四种类型的图像。数字化图像数据有两种存储方式：位图存储(Bitmap)矢量存储(Vector) 我们平常是以图像分辨率（即象素点）和颜色数来描述数字图象的。例如一张分辨率为640*480,16位色的数字图片，就由2 =65536种颜色的307200(=640*480)个素点组成。 位图图像（Bitmap)：位图方式是将图像的每一个象素点转换为一个数据。 当图像是单色（只有黑白二色）时，8个象素点的数据只占据一个字节（一个字节就是8个二进制数，1个二进制数存放象素点）；16色（区别于前段“16位色”）的图像每两个象素点用一个字节存储；256色图像每一个象素点用一个字节存储。这样就能够精确地描述各种不同颜色模式的图像图面。位图图像弥补了矢量式图像的缺陷，它能够制作出色彩和色调变化丰富的图像，可以逼真地表现自然界的景象，同时也可以很容易地在不同软件之间交换文件，这就是位图图像的优点；而其缺点则是它无法制作真正的3D图像，并且图像缩放和旋转时会产生失真的现象，同时文件较大，对内存和硬盘空间容量的需求也较高。位图方式就是将图像的每一像素点转换为一个数据。如果用1位数据来记录，那么它只能代表2种颜色（2 =2）；如果以8位来记录，便可以表现出256种颜色或色调(2 =256)，因此使用的位元素越多所能表现的色彩也越多。通常我们使用的颜色有16色、256色、增强16位和真彩色24位。一般所说的真彩色是指24位(2 )的位图存储模式适合于内容复杂的图像和真实照片。但随着分辨率以及颜色数的提高，图像所占用的磁盘空间也就相当大；另外由于在放大图像的过程中，其图像势必要变得模糊而失真，放大后的图像像素点实际上变成了像素“方格”。用数码相机和扫描仪获取的图像都属于位图。 矢量图像(Vector)：矢量图像存储的是图像信息的轮廓部分，而不是图像的每一个象素点。例如，一个圆形图案只要存储圆心的坐标位置和半径长度，以及圆的边线和半径长度，以
动态视频目标检测和跟踪技术 传统电视监控技术只能达到“千里眼”的作用，把远程的目标图像（原始数据）传送到监控中心，由监控人员根据目视到的视频图像对现场情况做出判断。智能化视频监控的目的是将视频原始数据转化为足够量的可供监控人员决策的“有用信息”，让监控人员及时全面地了解所发生的事件：“什么地方”，“什么时间”，“什么人”，“在做什么”。将“原始数据”转化为“有用信息”的技术中，目标检测与跟踪技术的目的是要解决“什么地方”和“什么时间”的问题。目标识别主要解决“什么人”或“什么东西”的问题。行为模式分析主要解决“在做什么”的问题。动态视频目标检测技术是智能化视频分析的基础。 本文将目前几种常用的动态视频目标检测方法简介如下： 背景减除背景减除（Background Subtraction）方法是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动目标的一种技术。它一般能够提供相对来说比较全面的运动目标的特征数据，但对于动态场景的变化，如光线照射情况和外来无关事件的干扰等也特别敏感。实际上，背景的建模是背景减除方法的技术关键。最简单的背景模型是时间平均图像，即利用同一场景在一个时段的平均图像作为该场景的背景模型。由于该模型是固定的，一旦建立之后，对于该场景图像所发生的任何变化都比较敏感，比如阳光照射方向，影子，树叶随风摇动等。大部分的研究人员目前都致力于开发更加实用的背景模型，以期减少动态场景变化对于运动目标检测效果的影响。 时间差分时间差分（Temporal Difference 又称相邻帧差）方法充分利用了视频图像的特征，从连续得到的视频流中提取所需要的动态目标信息。在一般情况下采集的视频图像，若仔细对比相邻两帧，可以发现其中大部分的背景像素均保持不变。只有在有前景移动目标的部分相邻帧的像素差异比较大。时间差分方法就是利用相邻帧图像的相减来提取出前景移动目标的信息的。让我们来考虑安装固定摄像头所获取的视频。我们介绍利用连续的图像序列中两个或三个相邻帧之间的时间差分，并且用阈值来提取出视频图像中的运动目标的方法。我们采用三帧差分的方法，即当某一个像素在连续三帧视频图像上均有相
1.4 数据仓库和数据库有何不同？有哪些相似之处？ 答：区别：数据仓库是面向主题的，集成的，不易更改且随时间变化的数据集合，用来支持管理人员的决策，数据库由一组内部相关的数据和一组管理和存取数据的软件程序组成，是面向操作型的数据库，是组成数据仓库的源数据。它用表组织数据，采用ER 数据模型。 相似：它们都为数据挖掘提供了源数据，都是数据的组合。 1.3 定义下列数据挖掘功能：特征化、区分、关联和相关分析、预测聚类和演变分析。使用你熟悉的现实生活的数据库，给出每种数据挖掘功能的例子。 答：特征化是一个目标类数据的一般特性或特性的汇总。例如，学生的特征可被提出，形成所有大学的计算机科学专业一年级学生的轮廓，这些特征包括作为一种高的年级平均成绩(GPA ：Grade point aversge) 的信息， 还有所修的课程的最大数量。 区分是将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比较。例如， 具有高GPA 的学生的一般特性可被用来与具有低GPA 的一般特性比较。最终的描述可能是学生的一个一般可比较的轮廓，就像具有高GPA 的学生的75% 是四年级计算机科学专业的学生，而具有低GPA 的学生的65% 不是。 