图像处理与理解(第一章).ppt

分辨率 80x60 查视力=检测分辨率？ * * * * * * * * * * * * * * * * * * 自动目标识别技术 （Automatic Target Recognition－简称ATR） 　　实时光学图像相关识别系统的核心技术是自动目标识别技术。由于ATR技术在军事上是导弹精确制导和武器防御系统的关键技术之一，是武器智能化程度的一个重要标准，也代表着一个国家的国防高科技的水平。 以军事应用为例 可能涉及图像处理的主要技术 　　因此，从20世纪60年代开始，美、英、俄、法等国家已投入大量人力、物力和财力开展ATR的理论研究和实际应用推广，并取得显著成果，美国在中东战争中的精确武器打击是最典型的成功范例。 　　当前精确制导武器所取得的成果还是有限的，最主要的问题是目前主要还是依靠人在导弹发射前发现目标，然后人工锁定首帧目标图像进行自动跟踪，而不能实现不需人工参与的由导弹自动识别目标，做不到“打了不管”。特别是在复杂背景下，机器如何像人一样自动识别目标，目前是相当困难的。 涉及图像处理的主要技术 图像分割：虽然国内外学者已提出很多种图像分割算法，但由于背景的多变性和复杂性，至今为止还没有一种能适用于各种背景的图像分割算法。当前提出的小波分析、模糊集、分形等新的智能信息处理方法有可能找到新的图像分割方法。 特征提取：计算描述目标的特征，如目标的几何形状特征、统计特征、矩特征、纹理特征等 图像识别：统计模式识别、模糊模式识别、人工神经网络等 图像跟踪 动态场景的视觉监控 　　动态场景的视觉监控是计算机视觉领域一个新兴的应用方向. 　　对于视觉监控系统而言，一般涉及到运动检测、运动目标分类、运动目标的跟踪以及监视场景中目标行为的理解与描述几个过程。 以安保系统应用为例 　　其中，运动检测、目标分类、人的跟踪属于视觉中的低级和中级处理部分(Low-level and Intermediate-level Vision)，而行为理解和描述则属于高级处理（High-level Vision）。运动检测、运动目标分类与跟踪是视觉监控中研究较多的三个问题，而行为理解与描述则是近年来被广泛关注的研究热点，它是指对目标的运动模式进行分析和识别，并用自然语言等加以描述。 　　由于智能房间的门禁系统、军事安全基地的视觉监控系统、高级人机交互等应用需求，基于运动视觉的生物特征识别技术研究日益显得迫切和重要。例如，在人机交互中不仅需要机器能知道人是否存在、人的位置和行为，而且还需要利用特征识别技术来识别与其交流的人是谁。 　　人运动分析与生物特征识别相结合的视觉监控目前已经成为一个流行的研究方向，特别是非接触式远距离的身份识别研究——基于运动视觉的第二代生物特征识别技术，近来倍受关注。 二、图像与数字图像 1、“图”与“像”的定义： “图”是物体透射或反射光的分布；客观性 “像”是人的视觉系统对图的接收在大脑中形成的印象或认识。主观性 2、模拟图像的表示（物理图像，人眼能看到的图像） 静止图像 彩色静止图像 图像序列 彩色图像序列 当图像内容随时间变化时，为时变图像或运动图像。反之，为静止图像。 由于人眼的视野是有限的，因此图像在空间上是有界的，而且通常定义为矩形，即 图像函数在某一点的值常称为强度或灰度，与图像在这一点的亮度相对应，并用正实数表示，而且这个值的大小是有限的。 图像函数　　　是一个二元、有界、非负的连续函数。 上面讨论的人眼能够看到的图像称之为模拟图像，它的函数是连续的、可解析的，因而是可积的，有可逆的付里叶变换等。但是计算机无法处理、存储和传输模拟形式的图像。 3、数字图像的表示 　一幅模拟图像经过采样和量化使其在空间上和数值上都离散化，形成一个数字点阵，通常采用等间隔采样和均匀量化。 像素 灰度级 采样(Sampling)是指将空间上或时间上连续的图象(模拟图象)变换成离散采样点(象素)集合的一种操作。 　　在实际的采样过程中，采样点间隔的选取是一个极其关键的问题。应满足采样定理。 　M=2m, N=2n 图像分解成像素的方法根据平面设置有正方形阵列，正六角形阵列，正三角形阵列，其中正方形阵列最为常用。 对于一幅图像而言，从模拟图像中获取数字图像，则必须按下图所示的过程进行空间采样和量化。 量化 　　　经过采样后，图象已被分解成在时间和空间上离散的象素，但这些象素的函数值(灰度值)仍然是连续量。量化则是指把这些连续的函数值变换成离散值(整数值)的过程。 　　　图象的量化分为两类，一类是等间隔量化，另一类是非等间隔量化。 等间隔量化即将采样值的灰度范围进行等间隔分于象素灰度值在黑-白范围内均匀分布的图