下载文档原格式
数字图像处理技术现状及发展趋势摘要现今是计算机技术、网络技术以及多媒体技术高速发展的时代，更多高科技技术正在全面发展，数字图像处理技术作为一种新式技术，如今已经广泛地应用于人们的生产生活中。
数字图像处理技术的应用和发展为人们的生活发展带来了很多的便利，在遥感技术、工业检测方面发展迅速，在医学领域，气象通信领域也有很大的成就。
由此，本文主要探讨数字图像处理技术的现状及发展趋势。
关键词数字图像处理技术；现状；发展趋势现今是计算机和网络技术高速发展的时代，计算机的应用给人们的生产生活带来了很大的便利，人们应用计算机处理各种复杂的数据，将传统方式不能处理的问题以全新的技术和方式有效解决[1]。
数字图像处理技术是应用较为广泛的一种技术，在具体应用过程中，能够经过增强、复原、分割等过程对数据进行处理，且具有多样性、精度高、处理量大的显著优势，本文对数字图像处理技术的现状及发展趋势进行研究和探讨。
1 数字图像处理技术发展现状数字图像处理技术是近年来发展较为迅速的一种技术，具体是指应用计算机对图像进行一系列的处理，最终达到人们要求的水平，在具体的处理过程中，以改善图像的视觉效果为核心，最终呈现出人们想要表达的意思。
笔者查阅国内外诸多文献库，发现对数字图像处理技术的研究多数集中于图像数字化、图像增强、图像还原、图像分割等领域[2]。
最初数字图像处理技术产生于20世纪20年代，当时普遍将其应用于报纸业，发展至20世纪50年代，图像处理技术跟随着计算机的发展而迅速发展，也有更多的人开始关注和应用该技术，当时在各国的太空计划中发挥了巨大作用，尤其是对月球照片的处理，获得了很大的成功。
发展到20世纪70年代时，数字图像处理技术的应用已经很普遍了，尤其是在计算机断层扫面（CT）等方面，该技术的应用得到了一致好评，而现今，数字图像处理技术随处可见，已广泛应用在各行各业中。
2 数字图像处理技术的特点数字图像处理技术有以下几个特点：①图像处理的多样性特点。
数字图像处理技术的应用与发展随着科技的不断发展，数字图像处理技术已经成为现代社会中不可或缺的一部分。
数字图像处理技术可以对图像进行一系列的操作和处理，从而满足各种不同的需求。
本文将介绍数字图像处理技术的应用、发展历程以及对社会、经济和科学研究的影响，并展望未来的发展趋势。
数字图像处理技术在许多领域都有广泛的应用，以下是其中的几个例子：医学领域：数字图像处理技术在医学领域的应用已经非常成熟。
通过对医学影像进行处理和分析，可以协助医生进行疾病的诊断和治疗。
例如，通过对CT、MRI等医学影像进行的三维重建，可以更加直观地观察到病变位置和范围，从而提高诊断的准确性和效率。
军事领域：数字图像处理技术在军事领域的应用也十分广泛。
例如，通过对面部、指纹等生物特征进行识别，可以实现对人员的精准管理。
数字图像处理技术还可以应用于地图测绘、目标跟踪等领域。
交通领域：数字图像处理技术在交通领域的应用也日益广泛。
例如，通过对面部识别技术和交通监控视频进行处理，可以实现对交通违法行为的自动识别和抓拍。
数字图像处理技术还可以应用于车辆检测、交通流量统计等领域。
数字图像处理技术自20世纪60年代出现以来，已经经历了漫长的发展历程。
随着科技的进步，数字图像处理技术也在不断发展和创新。
未来的数字图像处理技术将朝着以下几个方向发展：机器学习：机器学习是当前最为热门的技术之一，其在数字图像处理领域的应用也日益广泛。
通过机器学习算法，可以对图像进行自动分类、识别、分割等操作，从而提高数字图像处理的准确性和效率。
深度学习：深度学习是机器学习的一个分支，其通过对神经网络的研究和应用，可以实现更加复杂的图像处理任务。
例如，通过对面部特征进行分析，可以实现对面部表情的识别和分类，从而应用于情感分析、人机交互等领域。
数字图像处理技术的应用对社会、经济和科学研究都产生了深远的影响。
以下是其中的几个方面：提高生产效率：数字图像处理技术可以应用于工业生产中，通过对生产线的监控和自动化控制，可以提高生产效率、降低成本。
数字图像处理的发展现状及研究内容概述数字图像处理的发展现状及研究内容概述人类传递信息的主要媒介是语音和图像。
据统计，在人类接受的信息中，听觉信息占20%，视觉信息占60%，所以作为传递信息的重要媒体和手段——图像信息是十分重要的，俗话说“百闻不如一见”、“一目了然”，都反映了图像在传递信息中独到之处。
目前，图像处理技术发展迅速，其应用领域也愈来愈广，有些技术已相当成熟并产生了惊人的效益，当前图像处理面临的主要任务是研究心的处理方法，构造新的处理系统，开拓更广泛的应用领域。
数字图像处理（Digital Image Processing）又称为计算机数字图像处理，它是指将数字图像信号转换成数字信号并利用计算机对其进行处理的过程。
