现代图像处理技术的发展趋势报告

现代图像处理技术的发展趋势报告摘要：图像处理技术从其功能上可以分为两大类：模拟图像处理技术、和数字图像处理技术。数字图像处理技术指的是将图像信号直接转换成为数字信号，并利用计算机进行处理的过程，其主要的特点在于处理的精度高、处理的内容丰富、可以进行复杂、难度较高的处理内容。当其不在于处理的速度比较缓慢。当前图像处理技术主要的是体现在数字处理技术上，本文说阐述的图像处理技术也是以数字图像处理技术为主要介绍对象。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。近年来, 图像处理技术得到了快速发展, 呈现出较为明显的发展趋势, 了解和掌握这些发展趋势对于做好目前的图像处理工作具有前瞻性的指导意义。本文总结了现代图像处理技术的三点发展趋势。一、 图像处理目的对图像进行处理(或加工、分析)的主要目的有三个方面: (1)提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。(2)提取图像中所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是计算机或计算机视觉的预处理。提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。(3)图像数据的变换、编码和压缩,以便于图像的存储和传输。不管是何种目的的图像处理,都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。二、 图像处理主要研究的内容数字图像处理主要研究的内容有以下几个方面：（1）图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅里叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。（2）图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。（3）图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立降质模型，再采用某种滤波方法，恢复或重建原来的图像。（4）图像分割图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。（5） 图像描述图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。（6）图像分类（识别）图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。发展趋势：一、图像处理的网络化图像处理系统的发展大致可分为3 个阶段。早期的图像处理系统比较昂贵, 多以小型机为主机,且多人轮流使用一台设备, 这时的图像处理系统可称为图像大系统。这个阶段为第1 阶段, 这一阶段的图像处理系统具有以图像帧存储为中心的系统结构。随着微机性能的提高和价格的大幅下降, 在图像处理实验室里, 一人一机不再是奢侈的配置, 图像处理系统得到了极大的普及, 这时的图像处理系统可称为图像小系统。这个阶段为第2 阶段, 这一阶段的图像处理系统具有以计算机内存为中心的系统结构。随着网络数据库的发展, 系统走出了一人一机的圈子, 服务器/客户机、Internet、浏览器、网络数据库图像处理系统似乎变大了, 资源也增多了。计算机编程语言、操作系统出现了多样化,多CPU 的服务器开始走进普通实验室, 分布式计算系统被用来构造指纹识别系统和人面像识别系统,图像处理系统越来越大型化, 这时的图像处理系统可称为超级图像系统。这个阶段为第3 阶段, 这一阶段的图像处理系统具有以网络为中心的系统结构。图像处理技术和计算机技术密不可分, 随着计算机技术的超高速发展, 图像处理系统的更新换代速度也明显加快。例如一些在DOS 操作系统下运行的应用软件, 随着Windows 的出现而面临着升级的压力; 原来建筑在ISA 总线上的图像卡, 随着PCI总线的出现而趋于淘汰, PCI 图像卡则应运而生。落后与先进、淘汰与新生, 同一应用领域出现多个版本的竞争, 新的知识不断涌现, 这无疑使图像界既充满活力, 同时又面临着诸多挑战。在众多新技术中, 图像处理网络化的影响无疑是巨大的。知识的挖掘、图像的浏览、基于内容的查询、以网络为中心的系统结构等挑战性的新课题不断涌现, 网络化使图像处理技术提高到了一个新高度。二、图像处理的复杂化图像处理的疑难问题很多且极其复杂, 如文字识别技术。目前, 印刷体汉字的识别率高达99%以上, 基本达到了实用程度, 但手写体汉字的识别却处在限定型手写体汉字识别的水平上, 其识别率还有待提高, 而自然手写体汉字的识别仍处在艰难的研究中。