数字图像处理研究报告.ppt

数字图像处理的显著成就3 提取图像中特征的处理： 从图像中抽出感兴趣的区域、物体以特征的形式表现出来，以便计算机识别控制。 人工智能化的图像处理： 用计算机去理解图像，并进行景物分析，即计算机视觉系统 如机动车自动驾驶系统和机器人的视觉操纵系统等。 4、数字图像处理的学科特点 图像处理技术不仅是融合多学科的新兴学科，而且是工程性很强的学科。 计算机应用，涉及的领域包括数学、物理学、生物学以及生理学等基础学科，又在电子技术、计算机科学、信息理论、医学、控制理论以及系统工程等应用学科新成就的促进下迅速发展。 图像系统与研究目标密切相关，需针对不同应用、不同要求采用不同的方法、构建不同的系统。 几个学科之间的关系 数字图像处理(process)：图像~图像 数字图像分析（ analysis ）：图像~非图像的表示 计算机图形学(computer graphics)：用计算机将由概念或数学模型表示的物体（不是实物）进行处理，并显示成图像。 计算机视觉（computer vision）：研究模拟人眼功能的理解自然景物的系统。 数字成像（digital imaging）:更广义的一个概念，涵盖任何用计算机来操作（manipulate）与图像有关数据的技术，包括计算机图形学、计算机视觉、数字图像处理与分析。 课程学习要求 课程的定位为“数字图像处理基础”，即“图像的数字处理基本方法”，讲授的内容主要为应用广泛的、基础的图像处理手段 掌握图像处理的基本理论、基本思想、基本方法 课程体系从“图像处理系统”这个高度出发建立，而讲授重点在图像的计算机处理思想与方法 。 不断拓展的应用领域 遥感(Remote Sensing) 生物医学(Physic) 文件处理(File Manipulation) 科学研究(Science Research) 工业检测(Industry Check) 机器人视觉(Robot Vision) 军事(Military Affairs) 公安(Public Security) 其他 公安(Public Security) 身份辨识 监控 不开箱检查 鉴定 身份的生物识别技术 眼睛虹膜、视网膜 手掌 指纹 语音 面孔、脸部血管 签名 基因 气味 眼睛：最可靠的身份证 虹膜：纤维组织，有250 以上的特征点。 每个虹膜的可识别特征可以得到512字节的资料，称为虹膜代码。 不同人眼的虹膜的60%左右的纹路是相同的，40%是不同的。 两人同一只眼虹膜特征相同的概率是十万分之一，两眼相同的概率是一千亿万分之一。 视网膜：血管构造也具有唯一性和稳定性的特点，可能还更为有效（可获得400个特征点）。 人眼虹膜识别系统 手掌识别 一种最为快捷方便的方法 识别手掌的几何特征 手掌放在录入头表面后，由红外相机获取图像。然后对手掌的整体形状、手指和关节的形状和长度进行测量，从而得到手掌的特征点 准确度不是很高，不能对手掌的其它特征，比如掌纹、伤疤进行分析 可利用的特征点约20~50个 指纹：最成熟的识别技术 从可靠性说，人与人之间，拥有相同指纹的概率为十亿分之一。 每个指纹的特征点很多， “节点” ，也就是指纹纹路的分叉、终止或打圈处的坐标位置。通常，手指上有70个节点，他们同时具有7种以上的唯一的特征。根据美国联邦调查局的研究，在可以用软件识别的节点中，最多有7个或8个相同点。 进行指纹识别时，首先用指纹读取设备获得指纹的图像，然后对原始图像进行初步处理，使得更清晰。指纹识别软件在指纹上找到节点，并转换成特定 的数据。最后，通过模糊比较的方法，把这些数据与数据库中的指纹数据进行比较，得到匹配结果。 最新进展，与指纹的深度信息融合，进一步提高了识别的可靠性和数据的独特性。 人脸识别 ：最友好、直接的系统 人脸检测（Face Detection） 人脸表征（Face Representation） 人脸鉴别（Face Identification）：即人脸识别 表情分析(Facial Expression Analysis) 物理分类（Physical Classification） 人脸检测与定位 特征提取 人脸识别 输入图像 输出结果 人脸自动识别系统构成 笔迹识别 ：友善的生物识别技术 专用签名输入板，用户在板上留下自己的签名，识别过程几乎瞬间完成。 签名力学辨识，建立在其签名时的力度上的。关键在于区分出不同的签名部分，那些是习惯性的，那些是每次签名是都不同的。这个系统主要对每个人签名时笔的移动进行动态分析，如速度的变化、运笔的压力、方向和笔划的长度等，而不是签名的图像本身。 签名识别的可靠性不是很高。 血吸虫、机器人视觉、乐谱分析、语音识别、无人车视觉导航、医学图片处理、遥感图像、景象匹配、