数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和数字图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的数字图像处理的目的是改善数字图像的质量，它以人为对象，以改善人的视觉效果为目的。
数字图像处理中，输入的是质量低的数字图像，输出的是改善质量后的数字图像，常用的数字图像处理方法有数字图像增强、复原、编码、压缩等。
1:数字图像处理的现状及发展数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使数字图像处理成为一门引人注目、前景远大的新型学科。
随着数字图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。
人们已开始研究如何用计算机系统解释数字图像，实现类似人类视觉系统理解外部世界，这被称为数字图像理解或计算机视觉。
很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。
其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。
数字图像处理技术近年来，随着数字技术的发展，数字图像处理技术也在不断地发展壮大，并得到了广泛的应用。
下面结合数字图像处理技术的历史背景及其应用领域，探讨其发展历程及未来发展趋势。
一、数字图像处理技术概述数字图像处理技术是利用计算机对数字图像进行处理的技术。
它可以通过使用技术工具、算法和策略，快速、准确地处理摄像头捕捉到的图像。
它的功能优势在于可以将模糊的图像变成清晰的图像，并将模糊的图像转换为具有良好可视性的图像。
二、数字图像处理技术的历史背景1970年代，数字图像处理技术被科学家们发现和实现。
这项技术结合了计算机科学和图像处理技术，将数字图像转化为可以被处理、分析和可视化的数据。
由于其特殊的数字处理能力，数字图像处理技术开始被广泛应用于多个行业，如制造业、医疗卫生和军事等。
三、数字图像处理技术的应用领域1.疗卫生：数字图像处理技术可以用于诊断，例如CT和MRI模拟等，可以帮助医生判断病情的严重程度。
此外，它还可以用于治疗，例如用于显示核磁共振成像和数字减影成像。
2.造业：工业企业利用数字图像处理技术来检测工件内部缺陷，以及控制产品质量。
这样可以减少工件错误和损坏，有效提高产品质量。
3.事：军事领域也大量使用数字图像处理技术。
它可以用来监控敌方活动、监视战略要点和识别非常低的图像，以准确掌握战术状况。
此外，它还可以用于航空监视和航空攻击，使用导弹识别准确、真实的目标图像，以有效控制攻击力度。
四、数字图像处理技术的未来发展趋势1.泛应用：数字图像处理技术已经在多个行业中得到了广泛应用，未来会有更多行业开始使用这项技术。
2.细化处理：数字图像处理技术将会更加精细，可以更快、更准确地进行处理，以确保输出的图像是更加精确、逼真的。
3.能化：未来数字图像处理技术将更加智能化，使用人工智能来实现图像识别和分析，从而替代人类人工分析图像。
综上所述，数字图像处理技术在近年来蓬勃发展，并得到了多领域的广泛应用，将进一步拓展使用范围并被更多的行业所使用。
数字图像处理技术的现状及发展方向研究摘要：数字图像处理技术在当今数字化时代中具有重要的地位，它的广泛应用在医学、航空、军事、通信等领域中获得了越来越广泛的关注。
本文概述了数字图像处理技术的现状，主要包括数字图像处理技术的基础、数字图像处理技术的使用范围、数字图像处理技术的发展趋势。
最后，本文基于当前数字图像处理技术的发展趋势，提出了未来数字图像处理技术的发展方向。
关键词：数字图像处理、图像分割、图像识别、图像增强、人工智能正文：一、数字图像处理技术的基础数字图像处理是对数字图像进行处理分析的技术，其基础是数字信号处理、图像处理、计算机科学、数学等学科。
数字图像处理技术的基础理论主要包括图像采集、图像压缩、图像分割、图像识别、图像增强等方面。
二、数字图像处理技术的使用范围数字图像处理技术广泛应用于医学、航空、军事、通信、安防等领域。
在医学方面，数字图像处理技术可用于病灶的检测、肿瘤的识别等方面。
在航空领域，数字图像处理技术可用于目标检测、航空遥感等方面。
在军事领域，数字图像处理技术可用于目标识别、侦察侦查等方面。
在通信领域，数字图像处理技术可用于图像的压缩、加密等方面。
在安防领域，数字图像处理技术可用于人脸识别、车牌识别等方面。
