前言：中文期刊网精心挑选了数字图像处理综述范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
数字图像处理综述范文1
关键词：数字图像处理；工程硕士；应用型研究；应用型技能；软件工程
软件工程专业工程硕士研究生与传统的学术型研究生有所不同，前者主要面向企业人才需求和应用软件开发需求进行培养，因此在课程内容选取、授课方法设计和实验环节设计上都需要进行思考和调整，这也是北京林业大学在申请到软件工程专业的工程硕士学科后重点研究的問题。
数字图像处理课程属于图形图像应用领域的重要基础理论课，长久以来课程内容主要介绍基本的图像处理算法以及少部分图像分割和图像识别，对于图像处理在实际生活中所涉及的很多前沿科研领域介绍较少，因此很多研究生无法将课堂讲授的理论知识与其后续从事的研究课题有效地关联起来，感到课堂中讲授的很多内容看起来毫无用处，从而丧失了学习的积极性。
很多教师认为把图像处理中的算法研究透彻、把基础打好对研究生非常重要，但是这忽视了研究生是有着极强的科研探索精神和丰富想象力的年轻一代。如果将一些在生活中涉及图像处理的問题交给他们进行探索，将会激起他们浓厚的学习精神和创造力，这种没有标准答案的应用题目可以进一步锻炼他们的思考能力。
为此，在课程的教学方法和实验内容设计上，我们重点培养学生以下两方面能力。
（1）应用型研究能力，包括发现問题、分析問题和解决問题的能力；
（2）应用型技术能力，包括编程设计能力和项目合作能力。
下面笔者分别从教学大纲、教学方法设计和实验内容设计3个方面进行介绍。
1.数字图像处理课程教学大纲
我们在设定教学大纲时，重点参考了多本数字图像处理方面的经典教材，如杨枝灵和冈萨雷斯编写的教材。结合之前的教学经验，同时注意与本科生课程相区别，制订了两个原则：加强中高级图像处理算法的介绍；增加利用图像处理算法的应用案例的介绍。中高级图像处理算法主要指图像分割算法、图像特征提取方法和运动检测方法。同时我们还在课堂上给出一些应用案例，进一步帮助学生将理论知识与实践相结合。
数字图像处理课程目前作为北京林业大学研究生的专业必修课，总学时为32，其中课堂讲授24学时，实验8学时。相对于其他学校，这门课程的总学时和实验学时数不多，我们设计的教学内容如表1所示。
2.数字图像处理教学方法设计
针对培养学生应用型研究能力的目标，我们在教学方法设计上本着激发学生的学习兴趣，开阔学生眼界，给学生提供更自由的思考空间的原则，通过下面两个措施来实现我们的目标。
2.1精心选择案例
选择的案例要贴近实际生活，并与课堂上讲授的方法紧密衔接。例如，在讲解图像增强和复原这两章之后，我们引入在实际生活中常见的“图像去雾”問题，通过如下方法，培养学生研究能力。
（1）要求学生先尝试用学过的算法来解决这个問题，并在课堂进行算法讨论，给出算法结果。
（2）要求学生针对具体問题，查阅文献资料，了解别人的解决方法。通过查阅国内外的文献资料，同学们知道了如何根据关键词查询科研论文，了解哪些电子数据库中有与专业相关资料，知道了文献的级别有SCI、EI、核心期刊、一般期刊等。
（3）学生将查到的算法进行分类和总结，撰写文献综述。
（4）每位学生都需要编程实现“图像去雾”算法，这个算法是结合自己的思考、实践以及查阅文献的结果。
通过自己动手，同学们发现如果图像的清晰度不好，有噪声，或者没有归一化，结果就完全不同。通过自己动手验证，同学们会发现图像处理领域的一个最为重要的特点——任何算法主要都是针对一类图像或是针对一类問题而设计的，因此在算法的适应性上需要有所考虑。
2.2全面介绍图像处理的各个应用领域
老师在课堂上介绍几个图像处理涉及的较为重要的应用方向（如视频监控、图像检索、人脸识别、运动检测、车牌检测等）后，将同学们进行分组，每组负责查找一个应用方向的相关资料，讨论和汇报自学的结果。汇报内容主要包括：①应用方向的介绍；②涉及的主要問题；③目前的解决方法及应用成果。
通过查找文献，同学们不仅对课上学习过的经典算法有进一步了解，同时还接触到很多新算法。通过听取各组汇报，同学们在较短的时间里，了解了图像处理涉及的多个主要的应用领域。针对每个应用研究领域，老师引导学生分析该领域的难点和重点，提出問题，再让学生思考解决方案，没有标准答案，只希望能够锻炼学生的思考能力。以“人脸识别”为例，有很多经典的或较新颖的算法，老师会结合应用领域对其中常用的或比较重要的算法，如PCA方法和Adaboost算法，进行详细讲解，使学生全面了解图像处理算法的应用领域。
3.数字图像处理实验内容设计
针对培养学生的应用技术能力的目标，同时考虑到本课程实验学时数较少，我们设计了两个实验——基础性实验和综合性实验。
3.1基础性实验
目前很多经典的图像处理算法是用vC++程序实现的，我们要求大家学会读程序，能够看懂已有的算法实现程序，并在此基础上能开发新的功能。
