第23卷第1期2009年1月山东理工大学学报(自然科学版)
Journal of Shandong University of Technology (Natural Science Edition )Vol.23No.1J an.2009
收稿日期:2008209218
基金项目:山东理工大学科技计划资助项目(2005K J M23)
作者简介:王举辉(19732),女,讲师.E 2mail :wangjuhui @https://www.doczj.com/doc/7d2195241.html,
文章编号:1672-6197(2009)01-0042-04
彩色图像中人眼的精确定位
王举辉,刘晓红
(山东理工大学计算机科学与技术学院,山东淄博255049)
摘 要:提出了一个彩色图像中人眼的精确定位过程.首先利用肤色特征检测出人脸的候选区域,在检测过程中考虑了头发亮度对肤色检测的影响;然后利用改进的二值化方法进行了眼睛的检测;最后利用眼睛的位置特点和人眼模板完成了眼睛的定位.关键词:光线补偿;P GF ;二值化;模板中图分类号:TP391.41文献标识码:A
Accurate location of eye in color image
WAN G J u 2hui ,L IU Xiao 2hong
(School of Computer Science and Technology ,Shandong University of Technology ,Zibo 255049,China )
Abstract :An accurate location process of eye in color image was proposed.Firstly ,t he facial de 2tection of candidate region was relized using skin color for t he given image ,taking t he influence of hair bright ness into considertion ;Secondly ,t he eye ’s detection was accomplished using improved binarized met hod ;Finlly t he eye ’s location was determined using t he eye ’s place in facial image and eye template.
K ey w ords :light compensation ;peer group filtering ;binarize ;template
在日常生活中,人的脸部特征给我们提供了大量丰富的信息.由于数字设备的广泛应用(如数码相机),获得人脸图像变得非常容易,因此人脸的研究在很多领域都备受关注(如身份验证、可视化通讯等).
在人脸图像中,人眼的自动定位是人脸识别研究中的一个基本且非常重要的课题.这是因为与鼻子、嘴巴等人脸部件相比较,眼睛区域包含了更为丰富的可用于个体区分的重要信息;同时,眼睛的定位又是人脸图像进行位置、大小和角度归一化的前提,往往也是人脸其他部件检测和抽取的基础.因此,实现眼睛的精确定位是提高人脸自动识别系统性能的一个非常重要的步骤.
本文所述实现人眼的精确定位包括三部分:首先对候选人脸区域进行检测,在此过程中实现了光线补偿,并考虑了头发颜色对于人脸检测的影响;然
后对眼睛进行初步检测,采用了改进的二值化方法对眼睛区域进行分割,既能去掉背景的影响,又能去掉眼镜、衣物等的影响;最后利用人眼的位置特点对眼睛进一步去除干扰,并利用眼睛模板完成了眼睛的精确定位.
1 候选人脸区域的检测
1.1 光线补偿处理
由于肤色等色彩信息经常受到光源颜色、图像采集设备的色彩偏差等因素的影响,从而在整体上偏离本质色彩向某一方向移动,即通常所说的色彩偏冷、偏暖,照片偏黄、偏蓝等.本文采用一种“参考
白”[1]技术来抵消整个图像中存在的色彩偏差问题.这一做法的合理性可从两个角度进行考察:一方面,绝大部分的图像中都包含有纯白色,特别是包含有
人脸在内的图像中,在眼球外围等处通常就是纯白色,所以将具有最大亮度的像素的色彩值调整为纯白色是合理的;另一方面,存在色彩偏差的图像在原来是白色的区域有着很明显、直观的体现,所以按照这些区域的调整方法对整个图像进行调整也是比较合理和有效的图1是原图,图2为光线补偿后的图像
.
图1 原图 图2 光线补偿后
1.2 皮肤区域的检测
在复杂背景的人脸检测中,颜色是一个非常重
要的基本线索,常常作为检测的第一步.Hyeon Bae and Sungshin K im [2]提出了通过计算不同颜色图像的相似度来去除背景的影响.本文采用YCbCr 作为色彩空间来计算皮肤颜色,因为这种色彩空间的优点在于它将亮度与反映色彩本质特性的两个参数分开,而且可以从R G B 格式线性变化得到.
但是,如果一幅图像包含人脸以外的类似皮肤的颜色,比如金色的和染过的头发,采用该算法会使检测到的人脸区域失真,会包含大片的头发区域,从而在以后的处理中(例如眼睛或眉毛的检测)存在重大误检.由于头发有着比人脸区域更大的亮度,利用头发的这个特性就可以解决人脸区域检测存在的问题[3].公式(1)说明了坐标(x ,y )处的亮度范围,如果这个值比特定的阈值大,则这个坐标属于头发区域.
V (x ,y )=
19
∑1i =-1∑1
j =-1|
|
Y (x ,y )-Y (x +i ,y +j )|
(1)
公式(2)描述了不受类似皮肤颜色的头发影响的人脸区域的计算
f RF (x ,y )=f F (x ,y )∩f H (x ,y )(2)其中f F (x ,y )表示只有皮肤颜色信息的人脸区域检
测,f H (x ,y )表示亮度变化的头发区域检测.
对得到的人脸区域进行膨胀和腐蚀等数学形态学处理,去除噪声的影响,即可得到候选人脸区域,候选人脸区域可能包括多个,需要进一步过滤.图3
为检测到的皮肤区域
.
图3 皮肤区域
2 眼睛的检测
眼睛的检测即对眼睛进行初步定位,找出含有
眼睛的区域.在实验中发现,眼睛的检测往往被非眼物所干扰,影响了眼睛的检测准确度.宋加涛[4]等提出了一个基于灰度数学形态学方法的人眼定位方法.它用不同阈值对经过形态学操作所得的图像(即谷图)进行二值化,并通过分析二值图像中满足约束条件的黑块,找到眼睛的候选位置;然后用PCA 法进行眼睛的验证并确定其最佳位置.该方法具有较好的光照鲁棒性,通过用不同质量的人脸数据库进行实验,取得了较为满意的定位效果.本系统首先对图像进行滤波,获得质量较好的图像,然后通过改进的二值化方法对图像进行分割,确定眼睛的候选位置.2.1 滤波
滤波的目的是为了去除噪声的影响.高斯滤波和中值滤波是最常用的滤波方法.其中高斯滤波对滤除高斯噪声非常有效,但会损坏图像的边缘信息,从而使图像变得模糊起来.而中值滤波能很好地滤除脉冲噪声,却对滤除高斯噪声效果不佳.Y.Deng 和C.Kenney 提出了一种称为P GF (Peer Group Filtering )的滤波方法.该方法主要思想是只找出滤波窗口中与中心象素距离特征相近的邻域象素作为同组成员参加滤波.P GF 滤波克服了高斯滤波和中值滤波的滤波窗口中所有象素都参与滤波的弊端,从而很好地滤除了混合噪声,且保护了图像的边缘信息.但该滤波方法运算量大,滤波速度较慢.本系统中采用了一种改进的P GF 滤波[5],既能快速地滤除混合噪声,又能保护好图像边缘信息.图4、图5分别为滤波前后的对比图.2.2 改进的二值化方法
二值化的目的是为了使人脸照片的特征区域更加突出.本文采用一种改进的二值化方法,既能较好地去处背景的影响,又能去掉如眼镜、衣物等的干扰.