三、数字图像处理技术的发展趋势1. 神经网络技术的应用：神经网络技术是一种可以用于人工智能领域的方法，可以帮助数字图像处理技术更加准确及时的处理图像。
2. 集成硬件的应用：智能化硬件可以提高数字图像处理技术的处理效率、稳定性和功耗。
3. 多媒体技术的应用：多媒体技术的应用为数字图像处理技术提供了更多的方式和机会。
4. 防伪技术的应用：防伪技术可以通过数字图像处理技术的应用实现，数字水印等技术是防伪技术的一种创新方式。
四、数字图像处理技术的未来发展方向1. 面向深度学习的数字图像处理技术研究：深度学习技术在人工智能领域日益重要，数字图像处理技术也可以利用这一技术进行更精确、更准确的图像识别和处理。
数字图像处理技术的现状及其发展方向人类通过眼、耳、鼻、舌、身接受信息，感知世界。
约有75％的信息是通过视觉系统获取的。
数字图象处理是用数字计算机处理所获取视觉信息的技术，上世纪20年代Bartlane 电缆图片传输系统(纽约和伦敦之间海底电缆)传输一幅图片所需的时间由一周多减少到小于3个小时；上世纪5O年代，计算机的发展，数字图像处理才真正地引起人们的巨大兴趣；1964年，数字图像处理有效地应用于美国喷气推进实验室(J.P.L)对“徘徊者七号”太空船发回的大批月球照片的处理；但是直到上世纪六十年代末至七十年代初，由于离散数学理论的创立和完善，使之形成了比较完整的理论体系。
成为一门新兴的学科。
数字图像处理的两个主要任务：如何利用计算机来改进图像的品质以便于人类视觉分析；对图像数据进行存储、传输和表示，便于计算机自动化处理。
图像处理的范畴是一个受争论的话题，因此也产生了其他的领域比如图像分析和计算机视觉等等。
1．数字图像处理主要技术概述不论图像处理是基于什么样的目的，一般都需要通过利用计算机图像处理对输入的图像数据进行相关的处理，如加工以及输出，所以关于数字图像处理的研究，其主要内容可以分为以下几个过程。
图像获取：这个过程基本上就是把模拟图像通过转换转变为计算机真正可以接受的数字图像，同时，将数字图像显示并且体现出来(例如彩色打印)。
数据压缩和转换技术：通过数据压缩和数据转换技术的研究，减少数据载体空间，节省运算时间，实现不同星系遥感数据应用的一体化。
图像分割：虽然国内外学者已提出很多种图像分割算法，但由于背景的多变性和复杂性，至今为止还没有一种能适用于各种背景的图像分割算法。
当前提出的小波分析、模糊集、分形等新的智能信息处理方法有可能找到新的图像分割方法。
图像校正：在理想情况下，卫星图像上的像素值只依赖于进入传感器的辐射强度；而辐射强度又只与太阳照射到地面的辐射强度和地物的辐射特性(反射率和发射率)有关，使图像上灰度值的差异直接反映了地物目标光谱辐射特性的差异，从而区分地物目标。
数字图像处理技术的发展现状及趋势摘要：近年来，多媒体和通信技术发展迅速，具有大量数据内容的数字图像处理技术也随着这些技术的发展有了更新的进步，所以必须对之进行及时的了解。
文章从数字图像处理的概述、发展现状及发展趋势几个方面对之进行了基本论述。
关键词：数字图像；处理技术；电子信息不论在哪种通讯手段中，人们都更愿意选择直观的图像表达，因此，未来社会对图像传递信息的要求越来越高，及时性、直观性、客观性等发展条件都对现有的数字图像处理技术提出了挑战。
1数字图像处理技术概述数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
这一过程包括对图像进行增强、除噪、分割、复原、编码、压缩、提取特征等内容，图像处理技术的产生离不开计算机的发展、数学的发展以及各个行业的应用需求的增长。
20世纪60年代，图像处理的技术开始得到较为科学的应用，人们用这种技术进行输出图像的理想化处理。
经过多年的发展，现在的电子图像处理技术已具有了以下特点：更好的再现性：数字图像处理与传统的模拟图像处理相比，不会因为图像处理过程中的存储、复制或传输等环节引起图像质量的改变；占用的频带更宽：这一点是相对于语言信息而言的，图像信息比语言信息所占频带要大好几个数量级，因此图像信息在实现操作的过程中难度更大；适用面宽：可以从各个途径获得数据源，从显微镜到天文望远镜的图像都可以进行数字处理；具有较高的灵活性：只要可以用数学公式和数理逻辑表达的内容，几乎都可以用电子图像来进行表现处理.2数字图像处理技术的发展自从美国在1964年开始通过卫星获得大量月球图片并运用数字技术对之进行处理之后，越来越多的相应技术开始被运用到图像处理方面，数字图像处理也作为一门科学占据了一个独立的学科地位，开始被各个领域的科学研究运用。
