導(dǎo)語：如何才能寫好一篇數(shù)字圖像處理綜述，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

【關(guān)鍵詞】：數(shù)字圖像處理；實(shí)驗(yàn)；創(chuàng)新

【引言】：數(shù)字圖像處理是一門迅速發(fā)展的新興學(xué)科，發(fā)展的歷史并不長。由于圖像是視覺的基礎(chǔ)，而視覺又是人類重要的感知手段，故數(shù)字圖像成為心理學(xué)、生理學(xué)、計(jì)算機(jī)科學(xué)等諸多方面學(xué)者研究視覺感知的有效工具【1】?！皵?shù)字圖像處理”是高校電子信息類本科生的重要專業(yè)課，在信號(hào)處理系列課程中扮演重要角色，它的任務(wù)是為相關(guān)碩士博士點(diǎn)培養(yǎng)專業(yè)研究人才打下堅(jiān)實(shí)基礎(chǔ)，它是一門理論性和實(shí)踐性都很強(qiáng)的課程，如何培養(yǎng)學(xué)生扎實(shí)的專業(yè)理論基礎(chǔ)和實(shí)踐創(chuàng)新能力，成為一個(gè)亟待研究的課題。

1 “數(shù)字圖像處理”課程的教學(xué)體系結(jié)構(gòu)

“數(shù)字圖像處理”課程的前置課程除了“高等數(shù)學(xué)”等公共基礎(chǔ)課，還包括信息與通信工程學(xué)科方向的“信號(hào)與系統(tǒng)”、“數(shù)字信號(hào)處理”、“信息論與編碼”等專業(yè)基礎(chǔ)課。瑞典布萊金格理工學(xué)院對這些前置課程與學(xué)生的接受能力之間的關(guān)系M行了研究[2]。通過本課程數(shù)字圖像及成像基礎(chǔ)、二維數(shù)字信號(hào)處理基本理論、灰度及彩色圖像壓縮、增強(qiáng)、分割等基本處理算法的學(xué)習(xí)，學(xué)生熟悉并掌握數(shù)字圖像處理方面的基本知識(shí)、基本理論和基本技能，重點(diǎn)掌握基于圖像變換理論的圖像增強(qiáng)、圖像壓縮和圖像分割等處理算法，它為深入學(xué)習(xí)數(shù)字圖像處理及其在專業(yè)中的應(yīng)用打下了基礎(chǔ)。在教學(xué)實(shí)踐中，我們將“數(shù)字圖像處理”的教學(xué)體系結(jié)構(gòu)分為三個(gè)模塊[5-6]：1）緒論部分：這一部分主要介紹數(shù)字圖像處理的發(fā)展歷史、研究內(nèi)容和基本概念，力爭幫助同學(xué)把握學(xué)科發(fā)展沿革和應(yīng)用方向，了解整體架構(gòu)，建立研究和實(shí)踐的興趣。2）理論部分：按照空域處理（包括直方圖、點(diǎn)處理、代數(shù)處理、幾何處理）、頻域處理（傅立葉等離散正交變換、濾波器處理）、統(tǒng)計(jì)模型方法的順序進(jìn)行講解。在這一部分，我們遵循系統(tǒng)深入的原則，基于圖像處理的例子，幫助學(xué)生系統(tǒng)復(fù)結(jié)并領(lǐng)會(huì)各種理論方法之間的邏輯順序與本質(zhì)。由于圖像處理具有理論性和可視化強(qiáng)的特點(diǎn)，在這個(gè)部分教學(xué)中，我們希望加強(qiáng)學(xué)生對前置課程所學(xué)基本理論和方法的深入理解，使其充分認(rèn)識(shí)理論知識(shí)在實(shí)際應(yīng)用中的指導(dǎo)意

義，并體會(huì)理論本身的魅力。3）應(yīng)用部分：在這一部分教學(xué)中，我們充分發(fā)揮圖像處理應(yīng)用性強(qiáng)的特點(diǎn)，選擇基礎(chǔ)性和典型性強(qiáng)的圖像壓縮、圖像增強(qiáng)、邊緣提取與圖像分割、圖像特征提取等應(yīng)用，重點(diǎn)講述應(yīng)用基礎(chǔ)理論和方法解決實(shí)際問題的常用系統(tǒng)與方法，進(jìn)一步訓(xùn)練同學(xué)的動(dòng)手實(shí)踐能力，激發(fā)學(xué)生學(xué)習(xí)興趣【3】。

2、實(shí)驗(yàn)實(shí)踐教學(xué)體系特點(diǎn)：

2.1從基礎(chǔ)的電子電路和集成電路的分析、設(shè)計(jì)和測試等“微觀”視角入手，不斷遞進(jìn)推廣到包含完整的通信網(wǎng)絡(luò)等“宏觀”視角，使得學(xué)生可以建立起完整的信息與通信知識(shí)體系，了解本學(xué)科領(lǐng)域的最新前沿技術(shù)【4】。

2.2從相對獨(dú)立的電路、器件、芯片等“點(diǎn)”入手，到電磁場與微波、無線、光纖和衛(wèi)星等“線”為脈絡(luò)，再推廣網(wǎng)絡(luò)與交換、多媒體通信、廣播電視和傳感網(wǎng)等“面”的體系，構(gòu)建了完整的“點(diǎn)-線-面”結(jié)構(gòu)和具有“全程全網(wǎng)”特色現(xiàn)代信息通信網(wǎng)絡(luò)實(shí)驗(yàn)環(huán)境【5】。

3、分組實(shí)驗(yàn)