关联是指发现关联规则，这些规则表示一起频繁发生在给定数据集的特征值的条件。例如，一个数据挖掘系统可能发现的关联规则为：major(X, “ computing science ” ) ? owns(X, “ personal computer ” ) [support=12%, confidence=98%] 其中，X 是一个表示学生的变量。这个规则指出正在学习的 学生，12% (支持度)主修计算机科学并且拥有一台个人计算机。这个组一个学生拥有一台个人电脑的概率是98% (置信度，或确定度)。 分类与预测不同，因为前者的作用是构造一系列能描述和区分数据类型或概念的模型(或功能)，而后者是建立一个模型去预测缺失的或无效的、并且通常是数字的数据值。它们的相似性是他们都是预测的工具： 分类被用作预测目标数据的类的标签，而预测典型的应用是预测缺失的数字型数据的值。 聚类分析的数据对象不考虑已知的类标号。对象根据最大花蕾内部的相似性、最小化类之间的相似性的原则进行聚类或分组。形成的每一簇可以被看作一个对象类。聚类也便于分类法组织形式，将观测组织成类分 层结构，把类似的事件组织在一起。 数据演变分析描述和模型化随时间变化的对象的规律或趋势，尽管这可能包括时间相关数据的特征化、区分、关联和相关分析、分类、或预测，这种分析的明确特征包括时间序列数据分析、序列或周期模式匹配、和基于相似性的数据分析 2.3 假设给定的数据集的值已经分组为区间。区间和对应的频率如下。 年龄频率 1~5200 5~15450 15~20300 20~501500 50~80700 80~11044 计算数据的近似中位数值。 解答：先判定中位数区间：N=200+450+300+1500+700+44=3194 ；N/2=1597
图像数据存储技术
————————————————————————————————作者：————————————————————————————————日期： 1
图像数据存储技术 摘要:，将多媒体信息引入到系统当中，随着数据库应用技术的发展，已经成为人们对现代数据库应用系统的要求之一。本文通过对图像数据的不同存储方式的分析，提出在学生信息系统中以数据库方式存储学生照片的方法，并且使用VB 6.0 中的ADO 数据控件实现了图像数据入库操作及照片的浏览。 关键词:信息系统；图像； 概述：随着数据库应用技术的发展，将多媒体信息引入到系统当中，使管理系统功能更强大，界面更美观，信息更丰富，已经成为人们对现代数据库应用系统的要求之一。在学生信息系统中，除了需要将每一名学生的基本数据信息存入系统，还需要将该学生的照片以图像信息的形式存入系统。这样可以随时查看学生的照片，或用来制作学生证等证件，以提高证件的可信度并减少证件照片处理的工作量。 图像的数据量要远远大于数据库中存储的普通数据的数据量。因此，组织与管理好图像数据与数据库应用系统的结构、效率、安全性、完整性息息相关。本文给出了一种在学生信息系统中组织与管理图像信息的方法，并利用ADO 技术设计实现了图像信息的入库及浏览等操作。 1.存储图像数据的策略 1.1 以文件方式存储图像数据 图像信息通常是通过扫描或摄像的方法进入系统的，并且一般的多媒体系统中都采用文件形式存放数据。所以在数据库应用系统中，可以采用文件形式存放图像数据。首先，将每一幅图像组织成一个文件，众多的图像文件形成图像文件集。在学生基础信息表中设置一个存放照片图像文件物理文件名的字段（pFileName），在该字段中存放每一名学生照片文件的存储路径及文件名。这样就建立起了学生基础信息表与照片文件集之间的关联（如图1 所示）。
基于图像识别的目标跟踪系统 周立建1茅正冲2 （江南大学，江苏省无锡市 214122） 摘要：研究了在简单的背景下实现对图像的识别和跟踪。系统以ARM微处理器STM32为主控制器。在分析了驱 动电机和目标环境等因素的基础上，选择摄像头捕捉、采集图像并跟踪目标，通过合适的图像识别算法正确地处 理图像信息、识别目标。通过对水平和垂直驱动电机的控制，实现三维目标跟踪。能够实现系统对目标的大范围， 高精度的自动跟踪。 关键词：图像采集；图像信息处理；目标识别；目标跟踪 Target Tracking Based on Image Recognition System (IOT Engineering School of Jiangnan University,Wuxi Jiangsu Province ,214122) Abstract：Studied in the context of a simple implementation of image recognition and tracking. STM32 ARM microprocessor-based system controller. In the analysis of the drive motor and objectives on the basis of environmental factors, select the camera capture, image acquisition and target tracking, image recognition algorithm by an appropriate image processing