图像技术再一次的飞跃式发展出现在1972年，标志是CT医学技术的诞生，在这种技术指导下，运用X射线计算机断层摄影装置，根据人的头部截面的投影，计算机对数据处理后重建截面图像，这种图像重建技术后来被推广到全身CT的装置中，为人类发展做出了跨时代的贡献，随后，数字图像处理技术在更多的领域里被运用，发展成为一门具有无限前景的新型学科。
数字图像处理技术的发展现状及趋势摘要：数字图像处理技术是一种将图像信号转化为数字信号，然后利用计算机达到某种目的的处理方式。
数字图像处理技术是在计算机发展和数学发展的推动下，得以进步和完善的，最初的时候主要应用在生物医药工程和工业工程等方面。
其实图像处理技术一项具有良好发展前景的新型技术，在未来的不断进步发展过程中，必然会对社会做出巨大贡献，因此探究数字图像处理技术的发展现状和发展趋势有着十分重要的现实意义。
鉴于此，本文就数字图像处理技术的发展现状及趋势展开探讨，以期为相关工作起到参考作用。
关键词：数字图像处理技术；发展现状；发展趋势1数字图像处理技术的概述数字图像处理技术即计算机图像处理技术，是一个对图像进行增强、分割、复原、编码、压缩等处理的过程，那么由此可见图像处理技术是离不开计算机和数学的发展的，而且在近年来数字图像处理技术已经在许多领域得到科学合理的应用，人们逐渐习惯于使用这种技术对图像进行完美化处理。
而且数字图像处理技术对数学和企业的发展也有着一定的影响，因为数字图像处理是为了适应企业的发展要求应运而生的，而具体的实践过程需要计算机和数学的全面辅助。
因此在信息技术的发展推动下，数字图像处理技术为许多行业的改善和发展提供了帮助。
相信在未来的继续发展下，数字图像处理技术一定会更加完善和优化，进而为各个学科领域的发展带来更多的帮助。
2数字图像处理的主要研究进展2.1数字图像的采集与数字化在数字图像的处理当中，图像采集和数字化是一项重要的工作，也是图像处理的基础。
就数字图像的采集和数字化来讲，主要有两方面的工作：第一是进行图像的采集，数字化的图像以基础图像为蓝本，所以要进行数字图像的处理，首先要将需要处理的基础图像进行收集。
第二是进行图像的数字化转换。
利用计算机技术和数字技术将基础图像信号转化为数字图像的信号，这样就可以在计算机上进行数字图像的信号处理。
简言之就是数字图像的处理工作需要有图像采集和数字转换这两项基本的工作支持，这样，图像处理的图像信息完整性才可以得到保持。
第30卷第1期吉首大学学报(自然科学版)Vol.30No.1 2009年1月Journ al of Jishou University(Natural Science Edition)J an.2009文章编号:1007-2985(2009)01-0063-08数字图像处理技术的现状及其发展方向*陈炳权1,2,刘宏立1,孟凡斌2(1.湖南大学电气与信息工程学院,湖南长沙410082;2.吉首大学物理科学与信息工程学院,湖南吉首416000)摘要:综述了数字图像处理技术的主要特点和优点,阐述了包括图像采集与数字化、图像的压缩、图像的增强与复原、图像的分割和图像分析等主要内容的产生及其发展历程,并根据该领域的最新进展,简述了数字图像处理技术5个主要研究方面的最新热点,最后总结了数字图像处理技术领域中面临的主要挑战和未来发展方向.关键词:图像数字化;图像压缩;图像分割;图像增强与恢复;图像分析;现状及其发展方向中图分类号:T N911.73;T P391文献标识码:A数字图像处理(Dig ital Imag e P rocessing)将图像信号转换成数字信号并利用计算机对其进行处理,起源于20世纪20年代,目前已广泛地应用于科学研究、工农业生产、生物医学工程、航空航天、军事、工业检测、机器人视觉、公安司法、军事制导、文化艺术等,已成为一门引人注目、前景远大的新型学科,发挥着越来越大的作用.数字图像处理作为一门学科形成于20世纪60年代初期,早期的图像处理的目的是改善图像的质量,以人为对象,以改善人的视觉效果为目的,首次获得实际成功应用的是美国喷气推进实验室(JP L)[1],并对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术,并考虑了太阳位置和月球环境的影响,由计算机成功地绘制出月球表面地图,随后又对探测飞船发回的近十万张照片进行了更为复杂的图像处理,以致获得了月球的地形图、彩色图及全景镶嵌图,为人类登月创举奠定了坚实的基础,也推动了数字图像处理这门学科的诞生.数字图像处理取得的另一个巨大成就是在医学上获得的成果,1972年英国EM I公司工程师Ho usfield发明了用于头颅诊断的X射线计算机断层摄影装置即CT(Co mputer T o mog raph).1975年EM I公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像.1979年这项无损伤诊断技术获得了诺贝尔奖,说明它对人类作出了划时代的贡献.