實(shí)驗(yàn)是數(shù)字圖像處理課程必修的環(huán)節(jié)，實(shí)驗(yàn)階段學(xué)生要完成兩個(gè)內(nèi)容： 綜述報(bào)告和編程實(shí)驗(yàn)。在綜述報(bào)告部分，教師根據(jù)圖像處理的發(fā)展前沿和應(yīng)用領(lǐng)域給出綜述報(bào)告的題目，學(xué)生也可根據(jù)自己感興趣的領(lǐng)域自擬題目；對于編程實(shí)驗(yàn)，各組根據(jù)實(shí)驗(yàn)任務(wù)書的內(nèi)容完成相應(yīng)的任務(wù)要求【6】。這兩個(gè)實(shí)驗(yàn)內(nèi)容學(xué)生是以組為單位完成的，各組由組長負(fù)責(zé)根據(jù)各自的情況完成實(shí)驗(yàn)任務(wù)的分工。由于實(shí)驗(yàn)課時(shí)數(shù)的限制，大部分實(shí)驗(yàn)任務(wù)是學(xué)生在課下時(shí)間完成的。

結(jié)語

實(shí)驗(yàn)教學(xué)在具體實(shí)施過程中仍有諸多問題有待解決，如指導(dǎo)老師工作量的認(rèn)定，學(xué)生提交作品創(chuàng)新程度的鑒定等。開展創(chuàng)新型實(shí)驗(yàn)對于學(xué)生和老師都是一個(gè)新的挑戰(zhàn)，只有對教學(xué)實(shí)踐進(jìn)行改革，選擇適當(dāng)?shù)膶?shí)驗(yàn)內(nèi)容，有組織地執(zhí)行預(yù)定實(shí)驗(yàn)計(jì)劃，才能探索出一條適合從教學(xué)向教學(xué)研究過渡的實(shí)踐教學(xué)體系。

【參考文獻(xiàn)】：

[1]于猛，單亦先. 構(gòu)建完善的實(shí)踐教學(xué)體系[J]. 實(shí)驗(yàn)室研究與探索，2009， 28（ 5） ： 126-128， 139.

[2]潘清林，黃繼武，徐國富，等.材料科學(xué)與工程實(shí)驗(yàn)教學(xué)中心的改革與實(shí)踐[J].實(shí)驗(yàn)室研究與探索，2009，28（1）：108-111.

[3]葉國榮，陳達(dá)強(qiáng). 高校本科生教育中研究型教學(xué)模式探討[J]. 中國高教研究， 2009（ 3） ： 90-91.

[4] 盧德馨. 關(guān)于研究型教學(xué)的進(jìn)一步探討[J]. 中國高等教育， 2004（ 21） ： 24-24.

篇2

針對培養(yǎng)學(xué)生應(yīng)用型研究能力的目標(biāo)，我們在教學(xué)方法設(shè)計(jì)上本著激發(fā)學(xué)生的學(xué)習(xí)興趣，開闊學(xué)生眼界，給學(xué)生提供更自由的思考空間的原則，通過下面兩個(gè)措施來實(shí)現(xiàn)我們的目標(biāo)。

1.1精心選擇案例

選擇的案例要貼近實(shí)際生活，并與課堂上講授的方法緊密銜接。例如，在講解圖像增強(qiáng)和復(fù)原這兩章之后，我們引入在實(shí)際生活中常見的“圖像去霧”問題，通過如下方法，培養(yǎng)學(xué)生研究能力。

（1）要求學(xué)生先嘗試用學(xué)過的算法來解決這個(gè)問題，并在課堂進(jìn)行算法討論，給出算法結(jié)果。

（2）要求學(xué)生針對具體問題，查閱文獻(xiàn)資料，了解別人的解決方法。通過查閱國內(nèi)外的文獻(xiàn)資料，同學(xué)們知道了如何根據(jù)關(guān)鍵詞查詢科研論文，了解哪些電子數(shù)據(jù)庫中有與專業(yè)相關(guān)資料，知道了文獻(xiàn)的級別有SCI、EI、核心期刊、一般期刊等。

（3）學(xué)生將查到的算法進(jìn)行分類和總結(jié)，撰寫文獻(xiàn)綜述。

（4）每位學(xué)生都需要編程實(shí)現(xiàn)“圖像去霧”算法，這個(gè)算法是結(jié)合自己的思考、實(shí)踐以及查閱文獻(xiàn)的結(jié)果。通過自己動(dòng)手，同學(xué)們發(fā)現(xiàn)如果圖像的清晰度不好，有噪聲，或者沒有歸一化，結(jié)果就完全不同。通過自己動(dòng)手驗(yàn)證，同學(xué)們會(huì)發(fā)現(xiàn)圖像處理領(lǐng)域的一個(gè)最為重要的特點(diǎn)——任何算法主要都是針對一類圖像或是針對一類問題而設(shè)計(jì)的，因此在算法的適應(yīng)性上需要有所考慮。

1.2全面介紹圖像處理的各個(gè)應(yīng)用領(lǐng)域

老師在課堂上介紹幾個(gè)圖像處理涉及的較為重要的應(yīng)用方向（如視頻監(jiān)控、圖像檢索、人臉識(shí)別、運(yùn)動(dòng)檢測、車牌檢測等）后，將同學(xué)們進(jìn)行分組，每組負(fù)責(zé)查找一個(gè)應(yīng)用方向的相關(guān)資料，討論和匯報(bào)自學(xué)的結(jié)果。匯報(bào)內(nèi)容主要包括：①應(yīng)用方向的介紹；②涉及的主要問題；③目前的解決方法及應(yīng)用成果。通過查找文獻(xiàn)，同學(xué)們不僅對課上學(xué)習(xí)過的經(jīng)典算法有進(jìn)一步了解，同時(shí)還接觸到很多新算法。通過聽取各組匯報(bào)，同學(xué)們在較短的時(shí)間里，了解了圖像處理涉及的多個(gè)主要的應(yīng)用領(lǐng)域。針對每個(gè)應(yīng)用研究領(lǐng)域，老師引導(dǎo)學(xué)生分析該領(lǐng)域的難點(diǎn)和重點(diǎn)，提出問題，再讓學(xué)生思考解決方案，沒有標(biāo)準(zhǔn)答案，只希望能夠鍛煉學(xué)生的思考能力。以“人臉識(shí)別”為例，有很多經(jīng)典的或較新穎的算法，老師會(huì)結(jié)合應(yīng)用領(lǐng)域?qū)ζ渲谐Ｓ玫幕虮容^重要的算法，如PCA方法和Adaboost算法，進(jìn)行詳細(xì)講解，使學(xué)生全面了解圖像處理算法的應(yīng)用領(lǐng)域。