information correctly, identify the target.Through horizontal and vertical drive motor control, to achieve three-dimensional tracking. System to achieve the target of large-scale, high-precision automatic tracking. Key words：Image acquisition；Image information processing；Target identification；Target tracking 1引言 图像处理技术的高速发展，相应地促进目标识别和跟踪技术的发展。尤其是在不同的环境下，如何实现目标识别和跟踪的稳定，具有很重要的理论价值和实际意义。 嵌入式平台集成度高,支持实时多任务操作系统,符合实时性和小型化的要求，同时克服了基于桌面pc机图像处理系统体积庞大，不具有实时特性等不足，可以面对日益复杂的应用。所以基于嵌入式平台的图像处理系统是未来图像处理系统的发展趋势。随着现代高速处理器的迅猛发展，图像处理技术也日益成熟。其中，移动目标的视频检测与跟踪是图像处理、分析应用的一个重要领域，是当前相关领域的研究前沿。移动目标视频检测与跟踪技术在诸多经济和军事领域有很广泛的应用，发挥重要的作用。 在最近二十几年间，随着计算机技术、VLSI技术和高分辨率传感器技术的迅速更新，图像识别方法已经有了更广泛的应用，如工业上的工业过程控制、自主运载器导航等等，尤其是它具有的许多突出的优点：可获得大量的目标信息(为其他形式的跟踪手段所无法相比)、抗电子干扰能力强、测量(角、面)精度高、保密性好、低空跟踪范围大、使用多种传感器(可见光、红外、微光等)、全天候工作能力强等。利用先进的数字图像处理技术去除许多自然及人为的干扰，加上预测等技术配合使用，可以实现记忆跟踪以及对瞬间丢失的目标再捕获。这种方法大量的运用在军事上的火控、导航、特别是制导方面。然而由于这一课题的发展历史较短而且内容又涉及到图像处理、模式识别和人工智能等多个新兴学科，其理论还很不完善，一些重要的问题尚未解决，新的方法和技巧还有待开发。因此进行有关图像目标识别与跟踪的研究无疑是一项既有理论意义又有实用价值的课题。 本文介绍了一种在简单背景下实现对图像目标的捕捉与跟踪。本系统设计应用了以ARM微处理器STM32为主控制器的嵌入式系统，使用OV7670图像处理器，尽可能达到了实时性与可靠性的要求。系统的工作流程如图1：
机器视觉测量技术 杨永跃 合肥工业大学 2007.3
目录第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础 第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD相机类 2.4 彩色数码相机 2.5 常用的图像文件格式 2.6 照明系统设计 第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术 第四章标定方法的研究 4.1 干涉条纹图数学形成与特征 4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法 第五章立体视觉 5.1 立体成像
5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从x恢复形状的方法 5.6 测距成像 第六章标定 6.1 传统标定 6.2 Tsais万能摄像机标定法 6.3 Weng’s标定法 6.4 几何映射变换 6.5 重采样算法 第七章目标图像亚像素定位技术 第八章图像测量软件 （多媒体介绍） 第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析 附：教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。
第一章绪论 1.1 概述 人类在征服自然、改造自然和推动社会进步的过程中，面临着自身能力、能量的局限性，因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。 智能机器能模拟人类的功能、能感知外部世界，有效解决问题。 人类感知外部世界：视觉、听觉、嗅觉、味觉、触觉 眼耳鼻舌身 所以对于智能机器，赋予人类视觉功能极其重要。 机器视觉：用计算机来模拟生物（外显或宏观）视觉功能的科学和技术。 机器视觉目标：用图像创建或恢复现实世界模型，然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备：摄像机、红外线、激光、超声波、X射线、CCD、数字扫描仪、 超声成像、CT等 数字化设备 2 低层视觉（预处理）：对输入的原始图像进行处理（滤波、增强、边缘检测），提取角 点、边缘、线条色彩等特征。 3 中层视觉：恢复场景的深度、表面法线，通过立体视觉、运动估计、明暗特征、纹理 分析。系统标定 4 高层视觉：在以物体为中心的坐标系中，恢复物体的完整三维图，识别三维物体，并 确定物体的位置和方向。 5 体系结构：根据系统模型（非具体的事例）来研究系统的结构。（某时期的建筑风格— 据此风格设计的具体建筑） 1.3 机器视觉的应用 工业检测—文件处理，毫微米技术—多媒体数据库。 许多人类视觉无法感知的场合，精确定量感知，危险场景，不可见物感知等机器视觉更显其优越十足。 1 零件识别与定位