3
4第1期 王举辉,等:彩色图像中人眼的精确定位
图4 滤波前 图5 滤波后
2.2.1 二次边缘提取算法
该算法既可以有效的去除背景的影响,又可以完成对图像的二值化处理.其算法如下:
设G 1,G 2,G 3,G 4,G 5,G 6,G 7,G 8,G 9的位置如图6所示,每一个区域均为图7所示的333的像素区域.求出以点(i ,j )为中心的区域内点的灰度值之和G 5,再分别计算与G 5相邻的8个333的小区域的灰度值之和,按以下公式求出各阈值:
I 1=(G 1+G 2+G 3+G 4-43G 5)/4(3)I 2=(G 6+G 7+G 8+G 9-43G 5)/4(4)I 3=(G 1+G 2+G 3+G 4+G 6+G 7+G 8+
G 9-83G 5)/8
(5)
G 6G 1G 7G 3G 5G 4G 8G 2G 9若f (i ,j )代表点(i ,j )的灰度值,当f (i ,j )小于I 1,I 2或I 3中的任一值
时,此点为黑点,用0表示;反之,则此点为白点,用1表示.
G6G1G7G3G5G4G8G2G9
图6 人脸区域划分
(i ,j )
图7 (i ,j )位示
2.2.2 OSTU 算法
OSTU 算法基于使类间方差最大的原理,选取
最佳阈值将图像分割成两部分,使两部分的分离性最大.
设图像的灰度级为(0,1,2,…,m -1),以阈值t 将所有的像素分为两类(a 类和b 类).设a 类为背景,那么b 类就为目标.设a 类的灰度取值范围为0～t ,则b 类的灰度的取值范围为(t +1)～(m -1).
设Pi 为图像中像素值为i 的像素出现的概率,则
a 类出现的概率为
ω0=
∑t
i =0
p
i
(6)
b 类出现的概率为
ω1=
∑m-1
i =t+1
p
i
(7)
计算整幅图像的平均灰度为μ,a 类的平均灰度为μ0,b 类的平均灰度为μ1.让t 依次取0,1,2,…,m -1,记录使类间方差σ2=ω0(μ-μ0)2+ω1(μ-μ1)2最大的t 值,以t 为阈值,对图像进行二值分割.2.2.3 改进的二值化方法[6]
从实验中发现,改进的二次边缘提取算法能够较好地去除如眼镜、胡子以及背景的影响,使人脸特征区域更加明显,但同时使得头发处出现“空洞”,影响了二值化的效果,进而影响了后续的特征定位及提取;而OSTU 算法对一般图像(无配饰)的二值化效果很好,特征点突出,尤其是眼睛,符合灰度图像中眼睛的变化规律(白-黑-白),但是它对有配饰物的图像效果不佳.因此,我们提出了一种综合两种算法的改进的二值化算法,经实验发现,无论处理有配饰还是没有配饰的,效果都较好.具体过程如下:
分别用改进的二次边缘提取算法和OSTU 算法对图像进行二值化.将两幅二值化图像点对点相加,然后进行分析:
若对应点都是白点或一个白点一个黑点,则最终二值化图像中对应点为白点;若对应两点都是黑点,则最终二值化图像中对应的点为黑点.
通过该方法得到的二值化图像既综合了上述两种算法的优点,使得二值化后的图像目标更加突出,又在一定程度上对图像进行了修正,便于后续的特征定位与特征提取.图8为二值化后的图像.
图8 二值化后的图像
从图8可以看出,分割后的图像目标非常突出,
44山东理工大学学报(自然科学版)2009年
尤其是眼睛,符合灰度图像中眼睛的亮度变化,为定位眼睛提供了保障.
3 眼睛的定位
在已经检测出的人脸图像中,利用眼睛的判定
方法可以大致确定眼睛的位置,但可能会有一些干扰.可以利用如下方法进行筛选:
眼睛位于脸部的上方,在脸部高度1/2之下的区域可以去掉.
眼睛对称性地分布在脸部区域并且在眉毛的下面,如果眼睛和眉毛同时被检测出来.
对剩下的眼部区域进行水平和垂直投影,确定眼睛的位置及大小.
但是检测到的眼睛区域对于面部表情所表达的信息不够准确,因为它们被检测到的更多的是位置而不是形状.为了得到更准确的眼睛形状,我们用加权模板来补足检测到的眼睛区域,使眼睛的形状凸显出来.首先,用眼睛区域一半的宽度和高度分别加到它的左右两侧和上下两侧,然后用canny 边缘检测算子检测眼睛区域的边界,最后将模板应用到边缘图像.模板由四部分组成,以检测准确的眼睛形状.如图9所示,其中黑色方格、黑灰色方格、灰色方格和白色方格分别代表-1,1,2和
0.
图9 眼睛模板
4 结束语
本文中提到的算法全部采用Visual C ++实现.本系统虽然采用的算法较多,但每个算法相对比较简单,因此系统能够获得比较好的时间性能.本系统尤其适合背景较固定、双眼都存在的图像的检测与定位,例如考勤系统,门禁系统.不足之处是对光线较强、虹膜不突出的图像效果较差,这也是以后研究的重点.参考文献:
[1]Jin Ok K im ,Jin Soo K im ,Y oung Ro ,Seo ,et al ,On extraction of
facial features from color images[C]//ICCSA ,2004:9642973.[2]Hyeon Bae ,Sungshin K im.Real 2time face detection and recogni 2
tion using hybrid -information extracted from face space and fa 2cial features[J ].Image and Vision Computing ,2005,23:118121191.
[3]J eong 2Su Oh ,Dong 2Wook K im ,Jin 2Tae K im ,et al .Facial compo 2
nent detection for efficient facial characteristic Point ext raction [C]//Kamel M ,Campilho A.ICIAR ,2005:112521132.[4]宋加涛,刘济林,池哲儒,等.人脸正面图像中眼睛的精确定位
[J ].计算机辅助设计与图形学学报,2005,17(3):5402544.[5]曹 刚,游志胜,刘直芳,等.一种去除图像混合噪声的快速P GF
滤波[J ].计算机科学,2002,(6):1272129.
[6]王举辉,刘晓红,王英永.基于综合技术的二值化算法的研究与
实现[J ].微计算机信息(管控一体化),2007,(33):2392240.