2數(shù)字圖像處理實(shí)驗(yàn)內(nèi)容設(shè)計(jì)

針對培養(yǎng)學(xué)生的應(yīng)用技術(shù)能力的目標(biāo)，同時(shí)考慮到本課程實(shí)驗(yàn)學(xué)時(shí)數(shù)較少，我們設(shè)計(jì)了兩個(gè)實(shí)驗(yàn)——基礎(chǔ)性實(shí)驗(yàn)和綜合性實(shí)驗(yàn)。

2.1基礎(chǔ)性實(shí)驗(yàn)

目前很多經(jīng)典的圖像處理算法是用VC++程序?qū)崿F(xiàn)的，我們要求大家學(xué)會(huì)讀程序，能夠看懂已有的算法實(shí)現(xiàn)程序，并在此基礎(chǔ)上能開發(fā)新的功能。實(shí)驗(yàn)一：實(shí)現(xiàn)對多種圖像格式的支持（2學(xué)時(shí)）實(shí)驗(yàn)內(nèi)容：采用VC++編碼實(shí)現(xiàn)，基于CDib類，添加支持打開，并保存多種圖像格式的功能，包括JPEG和GIF。實(shí)驗(yàn)要求：利用學(xué)習(xí)的圖像壓縮的知識(shí)，利用現(xiàn)有的編碼解碼庫實(shí)現(xiàn)對JPEG和GIF圖像的打開和保存。實(shí)驗(yàn)?zāi)康模毫私舛喾N圖像格式，編寫針對多種圖像格式的讀寫程序，能夠進(jìn)一步理解針對圖像的編程的特點(diǎn)，同時(shí)也進(jìn)一步了解開發(fā)圖像應(yīng)用程序的適應(yīng)性問題。

老師在課程初期會(huì)向大家介紹圖像處理的一個(gè)公開庫——CDib類。該類很好地封裝了圖像的數(shù)據(jù)結(jié)構(gòu)，涉及很多圖像的基本操作。我們知道現(xiàn)實(shí)生活中的圖像常常都是壓縮格式的，如BMP、JPEG、PNG、GIF等。因此在講完圖像的壓縮格式后，對照講過的BMP圖像結(jié)構(gòu)，老師要求學(xué)生為CDib類添加能夠支持多種圖像格式的功能。以GIF圖像為例，它不同于如JPEG、PNG等格式，GIF采用的是LZW壓縮算法，使用的是無損壓縮技術(shù)。GIF圖像的特點(diǎn)是可以一次壓縮多幅圖像，圖像顏色表控制為256色，使用漸顯方式。

3.2綜合性實(shí)驗(yàn)

針對綜合性實(shí)驗(yàn)，我們會(huì)擬定多個(gè)題目讓學(xué)生選擇，如樹葉提取、花朵提取、車牌識(shí)別等。實(shí)驗(yàn)二：數(shù)字號(hào)碼圖像的識(shí)別（6學(xué)時(shí)）實(shí)驗(yàn)內(nèi)容：采用VC++編碼實(shí)現(xiàn)，基于CDib類，針對數(shù)字號(hào)碼圖像，識(shí)別出數(shù)字，給出文本顯示結(jié)果。實(shí)驗(yàn)要求：將該題目進(jìn)行分解，劃分任務(wù)；組內(nèi)每個(gè)同學(xué)負(fù)責(zé)一部分任務(wù)的編程工作；每個(gè)人針對自己負(fù)責(zé)的工作至少提供兩種實(shí)現(xiàn)方法，并放入整個(gè)項(xiàng)目流程中驗(yàn)證這兩種方法的有效性；最后總結(jié)出兩種方法的異同以及適應(yīng)的范圍。實(shí)驗(yàn)?zāi)康模嚎疾閷W(xué)生對數(shù)字圖像處理應(yīng)用中每個(gè)步驟的掌握程度和項(xiàng)目合作溝通能力。上述實(shí)驗(yàn)涉及以下幾個(gè)步驟。①圖像的預(yù)處理；②圖像的分割；③圖像的特征提取；④圖像的分類。組中每個(gè)學(xué)生負(fù)責(zé)一個(gè)步驟，所有步驟都需要盡心設(shè)計(jì)，這樣整體的效果才可能最好。同時(shí)大家需要協(xié)商各自負(fù)責(zé)模塊的入口和出口的數(shù)據(jù)結(jié)構(gòu)，保證數(shù)據(jù)能夠在模塊之間順利流轉(zhuǎn)。這種協(xié)商和分工合作的能力是軟件工程專業(yè)最需要的技術(shù)能力之一。

以“數(shù)字號(hào)碼圖像識(shí)別”為例，該題目可以分割成4個(gè)步驟：預(yù)處理、數(shù)字圖像切分、數(shù)字圖像特征提取和數(shù)字識(shí)別。在每個(gè)步驟中都有分別需要注意的問題，如在預(yù)處理階段，需要對圖像進(jìn)行去噪聲，增強(qiáng)對比度，甚至需要進(jìn)行膨脹和腐蝕將圖像中斷裂的數(shù)字部分連通起來；在數(shù)字圖像切分階段需要制定適應(yīng)性廣泛的切分策略來應(yīng)對各種情況，如數(shù)字排列可以呈現(xiàn)任意的傾斜角度，或數(shù)字字符相連等；在數(shù)字圖像特征提取階段，我們可以考察每個(gè)數(shù)字圖像的自相關(guān)系數(shù)特征，或者每個(gè)數(shù)字圖像的頻譜特征，也可以考察數(shù)字圖像的幾何拓?fù)涮卣?，如將?shù)字圖像分成2個(gè)洞的（8），1個(gè)洞的(4，6，9，0），沒有洞的（1，2，3，5，7），針對每個(gè)類別再提取新的幾何特征；在數(shù)字圖像識(shí)別階段，可以采用神經(jīng)網(wǎng)絡(luò)的分類器，或者利用制定的一些分類策略來分類，或者采用主成份分析（PCA）的方法來識(shí)別。