图像定位及跟踪技术大解析 在科学技术日新月异的今天，人们对机器设备的智能性、自主性要求也越来越高，希望其完全替代人的角色，把人们从繁重、危险的工作任务中解脱出来，而能否像人一样具有感知周围环境的能力已成为设备实现智能化自主化的关键。 广义的“图像跟踪”技术，是指通过某种方式(如图像识别、红外、超声波等)将摄像头中拍摄到的物体进行定位，并指挥摄像头对该物体进行跟踪，让该物体一直被保持在摄像头视野范围内。狭义的“图像跟踪”技术就是我们日常所常谈到的，通过“图像识别”的方式来进行跟踪和拍摄。 因为红外、超声波等方式，都受环境的影响，而且要专门的识别辅助设备，在实际应用中已经逐步被“图像识别”技术所替代。“图像识别”是直接利用了摄像头拍摄到的图像，进行NCAST图像差分及聚类运算，识别到目标物体的位置，并指挥摄像头对该物体进行跟踪。 图像跟踪系统采用特有的NCAST目标外形特征检测方法，被跟踪者无需任何辅助设备，只要进入跟踪区域，系统便可对目标进行锁定跟踪，使摄像机画面以锁定的目标为中心，并控制摄像机进行相应策略的缩放。系统支持多种自定义策略，支持多级特写模式，适应性强，不受强光、声音、电磁等环境影响。 目标物体的边缘检测 物体的形状特征在大多数情况下变化不多，基于目标形状轮廓的跟踪方法与基于区域的匹配方法相比，可以更精确的分割目标。 边缘是运动目标的最基本特征，表现在图像中就是指目标周围图像灰度有阶跃变化或屋顶变化的那些像素集合，它是图像中局部亮度变化最显著的部分。 边缘检测就是采用某种算法来定位灰度不连续变化的位置，从而图像中目标与背景的交界线。图像的灰度变化可以用灰度梯度来表示。
机器视觉测量技术杨永跃合肥工业大学 2007.3 目录 第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础 第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD 相机类 2.4 彩色数码相机 2.5 常用的图像文件格式
2.6 照明系统设计 第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术 第四章标定方法的研究 4.1 干涉条纹图数学形成与特征4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法 第五章立体视觉 5.1 立体成像 2 5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从 x 恢复形状的方法 5.6 测距成像
第六章标定 6.1 传统标定 6.2 Tsais 万能摄像机标定法 6.3 Weng ’ s 标定法 6.4 几何映射变换 6.5 重采样算法 第七章目标图像亚像素定位技术第八章图像测量软件 (多媒体介绍 第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析 附:教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。
3 第一章绪论 1.1 概述 人类在征服自然、改造自然和推动社会进步的过程中,面临着自身能力、能量的局限性, 因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。 智能机器能模拟人类的功能、能感知外部世界,有效解决问题。 人类感知外部世界:视觉、听觉、嗅觉、味觉、触觉 眼耳鼻舌身 所以对于智能机器,赋予人类视觉功能极其重要。 机器视觉:用计算机来模拟生物(外显或宏观视觉功能的科学和技术。 机器视觉目标:用图像创建或恢复现实世界模型,然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备:摄像机、红外线、激光、超声波、 X 射线、 CCD 、数字扫描仪、超声成像、 CT 等 数字化设备 2 低层视觉(预处理 :对输入的原始图像进行处理(滤波、增强、边缘检测 ,提取角点、边缘、线条色彩等特征。 3 中层视觉:恢复场景的深度、表面法线,通过立体视觉、运动估计、明暗特征、纹理分析。系统标定
1、课题来源 随着计算机技术的高速发展，运动物体的检测和跟踪在图像处理、计算机视觉、模式识别、人工智能、多媒体技术等领域越来越受到人们的关注。运动跟踪和检测的应用广泛，在智能监控和人机交互中，如：银行、交通、超市等场合常常使用运动跟踪分析技术，通过定位物体并对其行为进行分析，一旦发现物体有异常行为，监控系统就发出警报，提醒人们注意并即时的处理，改善了人工监督注意力分散、反应时间较慢、人力资源浪费等问题。运动目标的跟踪在虚拟现实、工业控制、军事设备、医学研究、视频监控、交通流量观测监控等很多领域也有重要的实用价值。特别在军事上，先进的武器导航、军事侦察和监控中都成功运用了自动跟踪技术。而跟踪的难点在于如何快速而准确的在每一帧图像中实现目标定位。正因如此，对运动目标的跟踪和检测的研究很有价值。 2、研究目的和意义 运动目标检测是图像处理与计算机视觉的一个分支，在理论和实践上都有重大意义，长久以来一直被国内外学者所关注。