(编辑:刘宝江)
5
4第1期 王举辉,等:彩色图像中人眼的精确定位
2019-2020年高中美术鉴赏1.2图像与眼睛公开课教学设计一：教学目标 通过教学，使学生了解美术作品中形式构成的基本要素（图像）以及根据图像的特点而划分的三大类别（具象，意象，抽象） 掌握这三类图像类型的特征，理解三种类型美术作品的内涵并初步掌握欣赏的角度和方法 二：重难点 重点：了解美术语言，学习对意象和抽象作品的欣赏，打破只能欣赏具象美术的局限，了解美术形象的基本种类，理解三类美术作品的内涵并初步掌握欣赏的方法。 难点：如何了解抽象的艺术语言 根据美术作品的图像特征来划分三种美术形态 从形象入手来理解三种美术形态的特点。 三：教学过程 一）导入 教师：出示两幅图片，罗中立的《父亲》和毕加索的自画像《我是一个魔术师》。提问：同样是两幅中年男子的画像，观察它们，这两幅画给人的感受是一样的吗？学生：不一样 教师：（请学生说说两幅画的区别在哪里？）有人说，一幅画画的跟真的一样，就是好画，也有人说，看不懂的才是艺术，其实，为什么会有这样截然不同的说法呢，其原因就在于每幅画其反映的客观物象是不同的，根据这个特点，我们可以将美术作品大致分为具象美术，意象美术和抽象美术。 二）展开 1.首先，让我们一起来了解一下图像的构成要素，包括点，线，面，体积，色彩，明暗，构图，肌理。（主要介绍一下肌理，肌理是指物体表面的纹理结构，即各种纵横交错，高低不平，粗糙平滑的纹理变化。） 2.介绍具象美术：课件展示图片《写生珍禽图》，安格尔的《贵妇人像》，并给学生展示细节部分；中国写实油画和水彩画作品，让学生在强烈的视觉冲击下感受具象美术的特点。提问学生具象美术作品的定义（见课件和书本）
3.根据定义可以得出，具象美术作品和现实看到的情形基本一样，那为什么照片，摄影技术没有取代绘画呢？以罗中立的《父亲》说说。（画面给人以动人心魄的震慑力，他古铜色的脸，艰辛的岁月耕耘出的一条条车辙似的皱纹，粗糙的双手，缺了牙的嘴，手中破旧的茶碗……这些形象已经超出了生活原型，他所代表的是中国千千万万的农民，正是他们的辛勤，才换来了中国世世代代的儿女。） 4.意象美术作品定义：意象美术作品不拘泥于客观物象的真实再现，美术家的主观认识和情感渗透所占的成分要多一些，美术家往往采用夸张，变形，重组等手法。作品中常常有象征和讽刺的意义。 中国传统写意画都是意象美术作品。课件展示梁楷《李白行吟图》和朱耷《安晚贴》（朱耷作品中白眼向人的特点） 夏加尔《生日》（生日的喜悦和亲密的感情），王冕《墨梅图》和郑板桥的《竹子》（作者的气节） 5.抽象美术作品中的图像不能对应于客观事物，它的形成主要来源于美术家的主观世界。 抽象美术作品一定没有具体的形，只有点，线，面，色彩等独立要素。 不管是西方绘画还是中国绘画，都经历了从具象到抽象的过程，从刚开始的追求细致入微开始分别走向了抽象艺术和写意画的道路，但两者追求的，都不再是完美的呈现事物现实的样子，而是追求事物所蕴含的意味，或是称之为神韵。 课件展示蒙德里安《红黄蓝灰构成》。康定斯基的即兴作品。 中国书法也是抽象艺术，因为没有可参照的对象，不存在像不像的问题，在欣赏这类美术作品时，要注意的是纯粹形式方面的问题，如点画的轻重，结体的疏密，线条的快慢节奏等。 三）总结 具象美术———具体而精确的再现，逼真，写实 意象美术———画家主观情感成分较多 抽象美术———以直觉和想象力为创作的出发点，没有具体的形。 以树为例，观察提炼的过程。（形的变化） 四）课件出示各种作品图片，请学生说说分别是哪一类美术作品 五）结束：从具象，意象到抽象美术作品，画面中画家的主观情绪越来越多，而
图像分割方法综述
图像分割方法综述 摘要：图像分割是计算计视觉研究中的经典难题，已成为图像理解领域关注的一个热点，本文对近年来图像分割方法的研究现状与新进展进行了系统的阐述。同时也对图像分割未来的发展趋势进行了展望。 关键词：图像分割；区域生长；活动边缘；聚类分析；遗传算法 Abstract:Image segmentation is a classic problem in computer vision,and become a hot topic in the field of image understanding. the research actuality and new progress about image segmentation in recent years are stated in this paper. And discussed the development trend about the image segmentation. Key words: image segmentation; regional growing; active contour; clustering
analysis genetic algorithm 1 引言 图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，把目标从背景中分离出来。对于灰度图像来说，区域内部的像素一般具有灰度相似性，而在区域的边界上一般具有灰度不连续性。 关于图像分割技术，由于问题本身的重要性和困难性，从20世纪70年代起图像分割问题就吸引了很多研究人员为之付出了巨大的努力。虽然到目前为止，还不存在一个通用的完美的图像分割的方法，但是对于图像分割的一般性规律则基本上已经达成的共识，已经产生了相当多的研究成果和方法。本文根据图像发展的历程，从传统的图像分割方法、结合特定工具的图像分割方
第一章绪论 计算机图像处理在医学领域的应用越来越广泛，白细胞图像的自动判断就是其中的代表之一。它能有效地减少主观干扰，提高工作效率，减轻医生负担。近些年来，计算机硬件技术和光谱成像技术的飞速发展，使得成功研制开发出小型实用的基于多光谱的白细胞图像自动分类识别系统成为可能。 本文研究的主要目的在于对白细胞多光谱图像分割进行初步的探索研究，为系统中其后的白细胞能够准确地分类识别奠定基础。 本章简要阐述了基于多光谱的白细胞图像分割的应用背景和研究意义，回顾了国内外细胞图像分割和多光谱遥感图像分类的研究发展状况，并简要介绍了本论文的主要工作。 §1.1 概述 §1.1.1 白细胞检验 白细胞的光学显微镜检查是医院临床检验项目之一，特别是对各种血液病的诊断占有极其重要的地位。它的任务是观察或测定血液中的各种白细胞的总数、相对比值、形态等，用于判断有无疾病、疾病种类以及严重程度等，特别是对类似白血病这类血液病诊断具有更加重要的意义。 白细胞分类计数的传统方法是将血液制成涂片，染色后，临床医生在显微镜下用肉眼按照有关标准，如核的形状、细胞浆的量和颜色，细胞浆颗粒的大小和颜色，整个细胞形状、稀薄与细胞间的接触等，来观察和检查这样的细胞标本[1]。然而这项工作十分繁重，工作效率低，容易误判，且人工识别误差随检查人员而异。同时通过观察的细胞数目较少，从统计的角度看，因样本集较小而影响诊断结果的可靠性。 计算机图像处理与分析技术伴随着信息技术的不断进步在最近20年间得到了飞速的发展，已经迅速渗透到人类生活和社会发展的各个方面，这为智能化细胞分析仪代替人工方法提供了基础。因此，借助于现代计算机技术结合临床医生的实践经验，采用图像处理技术对图像进行处理，从而对细胞进行识别，对于医学科研与实践，以及临床诊断方面有着现实意义和非常广阔的前景。 目前已经制成的自动白细胞分析仪主要有两种类型： 一类是用组织化学染色法，通过连续流动的系统，以光电效应的方式分别数出单一细胞，并可同时报告白细胞总数、各类细胞的百分率和绝对值。因为该法不是由细胞形态学特点识别各类白细胞，所以不能目视观察白细胞形态，亦不能保留样本，对感染中毒细胞无法识别。 另一类是原型认定型，其工作原理模仿人“脑眼系统”[2]的智能识别过程，运用计算机图像处理和模式识别技术，将从显微镜与相机或摄像机得到的数字化图像进行自动处理分析和分类。与前一种类型的白细胞分类仪器相比，其主要优