实验一：实现对多种图像格式的支持（2学时）
实验内容：采用VC++编码实现，基于CDib类，添加支持打开，并保存多种图像格式的功能。包括JPEG和GIF。
实验要求：利用学习的图像压缩的知识，利用现有的编码解码库实现对IPEG和GIF图像的打开和保存。
实验目的：了解多种图像格式，编写针对多种图像格式的读写程序，能够进一步理解针对图像的编程的特点，同时也进一步了解开发图像应用程序的适应性問题。
老师在课程初期会向大家介绍图像处理的一个公开库——CDib类。该类很好地封装了图像的数据结构，涉及很多图像的基本操作。我们知道现实生活中的图像常常都是压缩格式的，如BMP、JPEG、PNG、GIF等。因此在讲完图像的压缩格式后，对照讲过的BMP图像结构，老师要求学生为CDib类添加能够支持多种图像格式的功能。以GIF图像为例，它不同于如JPEG、PNG等格式，GIF采用的是LZW压缩算法，使用的是无损压缩技术。GIF图像的特点是可以一次压缩多幅图像，图像颜色表控制为256色，使用渐显方式。
3.2综合性实验
针对综合性实验，我们会拟定多个题目让学生选择，如树叶提取、花朵提取、车牌识别等。
实验二：数字号码图像的识别（6学时）
实验内容：采用VC++编码实现，基于CDib类，针对数字号码图像，识别出数字，给出文本显示结果。
实验要求：将该题目进行分解，划分任务；组内每个同学负责一部分任务的编程工作；每个人针对自己负责的工作至少提供两种实现方法，并放入整个项目流程中验证这两种方法的有效性；最后总结出两种方法的异同以及适应的范围。
实验目的：考查学生对数字图像处理应用中每个步骤的掌握程度和项目合作沟通能力。
上述实验涉及以下几个步骤。
①图像的预处理；
②图像的分割；
③图像的特征提取；
④图像的分类。
组中每个学生负责一个步骤，所有步骤都需要尽心设计，这样整体的效果才可能最好。同时大家需要协商各自负责模块的人口和出口的数据结构，保证数据能够在模块之间顺利流转。这种协商和分工合作的能力是软件工程专业最需要的技术能力之一。
以“数字号码图像识别”为例，该题目可以分割成4个步骤：预处理、数字图像切分、数字图像特征提取和数字识别。在每个步骤中都有分别需要注意的問题，如在预处理阶段，需要对图像进行去噪声，增强对比度，甚至需要进行膨胀和腐蚀将图像中断裂的数字部分连通起来；在数字图像切分阶段需要制定适应性广泛的切分策略来应对各种情况，如数字排列可以呈现任意的倾斜角度，或数字字符相连等；在数字图像特征提取阶段，我们可以考察每个数字图像的自相关系数特征，或者每个数字图像的频谱特征，也可以考察数字图像的几何拓扑特征，如将数字图像分成2个洞的（8），1个洞的（4，6，9，0），没有洞的（1，2，3，5，7），针对每个类别再提取新的几何特征；在数字图像识别阶段，可以采用神经网络的分类器，或者利用制定的一些分类策略来分类，或者采用主成份分析（PCA）的方法来识别。
4.结语
两年多的教学实践表明，新的教学大纲、授课方法和实验内容有利于激发学生的兴趣，使他们带着問题去学习，从而加深了对图像处理应用领域的了解，锻炼了编写程序和协作开发的能力。下一步我们将设计更多合理有效的案例和综合性实验，力图通过这门课激发学生的创造力。
参考文献：
数字图像处理综述范文2
关键词：边缘技术；石油；勘探；技术
中图分类号：F416.22 文献标识码：A
数字图像处理技术是通过电脑来去除噪声形象，提升、回收、分割、特征提取的处理方法和技术，探索石油地震勘探地球信息科学与科学之间的交叉学科，可以利用数字图像处理的一些方法进行研究。当前，图像处理技术的飞速发展提供一个新的方法来解决这些交叉科学问题。地震数据的处理过程中应采取综合研究模型，即采用合理的数学模型和信息技术，地震资料成像、地震数据的形式表达的形象，所以地震数据不仅形象直观，而且可以利用图像处理技术进行处理和分析，并改善直板的地质问题的认识。因此，边缘检测技术在地震资料储层预测将扮演一个重要的角色。
1 边缘检测
1.1 常见算子分析
边缘检测算法的比较分析在地震储层中的应用极为少见，但信息科学和图像差异对噪声有一定的抑制作用。从研究中，原始和渐变噪声图像处理效果较好，边缘检测算子更好，二阶微分算子，图像中的边缘点的顺序和精确定位的旋转不变，导致该算子容易丢失。边缘信息的一部分，导致一些离散的边缘检测方法相对适应。经典的边缘检测是应用微分形象的特点的边界点进行检测。该模型可以看出，这种方法是有效的检测，可应用于实际应用。因此，针对油藏断层、裂缝、泥岩边界，可以使用边缘检测技术对这些特定的边缘识别。
1.2 小波变换
