图像处理介绍与应用实例.ppt

定位嘴巴中心点 和得到眼睛中心点相似，也是计算其形心即可。 勾勒人脸 得到了眼睛和嘴巴的位置后，已经可以比较精确地定位出人脸来了。两个人眼和嘴巴用三角形勾勒出来，整个人脸用椭圆来近似（图形学技术）。 基于虹膜的身份识别 人眼的窄视场图像 根据虹膜的8条圆环抽取出虹膜的纹理 对识别系统的要求 系统必须是在对个人影响最小的情况下获取信息的。 一段时间前后，同一人的生物特征码前后差异必须很小。 个人的生物特征必须与他人的生物特征有很明显区别。 系统对“虚假数据”有较强的免疫力。 对于特殊应用，系统的性价比要高。 常用生物特征性能的分析比较 获取信息的方便性：指纹、人脸、虹膜、DNA依次为一般、好、好、差。 小类内差异：好、一般、很好、很好。 大类间差异：好、好，很好，很好。 防止假冒方面：好、好、很好、很好。 性价比：一般、一般、一般、差。 系统硬件组成 通用计算机，提供用户界面以及测量控制和视频处理单元的接口。 摄像机云台，安装三个摄像头，捕捉宽视场图像和近视场图像。 云台控制单元 视频处理单元，有专门硬件进行立体视频的实时处理。 系统硬件组成 二维Gabor小波与（φ0,ρ0）处虹膜图像的相关运算 虹膜纹理的知识表示 位于（φ0,ρ0）处的Gabor小波，散差参数是α和β 虹膜纹理最终表示为一个2048维的二值向量，黑色表示0，白色表示1。将Gabor滤波器与虹膜图像进行邻域相关计算，结果的正负号确定了代码的每一位。在相关计算之前，必须对人眼图像进行旋转规范化处理。 虹膜图像识别算法 用宽视场视频和基于相关的立体视觉算法，确定最前面的人头位置。 用模板法确定人脸特征的位置，然后确定左（右）眼位置[x,y,z]。 根据[x,y,z]，利用近视场单色摄像头对准人眼中心，捕捉人眼的清晰图像I。 采用专门的图像处理软件，从人眼图像I得到2048位虹膜代码Q。 采用异或（XOR）运算将虹膜代码Q与数据库中的代码相匹配。如果两代码的差异小于K位，则返回该人的ID；则返回“reject”。 虹膜海明距离分布 同一个体的虹膜海明距离分布（左边），不同个体的虹膜海明距离分布（右边） 数字图像处理应用 军事侦察、高精度制导 （夜视?红外传感；智能火炮/图像制导?视频跟踪；毫米波成像） 视频跟踪示例 监视目标 计算机 摄像头 云台 数字图像处理应用 数字图像处理应用 通讯（图像压缩编码；可视电话） 其它 数字水印技术—指在数字化的数据内容中嵌入不明显的记号。被嵌入的记号通常是不可见或不可察的，但是通过一些计算操作可以被检测或者被提取。水印与源数据（如图象、音频、视频数据）紧密结合并隐藏其中，成为源数据不可分离的一部分，并可以经历一些不破坏源数据使用价值或商用价值的操作而保存下来。 数字图像处理应用 原始图像 加入水印后的图像 水印 数字图像处理应用 基于内容的图像检索——在海量图像（视频）数据库中，仅根据样本图像的内容，完成查询和检索。 样本图像 数字图像处理应用 系统界面示例 DSP组成的目标检测与识别系统 1．DSP实现目标检测识别的基本框图 2．图像算法的处理流程 目标 分割 目标 识别 目标 跟踪 视频 合成 图像 预处理 图像处理流程 3．算法中的关键技术 1） 空域高通滤波将小目标进行增强，提高它的信噪比。 2） 自适应门限分割技术。 3） 图像特征匹配，通过多帧检测，识别出真正的目标。 基于视频的车辆检测——利用道路监视用的视频设备，获得当前时候通过某个监视路段的车辆情况（车流量、车型及跟踪）。 背景提取 判断当前帧目标物的点和非目标物的点 对非目标物 的点进行更新 背景更新 背景差 车辆预提取 车辆阴影部分 车辆提取结果 车辆提取 对目标物进行贴标签 车辆标识 车辆跟踪 进入区 跟踪区 检测线 离开区 8数字图像处理技术发展方向 速度（并行计算，硬件实现，实时性） 存储 交互（人机界面） 高分辨率（多传感器融合+超分辨复原） 多波段（传感技术更丰富） 网络化（与多媒体技术结合） 智能化（图像理解，机器视觉等） 标准化 理论体系 （新的数学方法，新的理论方法） 多学科交叉（人工智能，视觉生理/心理，等） 数字图像处理应用 网 裂 龟 裂 公路损害检测 数字图像处理应用 医疗诊断 胸部X射线成像 血管造影图像 头部CT图像 数字图像处理应用 超声波成像的例子 不同角度的胎儿成像 甲状腺；受损肌肉层 数字图像处理应用 多器官伪彩显示 三维彩色CT技术 数字图像处理应用 （观察角度变化） 生物