《图像与眼睛》教案 教学目标 1、拓展学生的审美观念，使学生理解美术作品包括具像作品、意象作品和抽象作品着三大类。 2、理解具像作品、意象作品和抽象作品的内涵并初步掌握欣赏的方法。 教学重点与难点： 1、突破只能欣赏具像作品的局限，了解美术形象的基本种类。 2、理解三类美术作品的基本内涵并初步掌握欣赏的方法。 3、具像作品、意象作品和抽象作品的内涵并初步掌握欣赏的方法 4、理解三类美术作品的基本内涵并初步掌握欣赏的方法。 5、具像作品、意象作品和抽象作品的内涵并初步掌握欣赏的方法 课时安排：一课时。 一、引入课题 今天的社会，网络信息无处不在影响着人们与社会，大量的图像信息无时无刻地在影响着人们的生活，你想躲避都可能无济于事。下面来考考同学们的眼力。 教师解说：刚才的图片，需要我们有一双敏锐的眼睛。每个人都有一双眼睛，但是，有的人却有一双审美的眼睛，他
能够通过这双审美的眼睛产生思维和发现美感，并能够在此作用下使自己的心灵得到启迪。 下面进入我们今天的课题：图像与眼睛 教师解说：人类最早的记事方式便是图画。在许多史前的遗迹中，可以发现早期人类留下的壁画。在法国南方拉斯科洞穴中，发现了一幅彩绘在石灰岩壁上的兽类图画，画中所有动物都栩栩如生；尽管至今人们尚未搞懂这些壁画的真正涵义，但可以肯定的是传达信息是其主要目的。 二、探求新知 （一）美术作品最直接的反映是视觉图象 欣赏《丢勒的自画像》、《生日》、（书法）感受美术作品的视觉形象 （二）美术作品的的分类教师解释，设疑：各种美术作品，形象特征多样性。那么，能不能用“像不像某种事物”这种简单的方法来评价作品？ 教师解释：根据作品中的形象特征，我们把它划分为具像作品、意象作品和抽象作品三大类：具象美术、意象美术、抽象美术。 1、具象美术作品：它所表现的形象来自于现实世界，因此观众在观看的时候可以很清楚地了解艺术家要表现的内容，甚至那些没有经过欣赏训练的观众也可以看得懂。书本中列举了东西方的三件绘画作品来帮助学生理解具象美
文献综述 1.1理论背景 数字图像中的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2、图像边缘检测技术研究的目的和意义 数字图像边缘检测是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像边缘检测也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像边缘检测和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像边缘检测中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速度更快，图像特征识别更准确。早期的经典算法有边缘算子法、曲面拟合法、模版匹配法、门限化法等。 早在1959年Julez就曾提及边缘检测技术，Roberts则于1965年开始了最早期的系统研究，从此有关边缘检测的理论方法不断涌现并推陈出新。边缘检测最开始都是使用一些经验性的方法，如利用梯度等微分算子或特征模板对图像进行卷积运算，然而由于这些方法普遍存在一些明显的缺陷，导致其检测结果并不
毕业论文开题报告 电子信息工程 彩色图像快速分割方法研究 一、课题研究意义及现状 图像分割是一种重要的图像技术，不论是在理论研究还是实际应用中都得到了人们的广泛重视。图像分割是我们进行图像理解的基础，是图像处理中的难点之一，也是计算机视觉领域的一个重要研究内容。把图像划分为若干个有意义的区域的技术就是图像分割技术，被划分开的这些区域相互不相交，而且每个区域也必须满足特定区域的一致性条件。 彩色图像反映了物体的颜色信息，比灰度图像提供的信息更多，因此，彩色图像的分割得到了越来越多人的关注，彩色图像分割方法的研究具有很大的价值。彩色图像分割一直是彩色图像处理中一个很重要的问题，它可以看作是灰度图像分割技术在各种颜色空间上的应用。 目前，图像分割的主要方法有：基于区域生长的分割方法、基于边缘检测的分割方法、基于统计学理论的分割方法、基于小波变换法、基于模糊集合理论的方法等多种方法。其中，JSEG算法是一种基于区域生长的图像分割方法，它同时考虑了图像的颜色和纹理信息，分割结果较为准确，受到了广泛的关注。但是JSEG算法要在多个尺度下反复进行局部J值计算和区域生长，同时还要进行基于颜色直方图的区域合并，这样，该算法就显得更为繁琐、复杂。针对这些不足之处，有学者提出了一种结合分水岭与JSEG的图像分割新算法。这种新算法在计算得到图像J后，通过引入分水岭算法直接对J图进行空域分割，然后通过形态后处理完成分割。与原JSEG算法比较，新算法能够得到良好的分割效果，有效的降低了JSEG算法的复杂度。 国内外也有很多学者对彩色图像的分割方法进行研究，也提出了许多有价值的彩色图像分割算法及改进的彩色图像分割算法，而多种分割算法的结合使用也改进了单一算法的不足之处，使得彩色图像的分割结果更加理想。但是从目前对彩色图像的研究来看，由于应用领域的不同、图像质量的好与坏以及图像色彩的分布和结果等一些客观因素引起的差异，我们还没有找到一种能够完全适用于所有彩色图像分割的通用的算法。因此，彩色图像的分割方法仍是一个尚未解决的难题，还需要图像处理领域的研究人员进一步的研究探索。 本研究是对基于JSEG的改进彩色图像分割算法的研究，该算法能够有效降低原JSEG算法的复杂度，提高图像分割效率，在图像分割领域有很重要的意义。该算法是在原JSEG算法的基础上，引入了分水岭算法，降低了原算法的计算量，降低了图像分割时间。 二、课题研究的主要内容和预期目标 主要内容：