[2]随着图像处理技术的深入发展,从70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展.人们已开始研究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界.很多国家,特别是发达国家投入更多的人力、物力到这项研究,取得了不少重要的研究成果.其中代表性的成果是70年代末M IT的M ar r提出的视觉计算理论[3],这个理论成为计算机视觉领域其后多年的主导思想.图像理解虽然在理论方法研究上已取得不小的进展,但它本身是一个比较难的研究领域,存在不少困难,因人类本身对自己的视觉过程还了解甚少,因此计算机视觉是一个有待人们进一步探索的新领域.正因为如此,图像处理理论和技术受到各界的广泛重视,当前图像处理面临的主要任务是研究新的处理方法,构造新的处理系统,开拓更广泛的应用领域.1数字图像处理技术的主要特点、优点及处理过程1.1数字图像处理的主要特点(1)目前数字图像处理的信息大多是二维信息,处理信息量很大,因此对计算机的计算速度、存储容量等要求较高.(2)*收稿日期:2008-10-16基金项目:国家自然科学基金资助项目(60702076)作者简介:陈炳权(1972-),男,湖南桃源人,吉首大学物理科学与信息工程学院副教授,湖南大学电气与信息工程学院博士研究生,主要从事信号处理与智能控制研究;刘宏立(1963-),男,湖南常德人,湖南大学教授,博导,主要从事高速移动通信网等方面研究.数字图像处理占用的频带较宽,与语言信息相比,占用的频带要大几个数量级.所以在成像、传输、存储、处理、显示等各个环节的实现上,技术难度较大,成本也高,这就对频带压缩技术提出了更高的要求.(3)数字图像中各个像素是不独立的,其相关性大.因此,图像处理中信息压缩的潜力很大.(4)由于图像是三维景物的二维投影,一幅图像本身不具备复现三维景物的全部几何信息的能力,很显然三维景物背后部分信息在二维图像画面上是反映不出来的.因此,要分析和理解三维景物必须作合适的假定或附加新的测量.在理解三维景物时需要知识导引,这也是人工智能中正在致力解决的知识工程问题.(5)数字图像处理后的图像一般是给人观察和评价的,因此受人的因素影响较大.由于人的视觉系统很复杂,受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大,作为图像质量的评价还有待进一步深入的研究.另一方面,计算机视觉是模仿人的视觉,人的感知机理必然影响着计算机视觉的研究,这些都是心理学和神经心理学正在着力研究的课题.1.2数字图像处理的优点(1)再现性好.数字图像处理与模拟图像处理的根本不同在于,它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化,只要图像在数字化时准确地表现了原稿,则数字图像处理过程始终能保持图像的再现.(2)处理精度高.按目前的技术,几乎可将一幅模拟图像数字化为任意大小的二维数组,现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高,这意味着图像的数字化精度可以达到满足任一应用需求.(3)适用面宽.图像可以来自多种信息源,从图像反映的客观实体尺度看,可以小到电子显微镜图像,大到航空照片、遥感图像甚至天文望远镜图像.这些来自不同信息源的图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像组合而成,因而均可用计算机来处理.(4)灵活性高.数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现.1.3数字图像处理过程图1 数字图像处理流程图由于数字图像处理的灵活性和方便性,所以数字图像处理已成为图像处理的主流.常见的数字图像处理有:图像的采集、数字化、编码、增强、恢复、变换、压缩、存储、传输、分析、识别、分割等,其处理流程如图1所示.(1)图像数字化.通过取样和量化将一个以自然形式存在的图像变换为适合计算机处理的数字形式,图像在计算机内部被表示为一个数字矩阵,矩阵中每一元素称为像素.(2)图像的编码.编码的目的是压缩图像的信息量(但图像质量几乎不变),以满足传输和存储的要求,为此,可以采用模拟处理技术,再通过模-数转换得到编码,不过多数是采用数字编码技术,其编码方法可以对图像逐点进行加工,也可以对图像施加某种变换或基于区域、特征进行编码.(3)图像增强.