4結(jié)語

篇3

關(guān)鍵詞：注冊；識(shí)別；圖像獲取

1.指紋識(shí)別技術(shù)的發(fā)展

在生活中較常見的指紋識(shí)別應(yīng)用有：指紋鎖、指紋考勤、指紋門禁、指紋保管箱、筆記本電腦指紋登陸模塊、手機(jī)指紋開機(jī)驗(yàn)證模塊、指紋網(wǎng)上銀行。相信隨著技術(shù)發(fā)展成熟，應(yīng)用成本越來越低，指紋識(shí)別技術(shù)會(huì)越來越廣泛地應(yīng)用到我們?nèi)粘Ｉ钪衼怼?/p>

指紋識(shí)別由于其電子門鎖技術(shù)的成熟和成本降低，開始徹底走向民用。國內(nèi)生物識(shí)別未來將形成上百億元的市場，其中安防業(yè)是最重要的應(yīng)用領(lǐng)域之一，市場空間很大。目前，羅湖口岸已經(jīng)用了指紋通關(guān)，德國將指紋識(shí)別付款應(yīng)用到某些超市中。預(yù)計(jì)指紋門禁、指紋讀卡器、指紋智能鎖，指紋門禁考勤一體機(jī)及相關(guān)指紋身份識(shí)別系統(tǒng)將會(huì)迅速普及到每一個(gè)安全防范項(xiàng)目和智能大廈，目前國內(nèi)年門禁安裝數(shù)量大約是在50萬門以上，其中指紋識(shí)別的在門禁應(yīng)用大概只有1%左右，而一般國外這個(gè)比例大約應(yīng)為20%以上。換句話說，在國內(nèi)安防業(yè)，生物識(shí)別產(chǎn)品的市場缺口在9.5萬臺(tái)左右，另一個(gè)比較明顯的狀況是，目前專門從事指紋讀頭和電子門鎖指紋門禁生產(chǎn)和銷售企業(yè)很少，所以綜合起來看這個(gè)市場有兩個(gè)明顯的特點(diǎn)：市場大，競爭少。

社會(huì)在不斷的進(jìn)步，身份的鑒別工作也提出越來越高的要求，在各種生物特征識(shí)別技術(shù)中，歷史最悠久、使用最廣泛的無疑是指紋識(shí)別技術(shù)，是一種相對比較成熟的身份鑒別方法，無論是在科學(xué)研究還是在工業(yè)界的實(shí)際應(yīng)用中都得到了人們的廣泛關(guān)注。盡管指紋識(shí)別技術(shù)在研究與使用得到了關(guān)注，但其發(fā)展還是不能滿足社會(huì)日益增長的需求，究其原因是指紋識(shí)別在識(shí)別率、穩(wěn)定性以及識(shí)別速度等方面還不能夠滿足實(shí)際使用時(shí)的要求。

 2.指紋識(shí)別技術(shù)的應(yīng)用

   毫無疑問，指紋識(shí)別技術(shù)具有廣泛的市場前景，其社會(huì)效益及經(jīng)濟(jì)效益是具大的，一般的自動(dòng)指紋識(shí)別技術(shù)都需要有四個(gè)過程，即指紋圖像的獲取、指紋圖像的處理、指紋特征提取和指紋匹配，也就是說，指紋識(shí)別的大部分工作都是數(shù)字圖像處理的工作，而本文的主要研究內(nèi)容也是數(shù)字圖像處理在指紋識(shí)別中的應(yīng)用。在數(shù)字圖像處理中，圖像獲取就是把一幅模擬圖像（如照片、畫片等）轉(zhuǎn)換成適合計(jì)算機(jī)或數(shù)字設(shè)備的數(shù)字信號(hào)。這一過程主要包換攝取圖像、光電轉(zhuǎn)換、數(shù)字化等步驟，而指紋圖像的獲取就是通過一定的設(shè)備采集手指表面的指紋凹凸信息同時(shí)將之轉(zhuǎn)化為數(shù)字信號(hào)圖像的過程；而在指紋圖像處理的過程中，包含了幾種常用的圖像處理手段，如圖像增強(qiáng)，圖像分割等，其中在圖像增強(qiáng)的過程中又包含了灰度與對比度的處理過程，主要是為了突出圖像中感興趣的信息，衰減或去除不需要的信息，從而使有用的信息得到增強(qiáng)，便于目標(biāo)區(qū)分或?qū)ο窭斫?；指紋特征提取則是從經(jīng)過預(yù)處理的圖像中提取指紋特征；指紋匹配顧名思義是指匹配指紋的特征，從而進(jìn)行識(shí)別。故對幾幅指紋圖像進(jìn)行匹配一般是從圖像中提取的特征進(jìn)行匹配。

一般來說，指紋圖像有全局特征和局部特征兩大特征，能夠反映指紋整體開關(guān)特征的是全局特征，這個(gè)特征的提取一般局于指紋分類；能夠反映指紋細(xì)節(jié)特點(diǎn)是局部特征，這個(gè)特征一般用于指紋對比。指紋線中的中斷點(diǎn)、交叉點(diǎn)及拐點(diǎn)是指紋的特征點(diǎn)。