图像分割方法综述 摘要：图像分割就是根据图像的某些特征或特征集合的相似性准则对图像进行分类，把图像空间分成若干个某些具有一致性属性的不重叠区域。它是图像分析和理解的基础，是计算机视觉领域中最困难的问题之一。图像分割的质量将直接影响着对图像的后续处理，所以图像分割被视为图像处理的瓶颈，具有十分重要的意义。人们很早就开始了对图像分割方法的研究，并且几十年来，这方面的研究从来没有间断过。到目前为止，已经有大量的关于图像分割的理论、技术、方法被人们相继提出并广泛应用。 关键字：图像分割；阈值；区域和边缘；交互式算法；纹理分割彩色图像分割 1.引言 图像分割是一项基于计算机技术的重要的图像分析和处理技术，从其产生至今，已经广泛的应用于各个领域，为人们的生产和生活中图像处理的水平提高做出了重大贡献。 2.国内外发展的状况 人工生命是一个快速发展的多学科交叉的研究领域，是计算机科学新的发展方向之一。目前，已经有科研人员尝试将人工生命应用到图像分割领域中。虽然目前使用人工生命进行图像分割的研究还比较少，但是这些相关研究成果表明将人工生命引入到图像分割中能获得有意义的成功，显示出了巨大的潜力。 在医学数据可视化方面，也有了许多硕果。如：医学图像如CT图像和MRI图像的三维重建、显示与分析处理；大脑生理形态分析，神经细胞中钙活性的可视化；计算机辅助外科手术模拟与计划等。其中值得一提的：如美国国家超级计算机应用中心利用远程的并列计算机资源，用体绘制技术实现了CT扫描三维数据的动态显示。其内容为显示一个狗心脏跳动周期的动态图像。 3.图像分割概述 人类感知外部世界的两大途径是听觉和视觉，尤其是视觉，因此图像信息是非常重要的一类信息。在一幅图像中，人们往往只对其中的某些目标感兴趣，这些目标通常占据一定的区域，并且在某些特性（如灰度、轮廓、颜色、纹理等）上和周围的图像有差别。这些特性差别可能非常明显，也可能很细微，以致人眼觉察不出来。计算机图像处理技术的发展，使得人们可以通过计算机来获取与处理图像信息。现在，图像处理技术已经成功应用于许多领域，其中，纸币识别、车牌识别、文字识别、指纹识别等已为大家所熟悉。 图像分割是指将一幅图像分解为若干互不交叠的、有意义的、具有相同性质的区域。好的图像分割应具有以下特征：（1）分割出来的各区域对某种性质（例如灰度、纹理）而言具有相似性，区域内部是连通的且没有过多小孔。（2）相邻区域对分割所依据的性质有明显的差异。（3）区域边界是明确的。 大多数图像分割方法只是部分满足上述特征。如果强调分割区域的同性质约束，则
1．阈值分割方法 阈值分割方法的历史可追溯到近40年前，现已提出了大量算法，对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范闱之中的灰度阈值，然后将图像中各个象素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素分为两类。这两类像素一般分属图像的两类区域，从而达到分割的目的。从该方法中可以看出，确定一个最优阈值是分割的关键。现有的大部分算法都是集中在阈值确定的研究上。阈值分割方法根据图像木身的特点，可分为单阈值分割方法和多阈值分割方法;也可分为基于像素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位罝的阈值分割方法。若根据分割算法所有的特征或准则，还可以分为直方图与直方图变换法、最大类空间方差法、最小误差法与均匀化误差法、共生矩阵法、最大熵法、简单统计法与局部特性法、概率松弛法、模糊集法、特征空间聚类法、基于过渡区的阈值选取法等。 目前提出了许多新方法，如严学强等人提出了基于量化直方图的最大熵阈值处理算法，将直方图量化后采用最大熵阈值处理算法，使计算量大大减小。薛贵浩、帝毓晋等人提出基于最大类间后验交叉熵的阈值化分割算法，从目标和背景的类间差异性出发，利用贝叶斯公式估计像素属于目标和背景两类区域的后验概率，再搜索这两类区域后验概率之间的最大交叉熵。这种方法结合了基于最小交叉熵以及基于传统香农熵的阈值化算法的特点和分割性能，取得很好的通用性和有效性，该算法也容易实现二维推广,即采用二维统计量(如散射图或共生矩阵)取代直方图,以提高分割的准确性。俞勇等人提出的基于最小能量的图像分割方法，运用了能量直方图来选取分割阈值。任明武等人提出的一种基于边缘模式的直方图构造新方法，使分割阈值受噪声和边缘的影响减少到最小。程杰提出的一种基于直方图的分割方法，该方法对Ostu准则的内在缺陷进行了改进,并运用对直方图的预处理及轮廓追踪，找出了最佳分割阈值。此方法对红外图像有很强的针对性。付忠良提出的基于图像差距度量的阈值选取方法，多次导出Ostu方法，得到了几种与Ostu类似的简单计算公式，使该方法特别适合需自动产生阈值的实时图像分析系统。华长发等人提出了一种基于二维熵阈值的图像分割快速算法，使传统二维阈值方法的复杂度从0(W2 S2)降至0(W2/3 S2/3)。赵雪松等人提出的综合全局二值化与边缘检测的图像方法，将全局二值化与边缘检测有效的结合起来，从而达到对信封图分割的理想效果。靳宏磊等人提出的二维灰度直方图的最佳分割方法，找到了一条最佳分割曲线，使该算法得到的分割效果明显优于一维直方图阈值方法。乐宁等人根据过渡区内象素点具有的邻域方向性特点，引入了基于一元线性回归处理的局部区域随机波动消除方法，将图像过渡区算法进行了改进。模糊技术及其日趋成熟的应用也正适应了大部分图像边缘模糊而难以分析的现状，赵初和王纯提出的模糊边缘检测方法能有效地将物体从背景中分离出来，并已在模式识别中的图像预处理和医学图像处理中获得了良好的应用。金立左、夏良正等提出图像分割的自适应模糊阈值法，利用目标一背景对比度自动选取窗宽的方法，并给出了根据目标与摄像机间的相对距离估计目标--背景对比度的算法，克服隶属函数的分布特性及其窗宽对阈值选取的不良影响。其应用于智能电视跟踪系统，对不同对比度和不同距离的海面舰船图像进行阈值分割，有较强的场景适应能力。王培珍、杜培明等人提出了一种用于多阈值图像自动分割的混合遗传算法，针对Papamarkes等提出爬山法的多阈值分割和Olivo提出子波变换的方法只对明显峰值有效而对不明显的峰值无效的缺点，以及结合模糊C-均值算法和遗传算法的两大显著特点而改进的算法，这种分割方法能够快速正