图像压缩是近十年来研究的热点, JPEG,MPEGI, MPEG已经获得了应用, 业界又提出了对MPEG4, MPEG7, JPEG2000 的研究。可以这样认为, 超低码率的图像编解码技术是目前需要攻克的难题, 而模糊图像的复原是需要长期研究的课题。由于散焦和运动模糊图像对图像的损伤较大, 给图像复原造成了很大困难, 特别是集散焦、运动、高噪声、低清晰度于一身的复合型模糊图像, 其复原的难度使研究人员望而却步。面对银行、宾馆、汽车收费站监控系统使用的录像机录制的模糊图像,有关部门急需一种针对性强的模糊图像复原系统,但目前的技术水平难以胜任; 在指纹识别中, 大数据量指纹库中的识别速度以及模糊指纹的复原、变形指纹的校正都是亟待解决的问题; 在人面像识别中, 人的年龄、表情、姿态都对人面像识别有重大影响, 海量人面像识别不仅存在识别率的问题, 而且存在查询识别速度的问题。图像界对现存的这些复杂问题已进行了多年探索并积累了一定经验, 相信随着图像处理技术的快速发展, 这些复杂问题将会出现新突破。三、处理速度的高速化著名的摩尔定律(Moore law) 指出: 微处理器的集成度每18 个月将翻一番, 即CPU 以18 个月为一个更新换代周期; 新摩尔定律提出全球因特网流量每6 个月翻一番。当然, 摩尔定律的成立是界定于某一个时期的。作为计算机重要应用的图像处理技术, 在处理速度上将呈现出什么样的发展规律,目前还未见相关的研究报道。不言而喻, 图像处理的速度受多方面条件的制约, 其水平也是针对特定环境、特定时期而言的。按照习惯划分, 图像处理可分为软件处理和硬件处理。硬件处理系统中含有软件处理或软件介入。纯软件处理属于事后处理, 达不到视频实时处理的速度, 原因在于:(1) 早期计算机总线速度低于视频传输速度, 活动视频图像不能实时地送入计算机;(2) 早期计算机的处理速度较低, 无法及时地处理活动视频图像数据;(3) 除摄像机、录像机和视频取指器等视频设备外, 扫描仪、数码相机和主机的传输速率低, 难以高速处理图像;(4) 一般的纯软件处理不能直接插入到视频数据流中, 因此需要附加图像获取时间。由于纯软件处理所进行的是事后处理, 所以长期以来人们关心的重点是能够具体实现各种图像处理的算法。随着PCI 总线的引入, 活动视频图像能够被实时地送入计算机内存中, 特别是Intel 公司1995 年提出的NSP (native signal processing, 自然信号处理) 技术, 1997 年推出的含57 条指令的MMX(multimedia extensions) 指令集和1999 年推出的含70 条指令的SSE (streaming SIMDextensions) 指令集(又称为KNI, 即Katmai newinstruction 指令集), 这些重大举措使图像界成为直接受益者, 计算机处理图像的速度由此有了显著提高。用MMX 技术直接进行JPEG 压缩的软件已经面市, 基于MMX/SSE 技术的图像处理平台也已研制成功。PCI+MMX/SSE技术已成为新一代图像处理系统的关键技术, 其特点是处理速度快、价格低、单屏操作方便、微机资源强大, 在视频实时的时间(如40 ms) 内可对一幅图像进行某些处理。用微机进行图像处理在速度上虽然取得了很大进展, 但仍存在问题。如果微机用40 ms 处理完一幅图像, 那一幅视频活动图像到达计算机内存的时间一般需要40 ms, 而串行处理则需要80 ms, 这种处理速度只能算是准实时处理, 仍不能满足视频实时处理的要求。在现有PCI 图像卡里, 可以把一幅视频图像到达计算机内存的传输时间缩短到13 ms 左右,留给微机27 ms 的处理时间以达到实时处理。这种设计可谓独具匠心, 但所扩展的实用程度非常有限,原因在于具体应用中常常是多算法的集成。因此,可以说当前MMX/SSE 技术对视频图像的处理速度还有待提高, 这就需要配以硬件处理, 以便在图像处理速度上达到更高水平。20 世纪8090 年代是图像硬件处理技术发展的黄金时期, 许多大型系统问世并达到了很高的水平。显然, 为追求“算法及其处理速度”的指标而付出昂贵的成本代价, 无论从科技水平还是从科研所遵循的规律来讲都是无可厚非的, 但并不等于要达到“算法及其处理速度”的高指标一定得付出昂贵的成本代价。今天, 我们面临的“算法及其处理速度”的挑战是在一个已有的高水平起点上展开的。一方面, MMX/SSE 技术已达到了较高的水平且代价很低; 另一方面, 大型系统所达到的水平也已成为一个尺度。因此, 新构思、新结构和新系统只有在超越已有成果的水平上才具有重要意义。四、总结研究方向。自20世纪60年代第三代数字计算机问