指紋識(shí)別系統(tǒng)的主要工作分為兩個(gè)階段，即注冊階段與識(shí)別階段，也就是提取指紋特征和識(shí)別指紋特征的過程。一般在注冊階段，都要求輸入各自的用戶名以及對應(yīng)的指紋，該過程需要將手指放在專門的采集指紋窗口上，經(jīng)過指紋識(shí)別系統(tǒng)的指定模塊特征提取模塊將輸入指紋的特征提取出來，結(jié)合用戶名形成一個(gè)數(shù)據(jù)庫；識(shí)別階段時(shí)，該系統(tǒng)會(huì)將輸入的指紋與數(shù)據(jù)庫中現(xiàn)在有的指紋中進(jìn)行一系列的匹配，特征點(diǎn)特征線等，這個(gè)過程需要讀取數(shù)據(jù)庫中保存的指紋特征信息。通用的指紋識(shí)別系統(tǒng)的流程圖如圖1所示。

圖1指紋識(shí)別系統(tǒng)

就使用情況看，現(xiàn)有的指紋識(shí)別系統(tǒng)通常分為兩大類，即嵌入式系統(tǒng)和計(jì)算機(jī)終端指紋識(shí)別系統(tǒng)。嵌入式系統(tǒng)是一個(gè)獨(dú)立的系統(tǒng)，它不需要其它的設(shè)備就可以完成工作，這方面的應(yīng)用有指紋鎖，指紋考勤機(jī)（此處的指紋考勤機(jī)需要定期連接設(shè)備讀取存檔）等；計(jì)算機(jī)終端的指紋識(shí)別系統(tǒng)的設(shè)計(jì)與使用則更加靈活，通過計(jì)算機(jī)的分配，可以使多個(gè)系統(tǒng)共同使用指紋數(shù)據(jù)庫，若用在考勤設(shè)備中，則可以實(shí)時(shí)顯示該工作人員是否在崗。

除了公司等地的考勤、安保等地，還有一個(gè)與我們是日常生活更為接近的使用場合，即筆記本的指紋識(shí)別系統(tǒng)，現(xiàn)在，有很多品牌的筆記本已經(jīng)將指紋識(shí)別系統(tǒng)應(yīng)用到計(jì)算機(jī)上，筆記本的指紋識(shí)別系統(tǒng)大概經(jīng)歷了兩代，第一代的指紋識(shí)別系統(tǒng)使用的是光學(xué)識(shí)別系統(tǒng)，這種技術(shù)容易出錯(cuò)而且不穩(wěn)定，而第二代指紋識(shí)別系統(tǒng)采用的是電容傳感技術(shù)，利用小信號(hào)創(chuàng)建指紋圖像的半導(dǎo)體設(shè)備，電容傳感器產(chǎn)生的電子信號(hào)可以直接達(dá)到真皮層讀取指紋圖案，提高了整個(gè)系統(tǒng)的可靠性。

3.結(jié)束語

   指紋作為生物特征之一，其先天具有的不變性，唯

一性和可分類性，是公認(rèn)的具有法律地位的個(gè)人身份特

征的可靠證據(jù)。指紋識(shí)別系統(tǒng)相對其他生物識(shí)別系統(tǒng)，

起點(diǎn)較早、種類最多應(yīng)用最廣泛，由于指紋識(shí)別系統(tǒng)成

本低，可以集成在很小的芯片上進(jìn)行處理，已經(jīng)普遍被

用來替換用戶名/ 口令、電子令牌等傳統(tǒng)的身份認(rèn)證終

端設(shè)備。目前，指紋識(shí)別系統(tǒng)已用到了幾乎所有需要進(jìn)

行安全性防范的場合，遍及諸多領(lǐng)域。

參考文獻(xiàn)：

[1] 郭浩.基于嵌入式隱Markov模型的指紋分類和匹配研究.[博士學(xué)位論文].大連:大連理工大學(xué),2004

[2] Jain A K, Pankanti S. Automated Fingerprint Identification and Imaging Systems. Technical Report. Miehigan State University，1999.

[3] 李曉昆.基于結(jié)構(gòu)特征的指紋識(shí)別.計(jì)算機(jī)工程與科學(xué).1999,21(2):25~29

[4] 王崇文，李見為等.自動(dòng)指紋識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).計(jì)算機(jī)應(yīng)用.2001,12:63~65

[5] 章毓晉.中國圖像工程及當(dāng)前的兒個(gè)研究熱點(diǎn).計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2002,14(6):489~193

[6] 高靖靖.指紋識(shí)別預(yù)處理算法研究:[碩士學(xué)位論文].成都:電子科技大學(xué),2007

篇4

關(guān)鍵詞：圖像處理；數(shù)字水印；空域水??；信息隱藏；zigzag置亂

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2012)07-1614-04

Spatial Domain Watermarking Research Based on the Zigzag Scrambling

ZHAO Hong-qiao, LUO Yang

(University of South China, Computer Science and Technology College, Hengyang 421001, China)

Abstract: A new blind watermarking method for robust spatial-domain digital image in this paper. Zigzag transformation is utilized to scramble watermark and general a new watermark. Then, the watermark is embedded in bigger contrast regions of image by a quantization strategy. This scheme can be adapted to various texture images, and the algorithm of extracting the watermark doesn’t need the original image. Experimental results show that the proposed method is robust for some image processing operation such as salt and pepper noise.