裂纹检测和分析的图像边缘检测有很多相同之处，基于小波多尺度边缘检测理论，结合裂缝的地震波场的多尺度小波变换局部极值的模式，因为这些极端值设置没有门槛限制，检测裂缝三维地震记录的某些特征的位置，然后根据钻井、测井数据得到裂缝的总体特征的分类和分布的该区裂缝，调整模量在图像的灰度，最后自动识别裂缝发育程度。对储层砂体的识别和断口的分析，一般采用的方法是进行奇异性检测。无论是简单的边缘检测算子或多尺度小波边缘检测方法探测目标，边缘检测的结果有很大的不确定性。
2 应用
2.1 地震资料解释
地震资料解释水平地震剖面上断裂规模，因为地震资料分辨率的限制，在这种情况下，引入边缘检测算法比较，该方法能精确地识别出图像或数据放在一个水平的优势，可以很好地对具体比例的地质特征，成像识别。该技术在裂缝识别和河床边界识别，寻找图像的像素位置变换，简单说就是像素图像有用的信息，即断层和河床边界的信息，在油藏描述、河道砂、小断裂并且对预测和油气开发都有重要的意义。跟描述技术相比，边缘检测技术有其独特的优点，最大的优点是它的多尺度性。由于过错的沉积特征而使用像素来描述不同的集合像素，边缘检测技术有其独特的优势。利用图像处理的边缘检测理论，对地震资料的处理，不仅可以确定三维数据体的缺点而且对河道砂体连通性描述可靠合理的注采井网的部署和回收网络改善，具有重要的指导意义。
2.2 裂缝预测
将图像处理技术移植到地震储层预测会给裂缝性储层识别与评价的探索带来新的观念。利用边缘检测技术对地震属性处理，然后结合电阻率成像测井资料、岩性资料、测井资料和瞬间的压力数据高速预测裂缝。相比之下，国内学者的研究对更具体的边缘检测算法，提出了算法和研究对象。通过选定的振幅数据对象，利用数字图像处理的方法预测裂缝振幅值的测试，结合裂缝地震波场的多尺度特性，提出了碳酸盐岩裂缝预测的多尺度边缘检测方法。该方法的主要思想是用小波变换局部极值的模式试验三维地震记录，在裂纹特征的位置，并通过调整模量在图像的灰度、识别裂缝发育。
3 地震数据预处理方法
地震数据采集带噪声会影响地震资料的质量。因此，对地震数据预处理，图像预处理是用各种各样的数字图像处理技术来提高，这方面的研究方法很多，有自适应误差扩散算法、中值滤波等。这些方法的目的是光滑脉冲噪声，只有在通过图像预处理方法后才可以在后续的地震储层预测中取得良好效果。
3.1 滤波方法
在一些资料研究对象中，有些信息是不切合实际的应用价值，所以地震信息过滤是非常必要的。在这方面，技术的使用提高了地震剖面的信噪比的形象。其关键技术是利用光流分析技术，并计算了相应的分地震剖面上超过偏，然后使用图像积累的地震剖面进行积累技术，实现了三维地震数据体提高信噪比。该方法充分利用了三维地震信息，不仅可以改善的信噪比数据体，而且可以降低信号的能量损失，使原始信号的能量关系，使地震剖面的品质，增加明显的地震解释一个良好的基础。该方法的实现，为地震资料的处理提供了新的思想、横向分辨率图像增强，就是与相轴连续、断点清晰，以便提供更好的地震资料解释的物质。
3.2 边界处理方法
地震信息十分丰富，在这种情况下，我们必须有一个地震数据的边界处理，提出了一种基于边缘检测算法的动态误差扩散。分散的方法以及误差方向每一个像素的边缘，然后根据结果选择边缘检测的像素的动态误差四面八方扩散系数的方法，这种方法能减少误差分散过程中的误差积累。实验结果表明，该方法能有效提高造成的误差系数和分散的细节图像轮廓损失。在众多的滤波算法，提出了一种自适应反馈的误差扩散算法。该方法首先采用提出视、听知觉差的概念，并根据原始图像的灰度区域特征，自适应反馈系数的计算，将被遣送回原来的视觉形象，以弥补连续可调造成的误差扩散的不同区域的灰度损失。该算法可以显著提减弱点获得的不良影响的现象，准确地代表更多的图像细节，并表现出比传统算法更好的主观视觉效果，该方法的运用就会在地震储层的细节描述提供很好的保证。
4 展望
地震信息处理与分析是一门交叉学科，边缘检测技术依赖的地震资料、地质目标和数学方法来决定。在方法的选择，通常是经多种方法的比较分析及各种世界算法才能达到目的特殊待遇。根据技术边缘检测可以有效解决中小裂隙型储层、裂缝和砂体的边界识别，地球物理工作者建议在特定目标首先建立数学模型的实验验证了算法的权利。例如，一个差异，为代表的经典的边缘检测方法，可以通过不同的数学模型，能突出其变化信号点，重点是边缘化。但无论经典边缘检测算法或其他复杂的边缘检测方法，每一种方法的结果也不同。因此，边缘检测技术在地震资料用于问题不仅仅是简单的图像处理问题，尤其对小裂隙型储层、裂缝和砂体的边界识别和影像，首先引入到地震数据的边界滤波器，并在此基础上，对研究对象的规模水平选定合适的数学算法处理，最后达到对处理结果的空间认识和理解，并与之相配套的地质目标。最后，边缘检测技术在石油勘探开发中的应用应结合地质、物探、钻井测井数据分析。
参考文献
[1]杨文采.应用地球物理数据处理与分析[J].地学前缘，1998，5(2):231－235.