图像增强目的是使图像清晰或将其转换为更适合人或机器分析的形式,常用的图像增强方法有:灰度等级直方图处理;干扰抵制;边缘锐化;伪彩色处理.(4)图像恢复.其目的是除去或减少在获得图像过程中因各种原因产生的退化,可能是光学系统的像差或离焦、摄像系统与被摄物之间的相对运动、电子或光学系统的噪声和介于摄像系统与被摄像物间的大气湍流等.(5)图像分割.将图像划分为一些互不重叠的区域,每一区域是像素的一个连续集.通常采用把像素分入特定区域的区域法和寻求区域之间边界的境界法.这2种方法都可以利用图像的纹理特性实现图像分割.(6)图像分析.从图像中抽取某些有用的度量、数据或信息,其目的是得到某种数值结果.图像分析的内容和模式识别、人工智能的研究领域有交叉,但图像分析与典型的模式识别有区别.图像分析需要用图像分割方法抽取出图像的特征,然后对图像进行符号化的描述,这种描述不仅能对图像中是否存在某一特定对象作出回答,还能对图像内容作出详细描述.图像处理的各个内容是互相有联系的.一个实用的图像处理系统往往结合几种图像处理技术才能得到所需要的结果,图像数字化是将一个图像变换为适合计算机处理的形式的第1步,图像编码可用以传输和存储图像.图像增强和复原可以是图像处理的最后目的,也可以是为进一步的处理作准备.通过图像分割得出的图像特征可以作为最后结果,也可以作为下一步图像分析的基础.2 数字图像处理的主要研究进展2.1数字图像的采集与数字化图像的采集是数字图像处理的第1步,采集并不局限于对人眼视觉功能的模仿,更是对人类认识、分析手段的拓展.在医学、天文学、自动字体识别、机器视觉、军事识别、指纹自动处理和血样分类处理等多个方面都不同程度地运用了图像提取技术.图像提取技术源自于电影和视频产品的发展[4].其中,最具影响力的研究是由Po rter 和Duff 提出的通道概念[5],对图像提取技术的离散特性进行了规范,为这一研究领域奠定了基础,使其成为图像处理领域一个较独立的重要分支.20世纪60年代,由于当时的图像提取技术还未成形,人们主要依赖于用拍摄技巧弥补后期制作的不足.随着当时计算机应用的发展,图像处理技术获得了更加广阔的发展空间,各种各样的处理技术和方法也相应而生.如四元组像素的提出以及Blinn 对#64#吉首大学学报(自然科学版)第30卷计算机领域所运用到的像素进行的全面诠释[6].20世纪90年代初期,学者们逐渐认识到要实现信息的精确提取是非常困难和费时的,对于稍复杂的图像或视频,其代价十分巨大.所以学者们开始考虑借助数学和概率统计学的原理来寻求更优解,而不再强调最优解.图像提取技术的发展过程经历了以下4个发展阶段:(1)萌芽阶段.通过拍摄时的布景实现提取条件.(2)初期阶段.以四元像素和数字化为基础,建立了独立的分支学科.(3)飞跃阶段.以概率统计学原理为基础的提取.(4)分化阶段.认识到视频中帧与帧之间存在相关性,产生了专门用于视频提取的方案.但由于自然色彩分布的复杂性,至今没有被广泛认可的模型,也没有系统的、统一的评价标准.所以说,图像提取技术的成熟还有待时日,并依赖于其它学科及计算机硬件技术的发展.由于图像提取涉及的学科领域比较广泛,学者们对待该问题的研究角度和出发点各不相同,目前已有的概念和模型有:Por ter &Duf f 模型[5],Blinn 模型[6],Knockout 模型[7],Ruzo n &T o masi 模型[8],Ba yesian 模型[9],Po isson 模型[10],Chuang &A gar wala 模型[11],Y in L i &Jian Sun 模型[12],比较分析上述模型,可以发现:Po rter &Duff 模型、Blinn 模型将图像提取问题规范化,是后续研究的重要基础;K no cko ut 模型是对P or ter &Duff 模型、Blinn 模型的有益扩展,使之实用意义更大,在实际运用中效率更高.虽然Ruzo n &T omasi 模型、Bayesian 模型、Po isson 模型采用的具体概率统计方法各异,但这些模型都是先对图像进行初始化,生成T r imap )))前景、背景、交界区域,研究对象都是交界区域的A 值.[13]Chuang &A gar wa -la 模型、Yin L i &Jian Sun 模型以视频提取为研究目的,引人了帧间信息相关性的概念,实现了视频的半自动提取..目前为止,图像提取技术根据需求的不同出现了2种研究思路:一种更注重提高A 值的精确度,追求精确完美的效果;另一种则更注重提高提取的效率、实时性及自动化程度.目前,图像提取技术的研究活动主要集中在以下5个方面:(1)拍摄设备、拍摄方法及技巧;(2)分割技术;(3)人机交互操作接口;(4)面向对象的提取技术;(5)前景与背景间交界区域估计模型.2.2图像压缩编码图2 图像压缩系统模型作为通信、介质存贮、数据发送、多媒体计算机等技术的关键环节,图像压缩编码算法的研究是信息技术中最活跃的研究领域之一.