Key words: image processing; digital watermarking;spatial domain watermarking; information hiding; zigzag scrambling

數(shù)字水?。―igital Watermarking）技術(shù)[1]是一種有效的數(shù)字產(chǎn)品版權(quán)保護(hù)和數(shù)據(jù)安全維護(hù)技術(shù)，是將一些標(biāo)識(shí)信息（即數(shù)字水?。┲苯忧度霐?shù)字載體當(dāng)中（包括多媒體、文檔、軟件等)或是間接表示(修改特定區(qū)域的結(jié)構(gòu))，且不影響原載體的使用價(jià)值，也不容易被探知和再次修改。數(shù)字水印通常滿足不可感知性、可靠性和魯棒性這三個(gè)要求。近年來數(shù)字水印技術(shù)取得了很大的發(fā)展，許多數(shù)字水印方案被相繼提出。這些方案大體可以分為空域水印和變換域水印兩大類。其中，變換域水印方法是先將圖像做某種變換（特別是正交變換），然后把水印嵌入到圖像的變換域（DCT變換或DWT變換等）中?？沼蛩》桨傅膬?yōu)勢在于水印容量大和算法易于實(shí)現(xiàn)。目前大多數(shù)空域水印方案都是基于圖像像素LSB[3]（即最不重要比特位）的嵌入思想。

M.S.HWANG等采用單向HASH函數(shù)提高了水印算法的安全性；宋琪等提出了用隨機(jī)數(shù)置亂水印嵌入位置來提高安全性的方法，并將水印嵌入到非LSB位平面；但隨機(jī)產(chǎn)生的水印嵌入位置存在沖突現(xiàn)象，需要用記錄表來解決此沖突問題[4]。陳永紅采用單個(gè)混沌系統(tǒng)來隨機(jī)產(chǎn)生水印嵌入位置，也不可避免出現(xiàn)位置沖突問題,其解決辦法是采用記錄表。

本方案主要提出了一種空域的數(shù)字圖像盲水印方案，主要原理是結(jié)合人眼的視覺模型，利用量化策略將數(shù)字水印嵌入到對比度較大的區(qū)域，較好的滿足了不可感知性的要求。相較于變換域的方法他較易于硬件實(shí)現(xiàn)，計(jì)算量小，能夠滿足快速實(shí)時(shí)響應(yīng)。

1算法描述

1.1數(shù)字水印嵌入過程

一個(gè)完整的數(shù)字水印系統(tǒng)通常包含三個(gè)基本部分：水印的生成、嵌入和水印的提取檢測。水印的嵌入算法[4]通常是利用對稱的密鑰或公開密鑰實(shí)現(xiàn)把水印嵌入到原始載體信息中，得到隱秘載體。圖1顯示了方案的整體框圖。

1.2生成水印圖像

設(shè)原始水印圖像為M×N維的灰度圖像，將每個(gè)像素點(diǎn)隨機(jī)重排列形成一個(gè)新的水印圖像。

1.2.1 Zigzag變換

Zigzag置換[5]是一種置亂方法。圖像置亂的任務(wù)之一是將圖像打亂，使其滿足統(tǒng)計(jì)上和視覺上的具有服從均勻分布的白噪聲的特性。一般來說，圖像的置亂度越高，其隱藏的信息安全性越高，抗攻擊性越好。Zigzag置換是通過對一個(gè)矩陣中的元素從左下角開始按"之"字形依次掃描取數(shù)來達(dá)到對數(shù)據(jù)進(jìn)行置換。首先將掃描到的元素先依次存放到一個(gè)一維數(shù)組中，如圖2所示，然后再將此一維數(shù)組按一定的方式置換為二維矩陣，則上述的置換過程可看作是對矩陣中元素的置換，這樣的過程就叫做Zigzag置換。Zigzag置換的特點(diǎn)是算法實(shí)現(xiàn)簡單，時(shí)間復(fù)雜度低。其在數(shù)字圖像處理中應(yīng)用比較多，基于Zigzag置亂在視頻加密方法及圖像數(shù)據(jù)壓縮等方面已有廣泛的應(yīng)用。

圖2二維矩陣變換成一維數(shù)組

置亂算法描述如下：

1）輸入原始水印圖像大小為M×N文件W及預(yù)設(shè)的迭代次數(shù)N；

2）按某種順序R依次對圖像水印文件W的每個(gè)元素掃描，并將掃描到的像素值放入到一個(gè)一維數(shù)組中，得到1×M×N的數(shù)組B0; 3）按照某種規(guī)則r將B0變換為矩陣B，令W=B；

4）重復(fù)2），3）直至N次

5）輸出置亂圖像B原水印圖像（a）置亂次數(shù)T=5（b）置亂次數(shù)T=10(C)

圖3置亂效果比較圖

顯然有圖3可知，選取不一樣的R，r將得到不同置亂方法。置亂次數(shù)n不同，也可以得到不同程度的置亂圖像。因此，R，r，n可以作為置亂的加密密鑰。本文選取方法是從左下角往上一次掃描，如圖2所示，n選取為10。經(jīng)過置亂后，水印圖像在視覺和統(tǒng)計(jì)上服從均與分布的白噪聲的特性。

1.3水印圖像的嵌入

設(shè)原始圖像為大小O×P的灰度圖像I(x,y)，將圖像I分割成互不重疊的大小為8×8的K塊，每塊記為bk，即I(x,y)=∑

3p/2≤rk

式中，meank表示塊bk的平均灰度值;p表示水印嵌入的深度參數(shù)，屬于預(yù)先設(shè)定的參數(shù)，p值越大，水印表現(xiàn)的嵌入程度越深，魯棒性越好，但是可見性越高，通常取值0-5之；rk表示量化參數(shù)，用于選擇不同情況下的嵌入的規(guī)則；mkj表示水印圖像的第K個(gè)像素點(diǎn)的二進(jìn)制表示的第j位；ck為塊bk中第k個(gè)像素點(diǎn)增加的偏移量。

1.4水印圖像的提取

從水印的嵌入來看，加過水印的圖像塊bk中的像素灰度值均加入了一個(gè)相同的偏移量，其均值變?yōu)閙eank+ck，但其方差比沒有發(fā)生改變。所以在提取水印中的能夠通過方差的排序重新定位到嵌入水印的塊。

提取算法步驟具體如下：

1）將添加過水印的圖像按照8×8分割成互不重疊的分塊bk，計(jì)算每個(gè)分塊bk的方差，按方差由大到小的順序進(jìn)行排列，選取出前K塊作為嵌入的區(qū)域。