在实际中，视频监控利用摄像机对某一特定区域进行监视，是一个细致和连续的过程，它可以由人来完成，但是人执行这种长期枯燥的例行监测是不可靠，而且费用也很高，因此引入运动监测非常有必要。它可以减轻人的负担，并且提高了可靠性。概括起来运动监测主要包括三个内容：运动目标检测，方向判断和图像跟踪。运动目标检测是整个监测过程的基础，运动目标的提取准确与否，直接关系到后续高级过程的完成质量。3、国内外研究现状和发展趋势及综述 运动目标检测在国外已经取得了一些的研究成果，许多相关技术已经开始应用到实际系统中，但是国内研究相对落后,与国外还有较大差距。传统的视频目标提取大致可以分两类,一类以空间同性为准则,先用形态学滤波器或其他滤波器对图像作预处理;然后对该图像的亮度、色度或其他信息作空间上的分割以对区域作边缘检测;之后作运动估计,并合并相似的运动区域以得到最终的提取结果。如光流算法、主动轮廓模型算法。此类方法结果较为准确但是运算量相对较大。另一类算法主要以时间变化检测作为准则,这类算法主要通过帧差检测图像上的变化区域和不变区域,将运动物体与静止背景进行分割。此类方法运算量小,提取结果不如前类方法准确。此外,还有时空结合方法、时空亮度梯度信息结合的方法等等。 4、研究方法
第４０卷第１期２０１８年１月沈 阳 工 业 大 学 学 报 Journal of Shenyang University of Technology Vo l ．４０No ．１Jan ．２０１８ 收稿日期：２０１6-０７-１５. 基金项目：辽宁省教育厅科学研究项目（W ２０１２２８３，W ２０１０１１４);辽宁省职业技术教育学会科研规划项目（lzy １５１４８，lzy １５５３１).作者简介：杨品林（１９７９-)，男，辽宁大连人，副教授，硕士，主要从事计算机网络与数据库应用等方面的研究. *本文已于２０１７-１０-２５２１?１２在中国知网优先数字出版.网络出版地址：http ：?https://www.doczj.com/doc/0e17445678.html, /kcms /detail /２１.１１８９.T.２０１７１０２５.２１１２.０１０.html doi ：１０.７6８８/j.issn.１０００-１6４6.２０１８.０１.１１ 彩色图像数据库中目标特征数据挖掘方法 * 杨品林 （大连艺术学院文化艺术管理学院，辽宁大连１１66００)摘 要:针对由于彩色图像数据特征较多使得目标特征挖掘容易出现不确定性的问题，提出一种 新的彩色图像数据库中目标特征数据挖掘方法.采用减法聚类算法对彩色图像数据进行聚类，采 用离群点检测技术对聚类数据进行分类处理，采用量子行为粒子群优化方法选取最优目标图像特 征数据，并与结构相似度计算方法相结合，实现对最优目标图像特征数据的挖掘.结果证明，该方 法相比传统的挖掘方法，其挖掘召回率降低了约１７%，挖掘精确度提高了约２８．6%. 关 键 词:彩色图像;数据库;目标特征;数据挖掘;数据聚类;相似度计算;离群点检测;粒 子群优化 中图分类号:TP ３１１．１３ 文献标志码:A 文章编号:１０００-１6４6（２０１８)０１-００6０-０５ Mining method for target feature data in color image database YANG Pin-lin （School of Culture and Art Management ，Dalian Art College ，Dalian １１66００，China )Abstract ：Aiming at the problem that the uncertainty caused by the multiple features of color image data is easy to appear in the object feature mining ，a new mining method for the target feature data in the color image database was proposed.The color image data were clustered with the subtractive clustering method ，and the clustered data were classified with the outlier detection technique.In addition ，the optimal target image feature data were selected with the quantum behaved particle swarm optimization method.In combination with the structural similarity calculation method ，the mining of optimal target image feature data was realized.The results show that compared with the traditional mining method ，the recall rate of proposed method reduces by about １７%，while the mining accuracy increases by about ２８．