尤其是进入21世纪以后,电子技术和通信技术的发展使可视电话、会议电视、数字电视、高清晰度电视、多媒体计算机、信息高速公路等的生产和建立成为可能.在这一背景下,探索高效图像压缩编码算法无疑将成为主要任务之一,对其研究也将成为国际公认的热点之一.[14]为了使有限的符号表达更多的信息量,图像压缩既非常必要,也有可能,因此产生了各种各样的图像压缩方法.图像压缩编码用尽可能少的数据表示信源发出的图像信号,以减少容纳给定消息集合的信号空间.通过对图像数据的压缩减少数据占用的存储空间,从而减少传输图像数据所需的时间和信道带宽.图2为图像压缩系统模型,图像压缩编码算法的研究历程可分为如下2个阶段.(1)第1代图像压缩编码阶段(1985年以前).图像压缩编码算法的研究起源于传统的数据压缩理论,有些学者认为始于18世纪末Sheppards 所做的/实数舍入为十进制数0的研究,也有人认为19世纪末研制的莫尔斯代码是数据压缩的第一次尝试.1939年D udley 研制了声码器,他把声音频谱的能量划分为有限数目的频带,并且在每个频带内传输相应的能级,因此能够达到较高的压缩.比较系统的研究始于20世纪40年代初形成的信息论,尽管当时数字计算机尚未出现,但其研究与当今数字计算机所使用的压缩技术有着密切的联系,许多算法,如H uffman 编码等仍有很大的应用价值.近年来,由于模式识别、图像处理、计算机视觉等技术的发展,促进了数据压缩的研究.1997年以前基于符号频率统计的Huffman 编码具有良好的压缩性能,一直占据重要的地位,并不断有基于其改进的算法提出[15-16].1977年以色列科学家Jacob Ziv 和Abra -ham L empel 提出了不同于以往的基于字典的压缩编码算法LZ 77,1978年又推出了改进算法LZ 78,把无损压缩编码算法的研究推向了一个全新的阶段.近年来,随着神经网络理论的兴起,有人采用BP 网进行非线性预测的尝试,取得了较好的效果[16].自1969年在美国举行首届/图像编码会议0以来,图像压缩编码算法的研究有了很大进展,其中变换压缩编码[16-17]与量化压缩编码[18-20]是研究热点.(2)第2代图像压缩编码阶段(1985年以后).为了克服第1代图像压缩编码存在的压缩比小、图像复原质量不理想等弱点,1985年K unt 等人充分利用人眼视觉特性提出了第2代图像压缩编码的概念.20世纪80年代中后期,人们相继提出了在多个分辨率下表示图像的方案[21],主要方法有子带压缩编码、金字塔压缩编码等,利用不同类型的线性滤波器,将图像分解到不同的频带中,然后对不同频带的系数采用不同的压缩编码方法.这些方法均在不同程度上有如下优点:多分辨率的信号表示有利于图形信号的渐进式传输;不同分辨率的信号占用不同的频带,便于引入视觉特性.1988年,Bar nsley 和Sloan 共同提出了分形图像编码压缩方案[22],该方案利用图像中固有的自相似性来构造一个紧缩变换,并使原图像成为该紧缩变换的吸引子,编码时只需存储变化的参数,解码时需要利用该变化对任一幅图像不断进行迭代变换.此方案具有思路新颖、压缩潜力大、解码分辨率无关性等特点,是一种很有潜力的编码方法[23-24].1987年,M allat 首次巧妙地将计算机视觉#65#第1期 陈炳权,等:数字图像处理技术的现状及其发展方向领域内的多尺度分析思想引入到小波变换中,统一了在此之前的各种小波的构造方法.之后,他又研究了小波变换的离散形式,并将相应的算法应用于图像的分解与重构中,为随后的小波图像压缩编码奠定了基础.进入90年代,又取得了一系列图像压缩编码研究的阶段性新成果[25-26].其中EZW 编码算法[27]、SPIH T 编码算法[28]被认为是目前世界上比较先进的图像压缩编码算法,这2种算法均具有结构简单、无需任何训练、支持多码率、图像复原质量较理想等优点,但同时又都不同程度地存在算法时间复杂度和空间复杂度过高的弱点.而小波变换的图像压缩编码算法已成为目前图像压缩研究领域的一个主要方向.小波变换是20世纪80年代后期发展起来的一种新的信息处理方法,因其本质是多分辨分析信号,在时域和频域都具有分辨率,对高频分量采用逐渐精细的时域或空域步长,可以聚焦到分析对象的任意细节,对于剧烈变换的边缘,比常规的傅里叶变换具有更好的适应性,故特别适用于分析非平稳信号.2.3图像增强与恢复图像增强是按照特定的要求突出一幅图像中的某些信息,同时削弱或去除某些不需要的信息处理方法,其主要目的是使处理后的图像对某种特定的应用来说,以原来图像更适用,它是为了某种应用目的去改善图像质量,使图像更适合于人的视觉特性或机器的识别系统.