应用数学现代知识宣讲报告

1、学习好资料欢迎下载应用数学现代知识选讲报告（2）姓名：*班级： 09*学号： 109*2013年 3月 25日学习好资料欢迎下载图像处理的具体内容以及应用领域都极其广泛， 通过翻阅相关文献， 我发现模拟人眼 ROI 图像处理技术是具有广泛应用前景的立体视觉的工程机器人技术中的重要环节，以及图象处理与标定技术是机器人视觉伺服系统的关键技术和核心内容。下面是我对这两项内容作了相关了解。一、模拟人眼 ROI 图像处理技术在对图像进行研究、 应用过程中，人们往往仅对图像中某些特定的区域感兴趣，一般来说，将感兴趣区域(Regions of interest,ROI)定义为目标，其他部分则成为背景，并在物

2、体成像时，要么全清晰，要么全模糊，这和人眼看物体时的人眼成像有很大区别。当人眼看目标物体时，只有ROI 很小的一片区域是清晰的，而越往四周，周边物体成像就越模糊，人眼的这种ROI 原理如果能应用在图像预处理上面， 将会实现图像的大比例压缩，传输速率将会有很大改善， 为远程实时现场传输和远程命令控制提供了有效基础。目前 ROI 图像处理技术主要应用在图像压缩、图像分割两个方面，下面对在这两个方面所涉及到的方法进行重点阐述，根据人眼成像原理提出模拟人眼 ROI 图像处理方法。ROI 图像分割ROI 图像分割即为传统意义上的图像分割与特征提取。 图像分割是指将图像中有意义的对象与其背景分离， 并把这

3、些对象按照不同的含义分割开来， 也就是说把图像中具有不同含义的对象提取出来。 图像分割是计算机视觉和图像处理中的一个基本问题， 借助集合的概念可对图像分割做如下比较正式的定义。 令集合 R 代表整个图像区域，对 R 的分割可以看做将 R 分成若干个满足以下四个条件的非空的子集 (子区域 )，并且这些子区域具有以下性质：其中， P(Ri )为作用于图中所有像素的相似性逻辑程度，i,j,=1,2,-,n.可以将分割目标定位于完全分割 (complete segmentation)，其结果是一组唯一对应于输入图像中物体的互不相交的区域 ;也可以将分割目标定位于部分分割 (partial segmen

4、tation)，其中区域并不直接对应于图像物体。根据分割方法所使用的主要特征可划分为三组 :第一组是有关图像或图像部分的全局知识，这种知识一般由图像特征的直方图来表达。 第二组是基于边缘的分割， 而第三组是基于区域分割，在边缘检测或区域增长中可以使用多种不同的特征。(1)阂值化技术由于灰度图像本身所具有的模糊特性，模糊集合理论在图像分割中的应用有了理论基础。设图像 I 大小为 MXN ，有 L 级灰度的二维图像，则图像 I 可表示为式中(i mn ) 床示图像像素 (m,n)定义在 L 级灰度上的隶属函数， 它体现出图像所具学习好资料欢迎下载有明亮特性的程度。 一模糊阂值法分割图像是以模糊数学

5、描述为基础， 通过计算图像的模糊测度来选取阂值， 即以计算图像的模糊率或模糊嫡来反映图像 I 的模糊性度量。模糊率和模糊嫡是模糊集合理论中“模糊性指数”或“模糊嫡”概念在二维图像 I 中的推广 .(2)基于边缘的分割图像边缘是图像局部特性不连续性即灰度突变、 颜色突变、纹理结果突变等的反映，它标志着一个区域的终结和另一个区域的开始。 基于边缘的分割是 ROI 图像处理技术的主要体现。 基于边缘的分割依赖于各种边缘检测算子， 典型的边缘检测方法是对原始图像中像素的某小领域来构造边缘检测算子。ROI 图像压缩随着信息技术的发展， 数字图像的数据量越来越大，例如一个大 1024X1024的 12 位

6、图像需要 1.5 MB 的储存空间，所要需求相当高。有人估计在一个有 1500 张病床的大学医院的数字图像资料， 每年就要超过 20TB(20x 10'2 bytes)的储存空间。然而数字图像又具有很大的压缩潜力， 因为数字图像中像素与像素之间无论是在行还是在列上都有很大的相关性， 加之人类的视觉特性对彩色的敏感程度有一定的局限性， 对图像中颜色的细微变化是观察不到的， 在图像传输中也完全可以将 ROI 区域提前传输，因此可以利用编码技术来实现图像压缩。编码压缩即把数字图像中冗余信息去掉， 并允许在一定限度失真的前提下， 对图像数据进行压缩。编码压缩方法有许多种，从信息论角度出发可分为