[2]王新成.高级图形处理技术[M].北京:中国科学技术出版社，2001:119－130.
[3]段瑞玲，李庆祥，李玉和.图像边缘检测方法研究综述[J].光学技术，2005，31(3):415－419.
数字图像处理综述范文3
关键词：分形理论 图像处理 识别检测 粒径分布
中图分类号：TQ533 文献标识码：A 文章编号：1674-098X（2014）01（a）-0005-02
在我国的电力供应中，有很大一部分来自火力发电。火力发电对煤炭资源的需求最大，因此提高煤的燃烧效率变得十分重要。煤的燃烧特征是煤的颗粒越小，越容易燃烧殆尽，而且在其燃烧过程中所产生的硫化气体等污染物也会相对较少。所以通过一种有效的办法对煤堆进行颗粒粒度识别具有重要意义。颗粒物识别检测通常采用的方法为筛析法、重量沉降法、激光散射分析等，这些方法中存在人为操作量大，重复性不好，且不能给出颗粒的相关参数特性等缺点[1]。该文运用数字图像处理技术对煤颗粒进行处理分析，可避免上述方法的不足，提升测量速度节省时间，增强测量准度和精度。并提出结合分形理论，对煤堆颗粒作分形分析。图像处理方法作为对煤堆特性分析方法可利用软件得到相关的煤堆颗粒粒度参数、进而可以选择相应适合的条件对煤堆进行颗粒过滤，从而满足工业要求。
1 图像处理技术
1.1 数字图象处理的特点
随着计算机科学的发展与工控程度的提高，图像处理技术被越来越广泛的运用。在颗粒检测识别领域，图像处理技术有着得天独厚的优势。它减少了单纯的人工操作量，降低了测量过程中的粗糙性。提供了对复杂细微颗粒处理的可行性，加快了分析处理速度并且可以直接或间接的获取人们所需要的信息。实现过程的实时监测和控制。
1.2 煤堆颗粒的图像识别系统框架
图像识别系统主要包括图像采集和图像处理两部分。图像采集主要由图像传感器来完成，图像处理主要由计算机和相应的系统软件来完成。框架如图1。
在煤堆里取样，用粉碎机磨制好煤粒粗样后得到煤的颗粒样本如图2。然后通过CCD图像传感器采集到图像，进行数字化处理后存入计算机，获取煤粒原始图像。再利用软件对数字图像进行相应处理得到相关图像参数，最后根据所得参数数据分析得出煤粒特性结论。
这里选用CCD传感器来获取数字图像如图3所示。CCD图像传感器是一种特殊的半导体材料又名电荷耦合器[2]。它由大量按矩阵排列的独立光敏元件构成。可直接将光信号转换为电信号，然后电信号经放大和模数转换后，实现图像的获取、存储、传输、处理和复现等操作。由CCD摄像设备采集的光学图像转成模拟信号经图像模数转换器进行数字化后，得到数字图像交由计算机处理。它最显著的优点是噪声低、响应速度快、像素分辨率高等。
1.3 煤堆颗粒图像的数字化处理
在计算机中利用软件对原始颗粒图像（图4）进行预处理。对于一张图像来说，往往需要提取目标物，所以先作灰度变换减少图像噪声，保证图像质量。每一副图像相当于一个矩阵，矩阵的行和定图像中的每一个点，矩阵中的元素值对应该点的灰度级。图像矩阵中的每个元素就是像素。颗粒本体灰度值与背景图层灰度值较为均匀，进行灰度变化后效果较好，灰度图有无明显的双峰。灰度变换不足以达到最终效果，需要对图像作二值化处理。手动改变图像阈值，颗粒图像二值化效果发生改变，当观测图像变化效果最为理想时停止改变，确定一个最佳的门限阈值。二值化处理后颗粒如图5。另外也可以选择自适应阈值分割，但是无法同步观察变化过程，且计算量相对较大耗时长，无法达到背景图层与颗粒本体二值化图像最佳效果。
2 煤堆颗粒特性分析
2.1 颗粒的形态描述
从颗粒的形态学切入，分析颗粒粒度及形状。粒度是颗粒在空间范围所占大小的线性尺度。通常表面光滑的球体颗粒的粒度用直径表示，立方体颗粒的粒度用边长表示。对不规则的矿物颗粒，可将与矿物颗粒有相同行为的某一球体直径作为该颗粒的等效直径。对许多取向混乱的颗粒按一定方向测量平均线度的统计作为当量径。由于获取的是颗粒投影图像，则可按二维投影规则对煤粒度进行定义[3]。
2.2 煤堆颗粒粒度相关参数