图像分割阈值选取技术综述 中科院成都计算所刘平2004-2-26 摘要 图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要地领域之一,它是对图像进行视觉分析和模式识别地基本前提．阈值法是一种传统地图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛地分割技术．已被应用于很多地领域.本文是在阅读大量国内外相关文献地基础上,对阈值分割技术稍做总结,分三个大类综述阈值选取方法,然后对阈值化算法地评估做简要介绍. 关键词 图像分割阈值选取全局阈值局部阈值直方图二值化 1．引言 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交地区域,使得这些特征在同一区域内,表现出一致性或相似性,而在不同区域间表现出明显地不同[37]．简单地讲,就是在一幅图像中,把目标从背景中分离出来,以便于进一步处理.图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要地领域之一,它是对图像进行视觉分析和模式识别地基本前提．同时它也是一个经典难题,到目前为止既不存在一种通用地图像分割方法,也不存在一种判断是否分割成功地客观标准. 阈值法是一种传统地图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛地分割技术．已被应用于很多地领域,例如,在红外技术应用中,红外无损检测中红外热图像地分割,红外成像跟踪系统中目标地分割；在遥感应用中,合成孔径雷达图像中目标地分割等；在医学应用中,血液细胞图像地分割,磁共振图像地分割；在农业项目应用中,水果品质无损检测过程中水果图像与背景地分割.在工业生产中,机器视觉运用于产品质量检测等等.在这些应用中,分割是对图像进一步分析、识别地前提,分割地准确性将直接影响后续任务地有效性,其中阈值地选取是图像阈值分割方法中地关键技术. 2．阈值分割地基本概念 图像阈值化分割是一种最常用,同时也是最简单地图像分割方法,它特别适用于目标和背景占据不同灰度级范围地图像[1].它不仅可以极大地压缩数据量,而且也大大简化了分析和处理步骤,因此在很多情况下,是进行图像分析、特征提取与模式识别之前地必要地图像预处理过程.图像阈值化地目地是要按照灰度级,对像素集合进行一个划分,得到地每个子集形成一个与现实景物相对应地区域,各个区域内部具有一致地属性,而相邻区域布局有这种一致属性.这样地划分可以通过从灰度级出发选取一个或多个阈值来实现. 阈值分割法是一种基于区域地图像分割技术,其基本原理是：通过设定不同地特征阈值,把图像像素点分为若干类．常用地特征包括：直接来自原始图像地灰度或彩色特征；由原始灰度或彩色值变换得到地特征．设原始图像为f(x,y>,按照一定地准则在f(x,y>中找到特征值T,将图像分割为两个部分,分割后地图像为 若取：b0=0<黑）,b1=1<白）,即为我们通常所说地图像二值化. <原始图像）<阈值分割后地二值化图像） 一般意义下,阈值运算可以看作是对图像中某点地灰度、该点地某种局部特性以及该点在图像中地位置地一种函数,这种阈值函数可记作 T(x,y,N(x,y>,f(x,y>> 式中,f(x,y>是点(x,y>地灰度值；N(x,y>是点(x,y>地局部邻域特性．根据对T地不同约束,可以得到3种不同类型地阈值[37],即 点相关地全局阈值T＝T(f(x,y>> (只与点地灰度值有关> 区域相关地全局阈值T＝T(N(x,y>,f(x,y>> (与点地灰度值和该点地局部邻域特征有关> 局部阈值或动态阈值T＝T(x,y,N(x,y>,f(x,y>> (与点地位置、该点地灰度值和该点邻域特征有关> 图像阈值化这个看似简单地问题,在过去地四十年里受到国内外学者地广泛关注,产生了数以百计地阈值选取方法[2-9],但是遗憾地是,如同其他图像分割算法一样,没有一个现有方法对各种各样地图像都能得到令人满意地结果,甚至也没有一个理论指导我们选择特定方法处理特定图像. 所有这些阈值化方法,根据使用地是图像地局部信息还是整体信息,可以分为上下文无关(non-
第二课图像与眼睛 教学目标： 了解美术作品中形式构成的基本要素，以及根据图像的特点而划分的三大类别：具象美术、意象美术、抽象美术；掌握这三种图像类型的特征。 学习活动分析： 本课的“活动建议”主要是让学生根据美术作品的图像特征来划分三种美术形态，即具象美术、意象美术和抽象美术。在教学过程中教师可以帮助学生归纳要比较的内容，并制成图表。
（也可以主要从形象入手来理解三种美术形态的特点，把比较的重点放在人的形象上。） “思考与交流”实际上也是对比三种美术形态。只是，在“活动建议”中，相同的因素是人这个形象主题，我们可以看到，从据想到意象再到抽象，人也慢慢变得不好辨认，最后完全人不出来了。而在“思考与交流”中，相同的因素是水果，左边是具象作品，苹果和葡萄都很容易辨认；中间是桃子，已经有些变形；右边的水果虽然也可以辨认，但画面强调的是它们的色彩和形体，实际上是在抽象语言的意义上来运用它们的。 教师在教学过程中可以用这些活动来导入，让学生对这类美术形式有一个感性的认识，在此基础上进行进一步的教学。 教学基本思路： 我们通常把美术作品所展现出来的各种形象称之为“图像”，但是这些图像并不全是对现实生活中各种事物的描摹，而是有着不同的特征。为了便于理解美术作品中的各种形象，人们根据作品中形象的特点，把他们划分为三种类别，即具象美术、意象美术以及抽象美术。在这三类作品中，相同种类的作品虽然表现的内容甚至所用的材料不一定相同，但是艺术家在创作时所遵循的观念大致相同。所以在教学中首先要帮助学生从形象的不同特点入手，对这三类作品有一个感性的认识，然后再逐步对每一类作品进行分析，让学生理解各类型作品的创作观念和审美机制。 教学材料分析：
成绩评定表学生姓名班级学号 专业电子信息工 程课程设计题目彩色图像分割程序设 计——RGB模型 评 语 组长签字： 成绩 日期201年月日
课程设计任务书 学院信息科学与工程专业电子信息工程 学生姓名班级学号 课程设计题目彩色图像分割程序设计——RGB模型 实践教学要求与任务： 本次课程设计中，主要任务是实现基于RGB模型的彩色图像分割的程序设计，对给定的彩色图像的颜色，使用RGB颜色模型，来对其进处理。 并且设计MATLAB程序，使其能完成输入图像便自动使用RGB 模型来进行图像分割。 工作计划与进度安排： 第一阶段（1-2天）：熟悉matlab编程环境，查阅相关资料； 第二阶段（2-3天）：算法设计； 第三阶段（2-3天）：编码与调试； 第四阶段（1-2天）：实验与分析； 第五阶段（1-2天）：编写文档。 指导教师： 201年月日专业负责人： 201年月日 学院教学副院长： 201年月日
Matlab是当今最优秀的科技应用软件之一，它一强大的科学计算与可视化功能，简单易用，开放式可扩展环境，特别是所附带的30多种面向不同领域工具箱支持，使得它在许多科学领域中成为计算机辅助设计与分析，算法研究和应用开发的基本工具盒首选平台在图像处理中，Matlab也得到了广泛的应用，例如图像变换，设计FIR滤波器，图像增强，四叉树分解，边缘检测，小波分析等等。不同的颜色空间在描述图像的颜色时侧重点不同。如RGB（红、绿、蓝三原色）颜色空间适用于彩色监视器和彩色摄象机，HSI（色调、饱和度、亮度）更符合人描述和解释颜色的方式（或称为HSV，色调、饱和度、亮度），CMY（青、深红、黄）、CMYK（青、深红、黄、黑）主要针对彩色打印机、复印机等，YIQ （亮度、色差、色差）是用于NTSC规定的电视系统格式，YUV（亮度、色差、色差）是用于PAL规定的电视系统格式，YCbCr（亮度单一要素、蓝色与参考值的差值、红色与参考值的差值）在数字影像中广泛应用。 彩色图像的处理有时需要将图像数据在不同的颜色空间中表示，因此，图像的颜色空间之间的转换成为一项有意义的工作。其中RGB在颜色空间转换中其关键作用，是各个空间转换的桥梁。Matlab中的颜色空间转换只涉及到了RGB、HSV、YCbCr、YIQ等，没有包含lαβ和其它颜色空间的转换。 关键字：Matlab；图像处理；RGB