7、两大类:一是冗余度压缩方法， 也称无损压缩， 信息保持编码或墒编码。 就是解码图像和压缩编码前的图像严格相同， 没有失真。二是信息量压缩方法， 也称有损编码，失真度编码或嫡压缩编码。 即解码图像和原始图像有差别， 允许有一定的失真。模拟人眼 ROI 图像处理技术通过人眼 ROI 成像原理以及与摄像机的相互对比分析得出，可以利用模糊处理方法来实现模拟人眼 ROI 图像处理方法，特别是在高斯模糊基础上进行了改进来模拟人眼 ROI 成像，达到图像压缩的目的。以下是关于高斯模糊的基本知识。高斯模糊是数字图像模板处理法的一种。其模板是根据二维正态分布 (高斯分布 )函数计算出来的。 由于在图像 ROI

8、处理中，要考虑到感兴趣区域图像清晰，则必须考虑高斯模糊滤镜中的半径选择，半径选择越小，则图像 ROI 越清晰，相反，则越模糊。学习好资料欢迎下载由上图可知高斯半径 (a)对曲线形状的影响， 0 越小，曲线越高越尖， a 越大，曲线越低越平缓。对二维图像来说，是一个钟形曲面，高斯半径越小，曲面越高越尖越陡峭 ;高斯半径越大，曲面越低越平缓。因此高斯半径越小，则模糊越小，尖越陡峭 ;高斯半径越大，曲面越低越平缓。因此高斯半径越小，则模糊越小，高斯半径越大，则模糊程度越大。将看到 PS 对高斯半径的范围定义是 0.1-250. 当半径为 0.1 时，高斯模板在计算后只有中间像素为 1，其他像素均为

9、0(实际上只是趋近 0)，即图像不会有变化。高斯模板在逻辑上是无边界的， 也就是说高斯模板本质上是逻辑上无穷拓展曲面的一个近似。因此，模板大小应该认为它是无穷大的。 只不过在计算的时候，因为在远处趋近 0，因此在某个闭值下不再考虑这些值， 这个闭值就是模板边界。最终结果是模拟人眼 ROI 图像处理技术能够初步完成模拟人眼 ROI 图像处理任务。二、图象处理与标定技术数字图像处理 (Digital 工 mage Processing)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。 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

10、水平， 人们开始利用计算机来处理图形和图像信息。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。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。 图像处理中， 输入的是质量低的图像， 输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室 (JPL)。他们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，如几何校正、灰度变换、去除噪声等方法进行处理， 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， 获得了巨大的成功。 随后又对探测飞船发

11、回的近十万张照片进行更为复杂的图像处理， 直至获得了月球的地形图、 彩色图及全景镶嵌图，取得了非凡的成果， 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。在以后的宇航空间技术， 如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。 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 EMI 公司工程师 Housfield 发明了用于头颅诊断的 X 射线计算机断层摄影装置，也就是我们通常所说的 CT (Computer Tomograph)o CT 的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。 19

12、75 年 EMI 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。 与此同时，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，使图像处理成为一门引人注目、 前景远大的新型学科。 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

13、觉系统对外部世界的理解， 这被称为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。 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， 存在学习好资料欢迎下载不少困难，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。摄像机所获得的图像对于机器人视觉伺服系统而言，还仅仅是一个矩阵数组， 视觉系统的目标是要从图像中得到有用的信息， 例如目标的大小、位置

14、、方向和速度等，这就要求对图像进行进一步的处理，包括图像的划分和特征的提取。 在图像采集的过程中， 由于外界干扰和摄像机本身物理条件的影响， 难免会引入噪声， 为了更有效地获取有用信息， 就有必要对图像进行滤波。对于动态连续采集的图像，为了减小系统响应时间和图像处理速度，就需要对图像进行预测。 在进行图像处理时， 很少有只用某一种方法就能解决问题的情况，经常需要几种方法配合使用才行。机器人手眼系统的标定包括机器人内部参数标定， 摄像机内部参数标定以及机器人坐标系与摄像机坐标系 (手眼 ) 关系的标定。 机器人内部参数的标定主要指应用先进的测量手段和基于模型的识别方法辩识出机器人本体的主要参数，

15、在这方面已有学者展开各种方法的研究。机器人视觉伺服是一个发展十分迅速且应用广泛的研究领域，其中， 快速、准确地完成图像处理才能实现对机器人的运动控制，而系统的标定亦是保证处理精度的基础工作。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。图像描述是图像识别和理解的必要前提。最简单的二值图像可采用其几何特性描述物体的特性， 一

16、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。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。例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构、属性和时间特征等，这些都是心理学和神经心理学正在着力研究的课题。在机器视觉的应用中， 如基于地图生成的视觉、移动机器人的自定位、 视觉伺服等的应用中，从二维图像信息推知三维世界物体的位姿信息是很重要的。目前已经出现了一些自定标和免定标的方法， 这些方法在比较灵活的同