6%. Key words ：color image ;database ;target characteristic ;data mining ;data clustering ;similarity calculation ; outlier detection ;particle swarm optimization 近年来，由于计算机性能的不断提高，使得计算机视觉与数据挖掘技术不断进步[１-２].随着彩 色成像技术及设备的不断改进，彩色图像应用越 来越广泛，彩色图像数据愈来愈大，数据库规模增 长速度过快，而且彩色图像特征众多，导致彩色图 像数据库目标图像特征挖掘效率降低[３-４].对目 标特征数据进行准确挖掘，是增加彩色图像数据 库使用效率最有效的方法之一，成为了该领域亟 待解决的问题，受到了学者的广泛关注[５-6].文献[７]提出基于数据融合的特征数据挖掘方法，该方法利用空间数据的挖掘理论和方法，从彩色图像数据库中提取出有规律性的潜在有用信息二数据关系等，自动抽取出目标图像特征，该方法虽能对彩色图像数据库中的目标特征数据进行挖掘，但需要进行反复迭代计算;文献[８]提出基于关联规则的特征数据挖掘方法，通过图像纹理沈 阳 工 业 大 学 学 报 第４０卷万方数据
图像目标跟踪技术 ?作者：王鑫，徐立中著 ?出版社：人民邮电出版社 ?出版时间：2012-12-1 ?版次：1页数：178字数：221000 ?印刷时间：2012-12-1开本：16开纸张：胶版纸 ?印次：1I S B N：9787115288974包装：平装 内容推荐 《图像目标跟踪技术》系统阐述了图像目标跟踪的有关概念、原理和方法，共分9章，第1章介绍图像目标跟踪的意义、应用及分类，第2章介绍非线性优化序贯拟蒙特卡洛滤波，第3章介绍融合背景信息的序贯拟蒙特卡洛滤波目标跟踪，第4章讨论基于概率图模型的粒子滤波多目标跟踪，第5章介绍基于序贯拟蒙特卡洛滤波的多摄像机目标跟踪，第6章介绍基于信息融合技术的目标跟踪，第7章讨论受机械参数影响的多摄像机深度估计，第8章介绍基于自适应多信息融合的均值漂移红外目标跟踪，第9章介绍融合均值漂移和粒子滤波优点的实时目标跟踪。本书是图像目标跟踪方面的专著，反映作者近年来在这一领域的主要研究成果。《图像目标跟踪技术》内容新颖，理论联系实际，可作为大专院校及科研院所图像处理、计算机视觉和视频处理等领域的高年级本科生、研究生的教学和参考用书，也可供相关领域的教师、科研人员及工程技术人员作参考。 目录 第1章绪论 1.1 图像目标跟踪的意义和应用 1.2 单摄像机目标跟踪 1.2.1 目标表示模型 1.2.2 目标动态模型 1.2.3 目标状态估计模型 1.3 多摄像机目标跟踪 1.3.1 目标匹配 1.3.2 摄像机标定及拓扑关系估计 1.3.3 数据关联 1.4 红外图像中目标的跟踪 1.5 智能视频监控系统 1.5.1 智能视频监控的背景和意义 1.5.2 智能视频监控系统 参考文献 第2章非线性优化序贯拟蒙特卡洛滤波 2.1 引言 2.2 基于贝叶斯框架的跟踪问题描述 2.2.1 贝叶斯滤波的蒙特卡洛实现 2.2.2 贝叶斯滤波的拟蒙特卡洛实现 2.3 非线性优化序贯拟蒙特卡洛滤波 2.3.1 信赖域方法 2.3.2 基于信赖域的序贯拟蒙特卡洛滤波算法 2.4 实验与分析 2.4.1 非线性动态模型 2.4.2 二维点目标跟踪中的应用
“数字图像处理与目标跟踪技术”论文 [摘要]图像是一种重要的信息源，通过图像处理可以帮助人们了解信息的内涵。数字图像噪声去除涉及光学系统、微电子技术、计算机科学、数学分析等领域，是一门综合性很强的边缘科学，如今其理论体系已十分完善，且其实践应用很广泛，在医学、军事、艺术、农业等都有广泛且成熟的应用。本文概述了小波阈值去噪的基本原理。对常用的几种阈值去噪方法进行了分析比较和仿真实现。最后结合理论分析和实验结果，讨论了一个完整去噪算法中影响去噪性能的各种因素。为实际的图像处理中，小波阈值去噪法的选择和改进提供了数据参考和依据。 [关键字]：小波变换图像去噪阈值 [引言] 图像在生成和传输过程中常常因受到各种噪声的干扰和影响而使图像降质，这对后续图像的处理(如分割、压缩和图像理解等)将产生不利影响。噪声种类很多，如：电噪声、机械噪声、信道噪声和其他噪声。在图像处理中，图像去噪是一个永恒的主题，为了抑制噪声，改善图像质量，便于更高层次的处理，必须对图像进行去噪预处理。 计算机图像处理主要采取两大类方法：一是在空间域中的处理，即在图像空间中对图像进行各种处理；另一类是把空间域中的图像经过正交变换到频域，在频域里进行各种处理然后反变换到空间域，形成处理后的图像。人们也根据实际图像的特点、噪声的统计特征和频谱分布的规律，发展了各式各样的去噪方法。其中最为直观的方法，是根据噪声能量一般集中于高频而图像频谱则分布于一个有限区间的这一特点，采用低通滤波方式来进行去噪，或对图像进行平滑处理等，这属于第一类图像处理方法。还有就是在频域进行处理，如：傅立叶变换、小波基变换。 近年来，小波理论得到了非常迅速的发展，而且由于其具备良好的时频特性，实际应用也非常广泛。其中图像的小波阈值去噪方法可以说是众多图像去噪方法的佼佼者。基本思想就是利用图像小波分解后，各个子带图像的不同特性选取不同的阈值，从而达到较好的去噪目的。