第11章数字图像处理的应用学案.pptVIP

（5）图像处理技术在图像通信的研究和应用上具有广阔的市场前景。 图像处理的发展将围绕HDTV的研制、图像及视频在网上的传输、因特网上的图像与视频检索、开展实时图像处理的理论及技术研究，向着高速、高分辨率、立体化、多媒体化、智能化和标准化方向发展。 （6）智能图像信息处理新理论与新技术的研究。 近年来，在图像处理领域引入了一些新的理论和技术，如小波分析、分形几何、人工神经网络、数学形态学、模糊逻辑、遗传算法、自适应信号处理技术、基于智能体的系统等。 这些理论和技术使图像处理的手段更加智能化。 （7）图像处理领域的标准化的研究。 近20多年来，图像的存储、传输等方面已经建立了较多的国际标准，这些标准有力地推动了图像处理市场的发展。 但图像信息的建库、检索和交流是一个重要的问题，有必要建立图像信息库，统一存放格式，建立标准子程序，统一检索方法。 本章小结 数字图像处理的应用十分广泛。 本章主要从功能上介绍了数字图像处理的部分应用系统，包括 图像处理在数字水印上的应用、基于数学形态学的图像颗粒度分析系统、数字化医院中的图像存档与通信系统等。 读者应该能够通过这些实例，举一反三，学习和提出其他的图像处理系统。 * * * 基于内容的图像检索（CBIR）技术 基于内容的图像检索（CBIR, Content-Based Image Retrieval）技术应运而生。 更有效、更直接地反映图像视觉信息必须基于图像本身的属性。 基于内容的图像检索使用颜色、纹理、形状、空间关系等图像的视觉内容来表示和索引图像。 现在基于内容图像检索已经融入了相关反馈技术，让用户参与到检索过程中，从而获得知觉、语义上更加有意义的检索结果。 11.3.3　图像特征的概念 图像的特征是人对图像视觉感受的量化描述。 图像特征从各个方面描述了图像的内在语义，从而可以作为图像的抽象表示。 基于特征（内容）的图像检索利用不同特征定义的相似度表示不同图像之间的相似程度。 基于内容的图像检索 首先要确定特征，以便让计算机自动地或半自动地从图像中提取这些特征。 其次根据这些特征进行相似性度量，认为查询图像与目标图像特征值越接近则两幅图像越相似。 图像特征分为低层特征和高层语义特征 低层特征如颜色、纹理、形状和空间关系等 简单、直观、有效，所以现有的大多数CBIR系统都采用了这些特征。 高层语义特征描述了图像本身与其反映的客观世界之间的关系。 由于图像内容的复杂性，人对图像内容的理解往往建立在经验的基础上，所以人对图像内容的理解很难仅靠统计特征来描述。 语义特征或者由文本标注得到，或者经过基于视觉内容的复杂推理过程得到。 11.3.4　基于内容图像检索系统的框架 CBIR系统一般包括下面几个模块： 用户界面模块、图像输入模块、特征抽取模块、结果显示模块以及用户反馈模块。 各模块独立完成一定的功能： 用户界面模块提供系统与用户的接口； 图像输入模块在向系统输入图像的同时进行预处理； 特征抽取模块完成对特征的提取 决定CBIR系统性能优劣的关键之一； 结果显示模块把示例图像的特征与图像特征库中的特征进行相似匹配，并按相似度从大到小显示图像； 用户反馈模块完成用户与系统的交互，系统根据用户的反馈对参数作相应的调整，从而提高查询正确率。 图11.8 基于内容图像检索系统 11.3.5　相似度测量公式 1．Minkowski-Form距离公式 2．Quadratic Form（QF）距离公式 3．Mahalanobis距离公式（马氏距离） 4．Kullback-Leibler（KL）Divergence和Jeffrey-Divergence（JD）距离公式 11.3.6　基于内容的图像检索系统简介 1.QBIC系统 2.VIRAGE系统 3.VisualSeek/WebSeek系统 4. 章毓晋等人研制的基于特征的图像查询和检索系统。 该系统不仅提供了多种包括颜色、纹理、形状等单一特征的查询和检索手段，而且还可综合利用各种不同特征进行检索操作。 系统采用的特征包括基于累积直方图和局部累积直方图，这是颜色特征；基于灰度共生矩阵的4种纹理量；基于不变矩的形状特征等。系统能自动提取特征向量，能同时显示查询图、特征图和检索结果。 11.3.7　基于内容图像检索技术的研究热点 1.综合特征检索技术 考虑到颜色、纹理、形状和空间关系等特征各有特点，它们各自反映图像某一方面的内容，如果进行综合利用则有可能提高检索性能。 2.相关反馈检索技术 实现了人机交互，用户根据先前检索结果借助权重调整已有的查询要求以给检索系统提供更多更直接的信息，从而使系统能更好地满足用户的需求。 3.基于语义的检索技术 人对图像的理解主要是在语义层次上的，所以将图像的语义特征结合到检索系统中将会极大地提高检索性能。 1