图像分割方法综述 摘要：图像分割是计算计视觉研究中的经典难题，已成为图像理解领域关注的一个热点， 本文对近年来图像分割方法的研究现状与新进展进行了系统的阐述。同时也对图像分割未来的发展趋势进行了展望。 关键词：图像分割；区域生长；活动边缘；聚类分析；遗传算法 Abstract: Image segmentation is a classic problem in computer vision,and become a hot topic in the field of image understanding. the research actuality and new progress about image segmentation in recent years are stated in this paper. And discussed the development trend about the image segmentation. Key words: image segmentation; regional growing; active contour; clustering analysis genetic algorithm 1 引言 图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，把目标从背景中分离出来。对于灰度图像来说，区域内部的像素一般具有灰度相似性，而在区域的边界上一般具有灰度不连续性。 关于图像分割技术，由于问题本身的重要性和困难性，从20世纪70年代起图像分割问题就吸引了很多研究人员为之付出了巨大的努力。虽然到目前为止，还不存在一个通用的完美的图像分割的方法，但是对于图像分割的一般性规律则基本上已经达成的共识，已经产生了相当多的研究成果和方法。本文根据图像发展的历程，从传统的图像分割方法、结合特定工具的图像分割方法、基于人工智能的图像分割方法三个由低到高的阶段对图像分割进行全面的论述。 2 传统的图像分割方法 2.1 基于阀值的图像分割方法 阀值分割法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。阀值分割法的基本原理是通过设定不同的特征阀值，把图像像素点分为具有不同灰度级的目标区域和背景区域的若干类。它特别适用于目标和背景占据不同灰度级范围的图，目前在图像处理领域被广泛应用，其中阀值的选取是图像阀值分割中的关键技术。 灰度阀值分割方法是一种最常用的并行区域技术，是图像分割中应用数量最多的一类。图像若只用目标和背景两大类，那么只需要选取一个阀值，此分割方法称为单阀值分割。单阀值分割实际上是输入图像f到输出图像g的如下变换：
第一单元第二课《图像与眼睛》 教学设计 湖北省钟祥市实验中学徐友军 一、教材分析 很多没有受过专业训练的人在欣赏美术作品的时候，往往喜欢用“像不像某种事物”这种简单的方法来评价作品，把作品中搞得物象与现实世界中的物象一一“对号入座”，似乎不能对号入座的就不是好作品。这种看法有部分的道理，因为他涉及的只有具象美术这种类型。实际上，美术作品中的图像除了可以表现我们眼睛所见的事物之外，还可以表现我们的幻想、梦境乃至我们内心的感受。 对于具象美术，教材分析了它与客观物象之间的关系，重点强调艺术家追求的“真实”；意象美术作虽然与客观事物有着潜在的联系，但更主要的是艺术家对客观形象进行了主观化、情感化的处理；抽象美术是完全不可辨认的图像，源于艺术家的主观世界，脱离了客观形象的束缚，主要强调艺术家个人情感的表达。 教材在列举抽象美术作品的时候分为两类：一是书法作品，二是西方现代派的抽象画。因此教学中可以融化传统教育内容。 本课的基础性是非常明显的。学生对于美术作品类型分类没有明确的认识，停留在初期的“像不像”评价认识上，所以重点采用比较、观察和引导上。尽可能多的从美术作品比较中获得认知。 二、学情分析 鉴于学生的年龄和知识面特点，以及本课为《美术鉴赏》的基础知识，因此对本课的教学目标定位不宜过高。教师需要做的是提供或准备多一些教学资源，引导学生感受美术作品的丰富多彩，观察作品形象要素的种类和变化。 三、教学目标 1、拓展学生的审美观念，使学生理解美术作品的类型包括具象美术、意象美术、抽象美术。 2、理解具象作品、意象作品、抽象作品的内涵并初步掌握鉴赏的方法。 四、教学重点与难点 1、突破只能欣赏具象美术作品的局限，了解美术形态的基本种类。 2、理解三类美术作品的基本内涵并初步掌握鉴赏的方法。 五、教学准备 教师准备：课件、多媒体教学设备等。 学生准备：课前预习（作品观察）、草稿纸、笔。
综述：PDE图像分割技术 沈民奋 汕头大学工学院，广东省图像处理重点实验室，汕头 515063 摘要：偏微分方程（PDE's）图像处理在图像处理的各个方面已经得到了广泛的应用，该 方法通常与水平集方法配合使用。在图像分割方面提出了许多基于偏微分方程（PDE's）的 方法，比如，M-S分片光滑法，C-V无需边缘的活动围线法，P-D测地活动区域组等等。本文 追踪偏微分方程（PDE's）图像分割的发展，回顾偏微分方程（PDE's）图像分割领域的重 要文献，也简述了偏微分方程（PDE's）图像分割中的数值技巧。从本文的综述可以看出， 当前偏微分方程（PDE's）图像分割的主要发展趋势有三个方面：将图像分割的边界特征和 区域特征相结合；建立新的水平集方法来实现偏微分方程（PDE's）图像分割；将偏微分方 程（PDE's）图像分割技术与传统技术如贝叶斯方法相结合。 关键词：偏微分方程，图像分割，水平集，活动围线，综述 中图分类号：TP391.4 文献标识码：A 文章编号： 0 引言 图像分割是图像分析和计算机视觉中一个基本处理环节。这方面的文献很多。本文主要关注偏微分方程（PDE）图像分割的最新进展。方程的建模通常是根据变分法寻找一个使能量泛函最小化的函数，并辅之以水平集技术。尽管本文主要综述关于二维灰度图像的分割方法，由于偏微分方程图象处理的固有优势，这些方法往往很容易推广到彩色图像分割或序列图像的运动追踪问题[1,5,29,30,33,35,41]。 传统的图像分割方法，无论是基于时域还是频域的分割，总是利用图像中的灰度边界信息或灰度同质区域进行分割图像。偏微分方程图像分割也是基本如此。从根本上说，偏微分方程图像处理是基于对图像的确定性描述，近年来，许多研究人员试图把概率性描述的一些手段与偏微分方程图像处理相结合。最早的偏微分方程图像分割借助于各向异性的灰度扩散技术，扩散的结果是使得原输入图象变换成为由一些分片光滑的灰度同质区域所组成的近似图像，从而更容易分割出图像中的不同区域。后来，随着水平集方法的提出，曲线演化和传统的参数型曲线演化相比，变得更加方便和有效。因此，曲线演化或称活动围线模型成为图像分割的主流。