应用数学现代知识宣讲报告.docVIP

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 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(R)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 segmentation)，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，它体现出图像所具有明亮特性的程度。一模糊阂值法分割图像是以模糊数学描述为基础，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 102 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