颗粒面积的计算，通过对图像像素点的统计得到。统计获得颗粒像素的个数后，还需要用一个标准单位来标定。通过比例换算得到目标颗粒实际面积大小。采用逐行扫描的方式对图像中每一个颗粒进行标号确定单个颗粒参数。这样每一个目标颗粒的参数都有一个归属，不容易产生混乱。
颗粒周长的计算可以通过对二值图像中目标物的边缘像素计算获得。依然可以采用顺序逐行扫描的方式对图像进行扫描。对图像边缘像素跟踪累加，统计像素个数可得周长。因此颗粒的当量直径可以根据颗粒粒度定义由面积和周长求得。此外还可以利用计算机图像系统对颗粒进行自定义多方向扫描，获取每一个方向上的粒径值再进行平均。用该平均值对粒径大小作粗估计值，这里并没有对此种方法加以详细证明。
这样就可以根据不同粒径的颗粒物在颗粒总体中所含的百分比来确定粒度分布。此外还可以根据颗粒粒度来进行颗粒分级，明确颗粒的层次关系。
3 煤堆颗粒与分形理论
3.1 分形理论的定义
分形理论是时下非常流行的新理论。分形理论的最基本特点是用分形分维的数学工具来描述研究客观事物。它跳出了一维的线、二维的面、三维的立体乃至四维时空的传统藩篱[4]，更加接近客观事物和复杂系统的真实属性。
3.2 颗粒粒度的分形分析
在颗粒的形态特征中，主要讨论了分形分维的方法。把分形维数作为颗粒形态描述的一个重要角度。分形维数在一定程度上体现了颗粒的某些化学物理特性。实际测定分维的办法有很多，如根据尺度、测度关系、相关函数等。针对颗粒的不同特征可以建立不同的分形模型。对于无规颗粒具有如下分形特征式：
。
①根据边缘进行分形分析，颗粒的无归边缘曲线可利用盒维数[5]计算得分形维数。与边缘线相交的正方形个数记为盒子数N（如图6盒子数为16），盒子大小为k*k，k即盒子的边长。存在推导关系式：-；D记为分形维数，B为常数。通过推导关系计算拟合数据可得到分形维数D。在对k取值时，k值越小所能取到的盒子数也越多，边缘分形结果越精确。理论上颗粒边缘复杂程度越大，分形维数值越大。边缘分形维数体现颗粒的轮廓曲线特点。这里取了4个不同颗粒样本进行了图像处理后，经过计算分别得出4个样本的分形维数，进行比较。
从表1中可以看出颗粒边缘分形维数变化不是特别明显，原因可能与所取的盒子边长k有关。还需要结合其他形状参数来进行特征描述。说明仅仅利用颗粒边缘分形分维作为煤粉颗粒特性标准描述有待改进。
②根据颗粒粒径分形有关系式：-。是粒径分布分形维数，R是粒径大小，为粒径大于R的颗粒数。同样可以通过拟合数据计算得到颗粒粒径分布分形维数。在选取了3组颗粒图像进行了颗粒粒径分布分形维数计算后得到相关参数如表2。
从表2来看，粒径分布分形很大程度上与颗粒数目有关。分形维数是根据统计粒径R以及对应的颗粒数目N进行拟合后得到的直线斜率。尽可能的选取较多的颗粒图进行计算，分形维数越准确粒径分布分形偏差越小。颗粒粒径与分布分形维数呈负相关关系，粒径越小分布分形维数越大，粒径分布随粒径减小呈现的分形特征越明显，反映煤堆颗粒粒径分布越复杂。
5 结语
对于煤堆颗粒的识别，采用数字图象处理技术能够提高识别检测的速度，同时还可以减小大量人为干预造成的误差，避免检测重复性低等缺点。对于煤炭行业提高燃煤利用率和降低污染有着重要的意义。本文主要通过图像灰度变换、图像分割等方法对煤粒图像做处理。同时结合分形理论进行分析，得到煤堆颗粒粒径分布分形等参数，说明了颗粒分形的可行性并对煤的颗粒分形特征进行描述。但是在粒度形态识别中只是对二维投影图颗粒粒径做了说明，还可以从形状因子等参数考虑，综合描述颗粒特征。对颗粒分布分形也不完善，需要做进一步研究。此外，如何更好的提取颗粒的边缘轮廓，找到颗粒新的参考特性以及分形与工业分析之间的关系是下一步探讨的方向。
参考文献
[1] 苗春卫，李玉祥，王克家，等.基于数字图像处理的煤粉颗粒检测[J].应用科技，2003（2）：1-3.
[2] 青.基于分形理论的大气悬浮颗粒物图像识别[D].武汉：武汉理工大学，2006.
[3] 霍红涛.数字图象处理[M].北京：机械工业出版社，2003.