而且，小波变换本身是一种线形变换，而国内外的研究大多集中在如何选取一个合适的全局阈值，通过处理低于该阈值的小波系数同时保持其余小波系数值不变的方法来降噪，因而大多数方法对于类似于高斯噪声的效果较好，但对于混有脉冲噪声的混合噪声的情形处理效果并不理想。线形运算往往还会造成边缘模糊，小波分析技术正因其独特的时频局部化特性在图像信号和噪声信号的区分以及有效去除噪声并保留有用信息等方面较之传统的去噪具有明显的优势，且在去噪的同时实现了图像一定程度的压缩和边缘特征的提取。所以小波去噪具有无可比拟的优越性。小波去噪主要优点有： 低熵性，小波系数的稀疏分布，使得图象变换后的熵降低； 多分辨率，由于采用了多分辨率的方法，所以可以非常好地刻画信号的非平稳特征，如边缘、尖峰、断点等； 去相关性，因为小波变换可以对信号进行去相关，且噪声在变换后有白化趋势，所以小波域比时域更利于去噪； 选基灵活性，由于小波变换可以灵活选择变换基，从而对不同应用场合、不同的研究对象，可以选用不同的小波函数，以获得最佳的效果。 [正文] 1、图像与噪声：
Research on Image Mining-Concepts and Application Ding Chong Fan Jun Luan Tian Abstract:Image mining is an emergng field in data mining.Along with the wild use of large scale digital photo tech －nology,it becomes more and more important to devise powerful tools for analyzing tremendous image data and grasping the contents inside.But there is a large gap between traditional data mining and image mining in data formation and content,and the methods and algorithms are also different.In this paper,we focus on illustrating basic concepts and re －cent applications issues on image mining and the frameworks are reviewed,and then related technologies such as pat －tern recognition and image processing are discussed.At last,applications of such techniques as satellite photo,medical X-rays,and bio-photomicrography are introduced. Key words:data mining;pattern recognition;image processing 作者简介：丁冲，1983年生，吉林长春人，南京大学商学院在读硕士，研究方向为电子商务、数据挖掘。范钧，1983年生，河北保定人，西南财经大学在读硕士，研究方向为人力资源管理。栾添，1983年生，吉林长春人，东北师范大学在读硕士，研究方向为动物学。 图像数据挖掘相关研究综述—概念和应用 丁冲范钧栾添 摘要：图像挖掘是数据挖掘领域中新兴的领域。随着数字照相技术的发展和在多学科中的广泛应用，对大量图像数据的分析和研究越来越重要。由于图像挖掘的对象、内容不同于传统数据，方法上也不同于传统技术。本文旨在介绍图像挖掘的基本概念和体系以及国际上最新的研究成果。本文回顾了图像挖掘的相关问题及建模框架，并与模式识别、图像处理等相关领域进行了比较，在此基础上，还介绍了近年来图像挖掘领域在卫星遥感、医学影像和生物显微照片研究的相关应用。关键词： 数据挖掘；模式识别；图像处理1引言 图像获取和存贮技术的发展带来了大规模精细 图像数据库的产生。通过诸如卫星照片、医学照片和数字照相机等设备，获得了大量的图像数据。图像挖掘由于它潜在的巨大价值而受到广泛关注，对于那些能够自动提取语义信息（知识）的图像挖掘系统的需求与日俱增。然而时至今日，人们所掌握的技术还很难对这过于巨大的数据加以利用。 Hsu,Lee 和Zhang [1]的一篇综述性文章指出，这一领域中最基本的问题在于，需要对原始的象素图像和图像序列分析到何种精确程度，才能有效的获取复杂 的空间目标以及它们之间的关系。换句话说，图像挖掘（Image mining ，简称IM ）研究的对象是隐含的知识，图像数据的间接关系，或者其他那些没有被明确地存贮于图像数据中的模式，因此需要对其进行有效的取舍。 2相关概念和问题 2．1数据挖掘与图像挖掘 由于图像数据库和传统的关系型数据库存在巨 大差异，导致了很多现有的数据挖掘（Data Mining ）技术无法应用在IM 领域。 第一，在关系数据库中，数据值在语义上是有意 第12期（总第111期）2008年12月 No.12(Series No.111)Dec2008 统计教育Statistical Thinktank