2）按照以下規(guī)則計(jì)算并依次進(jìn)行嵌入的水?。?/p>

mean’k=(∑

2實(shí)驗(yàn)仿真與結(jié)果

(I(x,y)-I’(x,y))2

其中，I(x,y)代表的是原始水印圖像，I’(x,y)代表的是提取后的原始水印圖像。

仿真實(shí)驗(yàn)采用的是MATLAB7.0仿真平臺(tái)。嵌入水印圖像為尺寸大小為512×512的lena圖灰度圖像，水印圖片為“南華大學(xué)”字樣的16×16的灰度圖像。由于采用的水印圖像是感知上可視的，因此，提取出來的水印圖案能夠較為容易識(shí)別。實(shí)驗(yàn)中設(shè)定p=8,圖4(a)為原始lena圖像和原始水印圖像，(b)為添加過水印后的圖像與提取出的水印，(c)為原始水印圖像與添加過水印圖像的差值圖像。

參考文獻(xiàn)：

[1]金聰.數(shù)字水印理論與技術(shù)[M].北京:清華大學(xué)出版社,2008:36-39

[2]易開祥,石教英.數(shù)字水印技術(shù)研究進(jìn)展[J].中國圖象圖形學(xué)報(bào),2001,6(2):111-117.

[3]劉瑞禎，譚鐵牛.數(shù)字水印研究綜述田[J].通信學(xué)報(bào),2000,21(8):39-42.

[4] VOYATZIS G,PITAS I.Chaotic watermarks for embedding in the spatial digital image domain[C]//Conference on Image,Processing(ICIP.98),Chicago,Illinois,USA,Accepted for Publication,1998.

[5]冀汶莉,張敏瑞,靳玉萍,等.基于Zigzag變換的數(shù)字圖像置亂算法的研究[J].計(jì)算機(jī)應(yīng)用與軟件2009,26(3):71-73.

[6]王慧琴,李人厚.基于人類視覺系統(tǒng)的數(shù)字水印技術(shù)的理論框架[J].計(jì)算機(jī)工程,2002,28(9):1- 3.

[7] NIKOLAIDIS A,PITAS I.A region- based technique for chaotic image watermarking[C].Tampere,Finland:EURASIP European Signal Processing Confe rence(EUS IPCO2000),2000

篇5

關(guān)鍵詞：遙感課程；高職學(xué)院；教學(xué)改革；學(xué)習(xí)效果

中圖分類號(hào)：G64 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2012）30-7260-03

遙感是現(xiàn)代地理空間信息科學(xué)的核心技術(shù)之一，其作為信息采集與信息更新最重要的技術(shù)手段 ，已經(jīng)應(yīng)用于社會(huì)的各個(gè)部門以及經(jīng)濟(jì)領(lǐng)域的很多行業(yè)之中，并在新興的全球性的“數(shù)字地球”計(jì)劃中占有重要的地位。加強(qiáng)遙感技術(shù)與應(yīng)用教學(xué) ，提高學(xué)生遙感技術(shù)應(yīng)用水平，是測繪學(xué)科教學(xué)中的重要環(huán)節(jié)。針對這個(gè)教學(xué)目的，結(jié)合我校地學(xué)類專業(yè)學(xué)生的具體情況，通過幾年的教學(xué)實(shí)踐探索 ，我們在以下幾方面進(jìn)行了教學(xué)實(shí)驗(yàn) ，并取得了初步的效果。

1 教材分析選擇：多種教材的結(jié)合

遙感技術(shù)及應(yīng)用是我們的專業(yè)基礎(chǔ)課，與本科學(xué)生相比，他們的就業(yè)方向?qū)碚摰膶W(xué)習(xí)要求較低，學(xué)習(xí)中的重點(diǎn)是實(shí)際技能的培養(yǎng)與掌握及應(yīng)用。針對學(xué)生的具體情況與《遙感技術(shù)及應(yīng)用》課程的特點(diǎn)，我們的教學(xué)目標(biāo)是通過基本的理論教學(xué)，使學(xué)生掌握基本的遙感原理、遙感圖像處理的基本方法、遙感解譯的基本方法及其在測繪、地理、土地、地質(zhì)和農(nóng)業(yè)、交通等領(lǐng)域的具體應(yīng)用，通過初步的上機(jī)實(shí)習(xí)，使學(xué)生掌握遙感數(shù)字圖像處理軟件的基本功能操作并能夠完成簡單的基本應(yīng)用。

本課程以前一直使用《遙感概論》作為遙感技術(shù)及應(yīng)用課程的教材，這部教材的特點(diǎn)是：內(nèi)容層次安排合理，概念清晰易懂，實(shí)驗(yàn)內(nèi)容以目視解譯為基礎(chǔ)，易于開展，但是，部分內(nèi)容老化，跟不上遙感技術(shù)的發(fā)展；而《遙感導(dǎo)論》是教育部面向2l世紀(jì)課程教材.內(nèi)容豐富，涉及技術(shù)原理較多，對于初次接觸遙感的高職生而言，有些內(nèi)容顯得過深，為此，在教學(xué)過程中適當(dāng)引用《遙感概論》的部分內(nèi)容，作為學(xué)生入門的內(nèi)容，從地物反射波譜特征入手，逐步開展遙感目視解譯，地物判讀標(biāo)志的建立，在此基礎(chǔ)上再結(jié)合《遙感導(dǎo)論》的相關(guān)內(nèi)容，這樣既可保證學(xué)生對遙感有全面的掌握，又可在需要加強(qiáng)的重點(diǎn)內(nèi)容上有所側(cè)重?！哆b感原理、方法、應(yīng)用》、《遙感獲取與分析》 這兩本書中包含了較多的遙感應(yīng)用實(shí)例，但是《遙感原理、方法、應(yīng)用》為本科生教學(xué)用書，對于高職學(xué)院的學(xué)生來說，內(nèi)容過于深?yuàn)W，不易理解?！哆b感獲取與分析》過于偏重遙感數(shù)據(jù)的幾何處理，而且遙感應(yīng)用部分內(nèi)容較少?；谏鲜隹紤]，《遙感技術(shù)與應(yīng)用》課程沒有指定教材，而是將相關(guān)的書籍作為參考用書向?qū)W生推薦，由學(xué)生自主決定選擇購買，然后老師結(jié)合多種教材的特點(diǎn)與學(xué)生的實(shí)際需求選擇教學(xué)內(nèi)容。