数字图像处理综述范文4
关键词：统计特性 EPLL 遥感图像
中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2013）12-0041-04
1 引言
遥感是一门综合性探测技术，大大扩展了人们的观察视野及观测领域，在城市规划、环境保护、全球变化、土地监测以及军事等领域的应用具有显著的优越性和重要性。
在遥感图像形成和传输过程中，由于系统本身存在的缺陷、传输介质等因素的影响，会受到多种噪声的污染。噪声的存在会降低图像的质量，抑制有用的信息，影响信息的精度，甚至会导致错误的判断。要更好实现遥感的应用，必须对图像进行复原处理。
3.1 方法流程
本文所述方法的流程可分为两大部分：第一部分为遥感图像块的统计特性建模；第二部分为基于图像块统计特性的EPLL遥感图像去噪方法。将所建立的模型作为先验知识运用到EPLL复原方法中，通过对两个分步骤进行迭代的方式优化去噪结果。本文所研究的方法用于遥感图像去噪的流程如图1所示。
3.2 遥感图像块的统计特性建模
4 实验与结果分析
4.1 实验数据
训练数据：建立遥感图像数据库，数据库收录了不同传感器生成的城镇、山地、港口和平原等不同场景内容以及不同分辨率的200幅遥感图像。从数据库中随机选取个的图像块，组成一个的训练数据集，作为遥感图像块统计特性建模的输入样本。其中，数据集的每一列表示一个图像块。
测试数据：从数据库以外随机选取5幅遥感图像作为测试图像，图像包含了城镇、港口、山地、平原等不同场景，如图2所示。
4.2 实验设置
设定高斯混合模型的混合部分为200个，输入训练数据集，运用EM算法，求得高斯混合模型的参数，和，建立遥感图像基于块的高斯混合模型。将该模型作为本文所述EPLL复原方法的先验知识。
在这里，我们设定，，其中，为图像块的像素点个数。
4.3 实验结果
为了验证本文方法的有效性，我们在5幅测试图像中分别加入标准方差为25的高斯白噪声，分别采用本文基于图像块统计特性的EPLL去噪方法、BM3D、KSVD和小波变换方法对测试图像进行去噪处理。去噪结果如图3（2幅）所示。
为了进一步比较实验结果，使用峰值信噪比（PSNR）和图像结构相似度（SSIM）来对去噪后的图像质量进行定量比较，结果如表1所示。
实验结果表明，被相同噪声污染的测试图像经过基于图像块统计特性的EPLL方法复原后，图像质量明显得到改善。其实验结果明显优于KSVD和小波变换。与BM3D方法相比，对平原、山地等场景的图像去噪效果较好，对城镇等场景的图像去噪效果略低于BM3D方法。但是，BM3D方法在去噪过程中产生了平滑效应，而我们的方法在获得相当去噪效果的同时，很好地保护了图像的细节。
为了进一步研究EPLL方法的噪声去除能力，我们在三组测试图中依次加入标准方差为15、35、45、55和65的高斯噪声，并采用上述不同的方法对每张噪声污染图像进行去噪处理。表2和表3分别统计了在不同噪声方差的高斯噪声条件下，不同去噪方法对三组测试图的去噪结果PSNR和SSIM值。比较统计的数值，可以看出噪声标准方差小于45时，EPLL复原方法要优于其他几种方法，在噪声标准方差大于45时，EPLL复原方法对噪声的去除能力与BM3D方法相当，并明显优于其他两种方法。
5 结语
本文探讨了一种基于图像块统计特性的EPLL遥感图像去噪方法。建立了遥感图像块的高斯混合模型。并以该模型为先验知识，结合EPLL复原方法对遥感图像进行了去噪处理。实验结果表明，以图像块统计特性为先验知识的EPLL去噪方法可以有效去除遥感图像中的噪声，并较好的保护了图像细节。
从实验结果的对比中，我们可以看到本文所述的方法与BM3D方法相当，优于其他三种方法。从实验数据的选取来分析，收入的遥感图像中，城镇等人造建筑的场景只占小部分，平原、山地等自然景物所占比例大。对城镇等场景的图像去噪结果与BM3D方法相当可能是因为随机选取的训练图像块中城镇等人造场景所占比例少。可以预见，如果对遥感图像进行分类处理的话，去噪效果应该会优于其他方法。在下一步的研究中，我们将对遥感图像数据库按不同场景和内容分类，分别建立数据库以及统计特性模型，按场景进行分类去噪。
参考文献
[1]霍宏涛，等著.数字图像处理[M].北京理工大学出版社，2002：106.
[2]冈萨雷斯，等著.阮秋琦等译，数字图像处理（第二版）[M].北京：电子工业出版社，2007：183.
[3]沈峘，李舜酩，等.数字图像复原技术综述[A].中国图象图形学报，2009，14（9）：1764-1775.
[4]陈武凡，李超，陈和晏.空域中退化图像恢复的有效算法[J].计算机学报，1999，22（12）：1268-1271.
[5]W.Richardson，Bayesian-based iterative method of image restoration，Journal of the Optical Society of America A，1972，62：55-59.
[6]J.Jia，Single image motion deblurring using transparency，IEEE Conference on Computer Vision and Pattern Recognition，2007：1-8.
[7]Y.Wan，R.Nowak，A bayesian multiscale approach to joint image restoration and edge detection，SPIE Proc.In Wavelet Applications in Signal and Image Processing，1999.
[8]A.W.Fitzgibbon，Y.Wexler，A.Zisserman，Image-based rendering using image-based priors，International Conference on Computer Vision，2003，2：1176-1183.
[9]Daniel Zoran，Yair Weiss，From Learning Models of Natural Image Patches to Whole Image Restoration，International Conference on Computer Vision，2011：479-486.