图像数据的数据库存储实现 XML 中的图像数据转换成数据库二进制类型功能的设计和实现 本文从介绍BASE64 编码的原理入手，通过采用 C 语言编写DB2 的嵌入存储过程，实现了在数据库内存中将文本格式的图片文件到二进制BLOB 字段之间的转换，并且就性能优化等提出若干建议，该设计思路和程序可以广泛的应用到图像图形数据在XML 的存储和转换。 简介 XML 是文本型的数据交换结构，对于字符类型的文本交换非常的方便，实际工作中我们往往需要通过XML 将二进制格式的图形图像信息数据进行数据交换。本文从介绍BASE64 编码的原理入手，通过采用C 语言编写DB2 的嵌入存储过程，实现了在数据库内存中将文本格式的图片文件到二进制BLOB 字段之间的转换，并且就性能优化等提出若干建议，该设计思路和程序可以广泛的应用到图像图形数据在XML 的存储和转换。 XML 存储图形图像的基本原理 XML 作为一种非常广泛的数据交换的载体被广泛的应用到了各行各业的数据交换中。对于图形图像数据的转换，需要采用Base64 编码将二进制格式的图形图像信息转换成文本格式再进行传输。 Base64 编码转换的思想是通过64 个ASCII 字符码对二进制数据进行重新编码组合，即将需要转换的数据每三个字节（24 位）为一组，再将这24 位数据按每组6 位进行重新划分，在每组的最高2 位填充0 最终成一个完整的8 位字节。如果所要编码的数据的字节数不是 3 的整数倍，需要在最后一组数据填充1 到2 个字节的0 字节。例如：我们对ABC 进行BASE64 的编码，ABC 的编码值：A(65), B(66), C(67)。再取二进制A（01000001）B（01000010）C（01000011）连接起来构成010000010100001001000011，然后按6 位为单位分成4 个数据块并在最高位填充两个0 后形成4 个字节的编码后的值（00010000）（00010100）（00001001）（00000011）。再将4 个字节的数据转换成十进制数为（16）（20）（19）（3）。最后根据BASE64 给出的64 个基本字符表，查出对应的ASCII 码字符（Q）（U）（J）（D）。这里的值实际就是数据在字符表中的索引。 BASE64 字符表： 某项目的数据交换采用XML 的为介质，XML 的结构包括个人基本信息：姓名、性别、相片等信息，其中相片信息是采用经过BASE64 函数转换后的文本型数据，图像图形信息通过BASE64 进行数据转换后，形成文本格式的数据类型，再将相应的数据存放到XML 中，最终形成可供交换的文本型的XML 数据结构。 XML 的数据结构如下所示：
基于图像处理技术的红外小目标的检测与跟踪 王琛廖庆王亚慧 （电子科技大学，光电信息学院学院） 摘要：验证了一种基于红外小目标视频图像序列的跟踪算法，主要研究了基于形心计算的跟踪方法和基于kalman滤波器多帧数据关联方法的跟踪法。分别仿真验证，并从实现结果出发得出了两种算法的适用范围和各自存在的不足。 关键字：远红外小目标检测与跟踪 Detection and Tracking of Far - infrared Small Target Wang Chen Liao Qing Wang Yahui (University of Electronic Science and Technology of China) Abstract: Verify that a tracking Algorithm for Infrared small target based on video image sequence, the main study on tracking method based on centroid computation and multi - frame data association based on Kalman Filter Method for tracing method.Simulation, respectively, and proceeding from the implementation of the results reached the scope of the two algorithms and their insufficient. Key words: Far-infrared;Small targets; Detection and Tracking 0 引言 随着近十几年信息技术的飞速发展，计算机硬件的处理能力不断提高，存储成本大幅下跌，一些研究人员开始重点研究计算机视觉中有关运动的问题。与处理单幅图像相比，图像序列引入了新的时间维以及时间相关性约束，这一额外的约束激发了人们对视频理解的研究.视频序列目标跟踪是指对传感器摄取到的图像序列进行处理与分析，一旦目标被确定，就可获得目标的特征参数选择。 。 由于视频跟踪具有广泛的应用范围，因而引起了世界范围内广大研究者的兴趣。 在1996年至1999年间，美国国防高级研究项目署（DARPA）资助卡内基梅隆大学、戴维SARNOFF研究中心等著名大学和公司合作，联合研制视频监视与监控系统VSAM，主要研究目的是开发用于战场及普通民用场景的自动视频理解技术。DARPA在2000年又资助了重大项目HID计划，其任务是开发多模式的监控技术以实现远距离情况下人的检测、分类