此后，偏微分方程活动围线的发展主要在于两个方面：多相活动围线和边界无关的活动围线模型。最近，活动围线和先验形状信息相结合的方法也相继被提出。另一方面，偏微分方程图像分割的技术改进也来自于新的数值技巧，比如改进传统的水平集方法；多尺度水平集技术；甚至完全抛开水平集方法而寻找方程的直接数值求解。 偏微分方程图象处理的一般方法是这样的：给定一个问题，在特定准则下最小化一个能量泛函，使得最小化函数即为问题的解。以图像分割为例，这些准则通常是图像中的灰度边缘信息或灰度同质区域信息；其次，根据这些准则确立一个能量泛函，使得仅在我们所期望达到的分割边界上该能量泛函达到最小；然后，从最小化问题中推导出相应的欧拉-拉格朗日方程（组），方程的解的存在性往往需要专门给出证明；最后，使用适当的数值技术求解这个方程（组）。偏微分方程图象处理确实能够提供与传统图象处理手段所不同的处理方法和效果，尤其对于复杂的图像分割问题显得灵活和有效。最近偏微分方程图象处理的繁荣就是由于它所能够提供灵活多样的，而且往往是传统处理方法所不能企及的处理性能。过去二十年来，有很多偏微分方程图像分割的文章相继发表，有基于边缘或测地边缘的活动围线模型，分片光滑的灰度同质区域分割模型，和结合其它方法（如贝叶斯方法）的偏微分方程图像分割模型。读者也可以参
高中美术鉴赏第一单元第二课《图像与 眼睛》 教学目标： 这一单元是美术鉴赏的入门课程，在学生初步学会了用审美的眼光去看美术作品及日常生活中和美术相关的事和物后，本课在此基础上拓展学生的审美观念，了解美术作品的不同的形态特征，并针对不同形态的美术作品初步掌握不同的欣赏方法。 教学的重点、难点： 让学生了解美术形象的基本种类，理解具象、意象、抽象美术作品的基本内涵，突破只能欣赏具象美术作品的局限，并初步掌握欣赏的方法。 教学准备： 媒体播放工具。 把班级同学分成几个小组，一般以4——6人为一小组，合作学习。教学过程 一、导入新课 美术作品所展现的主要内容就是图像，也就是我们可以用眼睛感知的各种形象。形象各不相同，今天，我们就来辩别这些形象以帮助我们欣赏美术作品。 （出示课题：图像与眼睛） 二、讲授新课 1、出示图片《勃罗日里公爵夫人像》
提问：这件作品有什么特点？对于这一类作品，你的印象是什么？学生讨论并回答，教师总结 出示：具象美术作品 出示图片：《重屏会棋图》、《刘胡兰就义图》 提问：这三件作品有什么共同特点？学生讨论并回答，教师总结 欣赏图片：《韩熙载夜宴图》、《父亲》、《教皇》 请同学们思考：美术除了能够表现我们眼睛所看到的事物，还能表现什么？ 学生回答，教师总结并引出意象和抽象美术作品 2、出示图片塞尚的《圣维克多山》和夏加尔的《生日》 提问：1、你从作品中观察到了什么？2、你觉得艺术家要表现什么内容？3、你在什么情况下会感受到这些形象？ 学生讨论并回答，教师总结 继续分组讨论：我们欣赏意象美术作品能否用欣赏具象美术作品的方法来欣赏，为什么？ 教师总结意象美术作品的特点及欣赏方法 欣赏图片：《李白行吟图》、《荷石水禽图》、《恋人》 学生思考、讨论并回答：这三幅作品分别运用了哪些手法？ 3、出示图片康定斯基和蒙德里安的作品讲授抽象美术作品。 学生讨论并回答：你们从作品中看到了什么？这些作品令你们联想到了什么？它们带给我们的感受有什么不同？ 教师总结抽象美术作品的特点
使用直方图c聚类混合方法的彩色图像分割 摘要： 本文提出了一种新的直方图阈值–模糊C-均值混合（htfcm）的方法，这种方法可以应用到模式识别以及计算机视觉特别是彩色直方图等不同领域。该方法采用直方图阈值技术在彩色图像中获得所有尽可能均匀的区域。然后，使用模糊聚类（FCM）算法来提高这些均匀区域的聚类紧凑性。实验结果表明，所提出的低复杂性的htfcm的方法可以比采用蚁群算法进行细分的其他方法，获得更好的聚类结果和分割结果。 1简介 颜色是一个可以用来提取同类区域最重要的低级别的特点，多数时候与对象或对象的部分相关。在24位真彩色图像中，特殊颜色数量通常超过图像大小的一半，可以达到16百万。从人的感知上来说，这些颜色不能被人眼识别，只能靠内部认知空间的30种颜色来区分。由于所有的特殊颜色在感知上非常接近，它们可以被组合来形成同性质的区域来代表图像中的目标对象，因此图像可以变得更有意义并且更容易分析。在图像处理与计算机视觉中，图像分割是图像分析和模式识别的中心任务。这是把一个图像分割成多个区域，这些区域相对于一个或多个特征是同类的。 虽然在科学文献中已经出现许多分割技术，它们可分为基于图像域，基于物理和基于特征空间的分割技术。这些技术已经被广泛使用，但每一种都有其优点和局限.图像域技术把颜色特征和颜色的空间关系应用到同类评估中以便进行分割，这些技术产生具有合理紧凑性的区域但有会存在合适的种子区域选择困难的问题。基于物理技术的方法利用材料的反射特性的物理模型进行具有更多应用的颜色分割，他们的模型可能会产生色彩变化.特征空间技术利用颜色特征作为图像分割的关键和唯一标准来分割图片。因为色彩空间关系被忽略所以分割的区域通常是分散的。但是，这种限制可以通过提高区域紧凑性来解决。 在计算机视觉和模式识别中，由于其聚类有效性和实施简单，模糊C均值（FCM）算法已被广泛用于提高区域的紧凑性。它是一个将像素划分成群集的像素聚类过程，因此在同一集群中的像素最大可能的相似，那些不在同一组群的像素最大程度的不同。由于在视觉上不同的区域尽可能不同，这与分割过程相一致。但是，它的实现往往遇到两个不可避免的困难，确定聚类数和合理选择初始聚类中心。这些初始化困难对分割质量有影响。而聚类数的确定可能影响分割区域和区域性特征方差，获得初始聚类中心会影响聚类的紧凑性和分类的准确性。 最近，一些基于特征的分割技术采用蚁群算法（ACA）的概念对图像进行分割。由于蚁群算法的智能搜索能力，这些技术可以实现图像分割结果的进一步优化。但由于他们计算的复杂性会产生低效率。除了获得良好的分割结果外，[26]提及的改进的蚁群算法（AS）提供了一个解决方案来克服FCM的聚类中心和聚类数初始化条件的敏感性。然而，该技术在特征空间中没有达到非常紧凑的聚类结果。为了提高蚁群算法的性能，[26]介绍了蚁群–模糊C-均值算法(AFHA)。本质上，AFHA算法合并FCM算法和蚁群算法来提高特征空间中聚类结果的紧凑性。然而，由于蚁群算法计算的复杂度它的效率仍然很低。为了增加AFHA算法的效率，[26]介绍了改进的蚁群模糊C均值算法(IAFHA)。IAFHA算法在AFHA算法上增加了一个蚂蚁的子采样的方法以减少计算的复杂性使算法具有更高的效率。虽然IAFHA 的效率得到提高，但还存在较高的计算复杂度。 在本文中，我们提出了一个新的分割方法称为直方图阈值–模糊C-均值混合算法（htfcm）。Htfcm方法主要分为两个模块，即直方图阈值模块和FCM模块。直方图阈值模块用于获取FCM聚类中心和聚类数的初始条件。与蚁群聚类相比这个模块的实现不需要很高的计算复杂度。这就意味着该算法的简单性。 本文的其余部分安排如下：第2节详细地介绍了直方图阈值模块和FCM模块。3节提供了