数字图像处理综述范文5
关键词：碎纸片拼接；图像拼接；模式识别
中图分类号：TP391.41
破碎文件的拼接在司法物证复原、历史文献修复以及情报获取等领域都有着重要的应用[1]。随着计算机技术的发展，特别是计算机在数字图像处理、机器视觉、模式识别和图形学方面研究和应用的进步，使得破碎文件的计算机拼接成为可能。据报道，曾在2011年10月29日，美国国防部高级研究计划局（DARPA）宣布了一场碎纸复原挑战赛（Shredder Challenge），旨在寻找到高效有效的算法，对碎纸机处理后的碎纸屑进行复原。据DARPA称，军方常常在战场上收集到撕碎的文件残片，恢复文件原样是一件望而生畏的艰巨任务，需要大量人手，进程十分缓慢。而有价值重要情报通常都是有时限的，过一段时间就会变得不值一文。
目前学术界关于碎片复原（reconstructing shredded documents）的问题有多种研究策略，随着碎片文件的增多，全自动也不可能[2]。本文的研究对象为碎纸机破碎纸片，并假设破碎纸片切割均匀。当碎片较多时，为了保证拼接的准确性，在拼接过程中可以加入人工干预过程。首先对碎纸片图像进行预处理，将其转换为灰度矩阵并进行二值化处理。然后利用计算机搜索与目标碎片相匹配的未拼接碎片，并将待选碎片按照匹配程度排序。
1 图像处理
1.1 碎纸片图像数字化
对于非平面的物体，早期是通过对物体的多角度拍摄，获得多角度图像，然后利用三维重建技术得到物体的立体数据模型；也可以使用较为先进的三维激光数字化仪直接对物体进行三维扫描而获得立体数据模型[3]。
对于碎纸片等一些平面物体，可以利用数码相机、摄像机、平面扫描仪等设备得到数据。本文中的原始图像为8位BMP图，如图1所示。首先取得每个像素点的RGB值，为了计算的效率，凸显目标的轮廓和特征，将其转化为灰度值。
1.2 图像碎片特征描述
图像特征是该图像所独有的、区别于其它图像的本质属性，所以图像特征的描述和提取是碎片匹配拼接的关键技术之一。常用的图像特征有纹理特征、颜色特征、形状特征等[4]。本文研究的是基于图像碎片边缘颜色特征的拼接技术。
1.3 图片贴近度
在模糊数学中，贴近度是用来描述两个模糊集之间的距离。这里用图片贴近度描述两张图片的相近程度，它是由两张图片的像素匹配差异值决定。两张图片像素匹配差异值越小，说明图片贴近度越高。图片的匹配问题转化为对像素差异求最优解的问题。
2 模型建立与求解
2.1 模型建立
碎纸片图像边缘颜色特征提取后，需确定第一张碎纸片。通过观察不难发现，碎纸片图像中有一张左侧边缘的灰度值均为255。模型的流程图见图2。
2.2 模型求解
根据以上算法，我们进行了一系列实验，得到每张碎纸片与其它碎纸片的像素匹配差异值如表1所示。
3 结论
本文的技术路线是先进行图像处理，将其转化为像素矩阵，以像素匹配差异值最小为目标函数，通过穷举剩余图片，比较相邻图片贴近度来建立模型求解。根据该算法设计并实现了拼接程序，实验表明本文提出的自动拼接算法简单易行，可靠性比较好。
对于不规则碎片、碎片边缘破损等特殊情况，以及碎片数量较多时的匹配问题，是我们下一步的主要工作。
参考文献：
[1]周丰.图像碎片自动拼接技术研究[D].北京交通大学硕士学位论文，2007.
[2]罗智中.基于文字特征的文档碎纸片半自动拼接[J].计算机工程与应用，2012，48（5）.
[3]佟帅，徐晓刚，易成涛，邵承永.基于视觉的三维重建技术综述[J].计算机应用研究，2011，28（7）.
[4]郑秋梅，王红霞，刘康炜.基于边缘和颜色特征的图像检索技术[J].微计算机应用，2008，29（11）.
数字图像处理综述范文6
关键词： 耕地; 人工建筑; 阈值; 图像分割
中图分类号： TN964?34 文献标识码： A 文章编号： 1004?373X（2015）06?0105?03
Research on automatic segmentation of agricultural land and artificial buildings in remote sensing image
WANG Min?yan1， ZHAO Kun2
（1. Commission for Discipline Inspection and Supervision Bureau of Jining， Jining 272045， China;
2. The 27th Research Institute of China Electronics Technology Group Corporation， Zhengzhou 450047， China）
Abstract： An image processing algorithm which can automatically divide up agricultural fields and artificial buildings in remote sensing images from satellite or aerial photo is proposed. With the technologies of image area synthesis， filtering， histogram statistics and background segmentation， the artificial buildings and roads in large?scale agricultural lands can be segmented by the algorithm， and the area calculation can be realized. Some solutions and test results are given in this paper. It is significant for this algorithm to improve the automation statistic level of agricultural land.