目前增强方法主要有直方图修改处理、图像平滑化处理、图像尖锐化处理及彩色处理技术等[29],由于各种图像增强算法的特点不同,对图像增强的侧重点也不同.在对图像进行处理之前,首先分析不同图像增强方法的优缺点,再对具体图像问题进行具体分析,然后选择几种增强方法结合使用,也许就可能达到预期的增强效果.图像在获取、传输和存储过程中由于受多种原因如模糊、失真、噪声等的影响,会造成图像质量的下降,即图像的退化.引起图像退化的原因很多,在图像的获取(数字化过程)和传输过程,如使用CCD 摄像机获取图像,光照程度和传感器温度是造成图像退化的主要因素.图像在传输过程中主要由于所用的传输信道的干扰受到噪声污染,也会造成图像质量的下降.图像恢复技术以获取视觉质量得到某种程度改善为目的,根据指定的图像退化模型来对在某种情况下退化或降质了的退化图像进行恢复,以获取到原始的、未经退化的原始图像.图像恢复首先要建立图像退化/复原模型,当不知道图像本身的性质时,可以建立退化源的数学模型,然后施行恢复算法除去或减少退化源的影响.当有了关于图像本身的先验知识时,模型以建立原始图像的模型,然后在观测到的退化图像中通过检测原始图像而复原图像.常见的图像恢复模型有4种:通用图像模型,光学系统模型,摄影过程模型,离散图像恢复模型.[30]在成像系统中一个通常的缺点是在传感器和显示器系统中存在有害的非线性,传感器信号的处理后修正和显示器信号的处理前修正可以充分减少退化[29].这种恢复处理实现起来通常相对简单,最常见的图像恢复任务是为了补偿图像模糊和消除噪声影响而进行的空间图像恢复.[30-31]目前通常有以下恢复技术:传感器和显示点的非线性修正,连续图像的空间滤波恢复,伪逆空间图像恢复,SV D 伪逆空间图像恢复,统计学估计空间图像恢复,约束图像恢复,盲目图像恢复.[31]2.4图像分割图像分割是图像处理中的一项关键技术,自20世纪70年代起一直受到人们高度重视,并在医学、工业、军事等领域得到了广泛应用.常用的分割方法主要分为基于区域的分割方法和基于边缘的分割方法2类.此外,随着各学科的发展出现了一些结合某种特定理论的分割方法.2.4.1基于区域的分割方法 这类方法的基本思想是将图像分割成若干不重叠的区域,使各区域内部特征的相似性大于区域间特征的相似性,各区域内像素都满足基于灰度、纹理等特征的某种相似性准则.其常见的方法:阈值法[32];区域生长法[33];分裂合并法[33].2.4.2基于边缘的分割方法 边缘的主要表现为图像局部特征的不连续性,该方法首先检出图像中局部特性的不连续性或突变性,然后将它们连成边界,这些边界把图像分成不同的区域.传统的图像边缘检测方法大多可归结为图像高频分量的增强过程,微分运算自然成为边缘检测与提取的主要手段.常用的边缘检测算子有以下几种:R obert 算子、So bel 算子、Pre -w itt 算子、Canny 算子和拉普拉斯算子.微分算子法[34]的优点是计算简单、速度较快,缺点是对噪声的干扰都比较敏感.边界跟踪法[35]的基本思想是从梯度图中的一边缘点出发,依次搜索并连接相邻边缘点,从而实现对图像边界的检测,先确定搜索起点,接着采取合适的数据结构和搜索机理,并在已发现的边界点上确定新的边界点,最后按照搜索的终结准则和终结条件完成边界的跟踪,从而实现边缘的提取.图像分割至今尚无通用的自身理论,随着各学科的不断发展,提出了许多新理论和新方法,于是出现了许多与一些特定理论、方法相结合的图像分割技术.遗传算法[36]最初由美国M ichig an 大学的H olland 教授于1975年提出的,其基本思想是将问题域中的可能解视为群体的一个个体或染色体,并将每一个体编码成符号串形式,对种群反复进行选择、交叉和变异操作,根据预定的目标适应度函数对每个个体进行评价,适应值高的染色体被选中概率较高,以全局并行搜索方式来搜索优化群体中的最优个体.该方法具有全局搜索能力,是一种迭代式的优化算法,在分割图像时常用来帮助确定最佳分割阈值.小波变换[37]是在傅里叶分析基础上发展起来的,具有良好的时域和频域局部化特性,而且还具有多分辨分析的特点.基于小波分析的边缘检测方法[37]的突出优点是它的多尺度性,图像的每个尺度的小波变换都提供了一定的边缘信息.小尺度下,图像的边缘细节信息丰富,边缘定位精度较高,但易受噪声干扰,大尺度下,边缘稳定,抗噪性好,但定位精度差.利用小波的多尺度性可实现在大尺度下抑制噪声,可靠地识别边缘,在小尺度下精确定位.Snake 模型[38]最初是由K ass 等人在1987年#66#吉首大学学报(自然科学版)第30卷。