Keywords： agricultural field; artificial building; threshold; image segmentation
0 引 言
作为人口大国，农林业对我国家安全和社会稳定有重要意义，随着经济的高速发展，乡镇及城市建设对土地需求日趋增长，合理有效地使用土地资源，监控土地实际使用情况是国家研究的重要课题。随着现代航天技术、航空技术、探测器技术高速发展，国家投入大量卫星、飞机及无人机进行耕地普查，新技术的广泛应用给农业用地统计、普查、灾害预警带来革命性发展，提供了丰富的数据资源。但社会各界对农业统计信息的需求越来越大，对统计质量要求越来越高，按照传统的方法，仅仅依靠手工作业是远远不能适应实际海量数据筛选需要的。本文提出一种可在卫星或航拍遥感图像中自动分割农用田地与人工建筑的图像处理算法，该算法使用图像区域合成、滤波、灰度统计、背景分割等处理技术，可实现农用田地中疑似建筑及道路进行分割，并给出面积的估算。为后续土地和人工建筑确认标注提供预先提示。
1 遥感图像预处理
遥感图像在形成、传输、记录过程中，成像系统、传输介质和记录设备都会引起图像质量的下降[1?2]，典型表现为图像模糊、失真、有噪声等。图像预处理的目的就是尽可能恢复退化图像的本来面目。引起图像退化的因素很多，图像预处理将根据退化的原因，建立相应的数学模型，并沿着图像降质的逆过程恢复原图像。
农用土地遥感图像所关注的信息大部分集中在低频和中频段，为了有效抑制图像的噪声并尽可能多的保留有用的信息，采用均值滤波、中值滤波、低通滤波、匹配滤波等多种滤波器相结合，综合线形滤波器和非线形滤波器的优点，研究具有实时特性的滤波网络，最大程度滤除噪声，提高图像的信噪比，减少图像的失真[3?4]。
原始图像中各点的灰度值f（x，y）用该点邻域的灰度平均值代替，以抑制具有突变性质的噪声点。设g（x，y）为处理后的灰度值，则该方法可表示为：
[g（x，y）=1MN（m，n）∈S（x，y）f（m，n）] （1）
式中：[S（x，y）]为[（x，y）]的邻域;m，n为[S（x，y）]中的像素数。
图像的预处理在空域中进行，也可在频域中进行，将一维信号低通滤波器在二维图像中应用，图像经过二维傅里叶变换后，噪声频谱位于空间频率较高的区域，而图像中关键信息处于空间频率较低的区域，从而实现对高频分量的预制[5]。
转移函数为：
[H（x，y）=11+[D（x，y）D0]2n] （2）
式中：[D0]为截止频率;[n]为阶数。
2 遥感图像分割与处理
严格意义上的图像分割是指每一个物体都能和它的背景区分开来而成为一个独立完整的区域，人的视觉就包括这个过程。但是，在实际应用中这是很困难的，因为图像分割没有统一的判别标准，也没有通用的分割方法，一般来说，只要能把感兴趣的部分从背景中分割出来就可以接受[6]。对遥感图像进行分割就是把图像中不同于农业用地的人工建筑或道路等具有特殊意义的区域分割开来，这些区域本身并不相关，但每一个区域都不同于农业用地[7?8]。
2.1 大面积耕地直方图分析
由于大面积农用耕地的主背景的分布相对均匀，从图像的直方图分析明显存在单峰（背景），如果有道路或人工建筑，则直方图中将存在背景峰之外的多个。
<E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼05t1.tif>
图1 大面积农用田地图及直方图
2.2 基于大面积耕地背景的分割阈值提取
[H（x）]为图像直方图分布，则图像的平均灰度为[9?10]：
[hx=x・hxhx] （3）
图像的灰度分布误差为：
[σ=h（x）-h（x）?x2h（x）] （4）
将[h（x）]-ks作为图像分割的第一个阈值，[h（x）]+ks作为图像分割的第二个阈值。将灰度在[[h（x）]-ks，[h（x）]+ks]内的像素判为背景，其他灰度图像像素判为目标，则就可以将目标从背景中“分割”出来。如图2，图3为原始图像及经过预处理后的图像，应用式（4）求解出[σ]及分割门限，经二值化后分割图像如图4所示。
<E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼05t2.tif>
图2 原始图像
<E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼05t3.tif>
图3 图像预处理
<E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼05t4.tif>
图4 图像分割
根据分割出的图像可对目标像素面积的统计，采用投影方法，可获得图像不同列中非农用地的像素数，如图5所示，通过累加计算可获得设定区域非农用地占用比例，从而获得实际农用地面积。
2.3 应用
通过对遥感图像处理，可对耕地或建筑面积进行估算、统计，对疑似建筑物、道路进行标注，提高农业用地统计自动化水平，并提高土地管理部门、农业部门、农业统计部门及其他有关部门在技术手段和行政管理方面的优势，采用先进的遥感技术、全面统计和抽样调查等各种方法，对耕地及其他农业用地的数量进行全面的监测和管理，及时对不利于耕地和其他农业用地保护及使用的情况进行处理和纠正。
<E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼05t5.tif>
图5 目标面积统计
3 结 语
本文根据大面积农用地统计需求，结合其图像特性，提出一种大面积耕地背景的耕地及人工建筑分割方法，可以有效提高耕地统计自动化水平，并辅助监测农用耕地占用情况。
参考文献
[1] 章孝灿，黄智才，赵元洪.遥感数字图像处理[M].杭州：浙江大学出版社，1997.
[2] 何红艳，杨居奎，齐文雯.大气对遥感卫星图像品质的影响分析[J].航天返回与遥感，2011（2）：42?47.
[3] 汪哲慎，李翠华.基于目标特征的图像预处理技术[J].厦门大学学报：自然科学版，2004（4）：473?478.
[4] 沃焱，韩国强.基于自适应预处理的图像分割方法[J].电子与信息学报，2007（1）：87?91.
[5] 杨枝开，王开.数字图像获取处理及实践应用[M].北京：人民邮电出版社，2003.
[6] 章毓晋.图像分割[M].北京：科学出版社，2001.
[7] 殷瑞娟， 施润和.一种高分辨率遥感影像的最优分割尺度自动选取方法[J].地球信息科学学报，2013（6）：904?910.
[8] 张彦.遥感图像中建筑物分割方法研究[D].天津：河北工业大学，2012.