2 教學(xué)內(nèi)容的選擇與教案的整理

理論教學(xué)內(nèi)容可以分為遙感概述、遙感基本原理、遙感數(shù)字圖像處理、遙感圖像目視解譯與遙感圖像的計(jì)算機(jī)解譯、遙感應(yīng)用、3S綜合應(yīng)用。但只講最基本和必需的，對較深和復(fù)雜的內(nèi)容只做簡單介紹，供感興趣的同學(xué)自學(xué)。

在具體的教學(xué)中，為了達(dá)到課程的整體教學(xué)要求，必須通過實(shí)踐課程讓學(xué)生將學(xué)過的理論知識(shí)與具體實(shí)踐結(jié)合起來，加深學(xué)生對理論知識(shí)的理解，和對基本原理的驗(yàn)證，學(xué)以致用，提高學(xué)生解決實(shí)際問題的能力。因此，在教學(xué)中將實(shí)習(xí)內(nèi)容分為兩個(gè)階段。

1） 遙感數(shù)字圖像處理軟件操作。以PCI、ENVI與ERDAS遙感數(shù)字圖像處理軟件為主要實(shí)習(xí)軟件，結(jié)合具體的遙感數(shù)據(jù)，講述遙感圖像基本處理技術(shù)，包括幾何校正、大氣校正、幾何精校正、投影轉(zhuǎn)換、影像鑲嵌、數(shù)字圖像增強(qiáng)、波段運(yùn)算、多源遙感數(shù)據(jù)融合、計(jì)算機(jī)分類、人機(jī)交互式解譯等內(nèi)容。

2） 遙感基本應(yīng)用。應(yīng)用前一階段所掌握的遙感圖像數(shù)字處理技術(shù)，與一個(gè)具體的研究領(lǐng)域（比如土地利用類型遙感調(diào)查等）相結(jié)合，完成一個(gè)綜合的實(shí)踐性題目。

認(rèn)真整理教案，對教案的結(jié)構(gòu)，每一節(jié)，每句話、每個(gè)字都琢磨清楚，分析重點(diǎn)與難點(diǎn)。由于遙感技術(shù)更新非?？?，因此要跟學(xué)生提供一些課下學(xué)習(xí)的參考資料，參考內(nèi)容的選擇不僅局限于書籍和雜志，一些專業(yè)網(wǎng)站已成為遙感教學(xué)不可缺少的資源，除此之外，遙感圖像是遙感教學(xué)中重要的參考資料，因此收集各種影像數(shù)據(jù)是教師備課和教學(xué)的重要內(nèi)容，我們先后從美國馬里蘭大學(xué)、美國地質(zhì)調(diào)查局、中國遙感衛(wèi)星地面站下載了一些免費(fèi)的圖像做為練習(xí)使用。做好教案后，再做好PPT向同學(xué)講授，特別要增加一些圖片和動(dòng)態(tài)演示。

3 教學(xué)方式與方法的應(yīng)用

具體教學(xué)內(nèi)容確定以后，如何使其在授課過程中很好地被學(xué)生理解掌握并能運(yùn)用，很大程度上取決于采用的教學(xué)方式方法。選用適合的教學(xué)方式方法是很好的完成教學(xué)任務(wù)、提高教學(xué)質(zhì)量的關(guān)鍵。

1） 多媒體與黑板等的優(yōu)勢結(jié)合去教學(xué)

隨著社會(huì)的進(jìn)步，信息技術(shù)已經(jīng)深入到千家萬戶、各行各業(yè)，高職院校的教學(xué)軟硬件設(shè)施也得到了更新完善發(fā)展，多媒體教學(xué)已成為眾多學(xué)科教學(xué)的有力的工具。與傳統(tǒng)使用的黑板的教學(xué)手段相比，多媒體教學(xué)有著不可比擬的很多優(yōu)點(diǎn)，因?yàn)槎嗝襟w具有圖、文、聲并茂甚至有動(dòng)態(tài)影像這樣的特點(diǎn)，具有許多對于教學(xué)過程來說是特別寶貴的特性與功能，這些特性與功能是其他媒體（例如投影、錄音、錄像等）所不具備或是不完全具備的。遙感技術(shù)是一門對地觀測與獲取信息技術(shù)，其中具有很多的圖像數(shù)據(jù)和空間地理數(shù)據(jù)，所以多媒體教學(xué)應(yīng)成為遙感技術(shù)與應(yīng)用教學(xué)的重要形式。首先，從人的生理心理學(xué)角度分析，圖像比語言更容易被人感知，人所接受的外界信息有至少70%是視覺感知的。以圖像的形式顯示教學(xué)信息具有形象、直觀、生動(dòng)的特點(diǎn)，能高效激發(fā)學(xué)生學(xué)習(xí)興趣，調(diào)動(dòng)學(xué)生的學(xué)習(xí)積極主動(dòng)性。能實(shí)現(xiàn)傳統(tǒng)教學(xué)實(shí)現(xiàn)不了的情境、動(dòng)畫、模擬等。其次，方便教師的教學(xué)設(shè)計(jì)，更易突出重點(diǎn)、突破難點(diǎn)，進(jìn)而提高教學(xué)效果，促進(jìn)學(xué)生全面發(fā)展。但是，應(yīng)用多媒體教學(xué)也有很多問題，如果課件的交互性差，則學(xué)生“難以消化”；如果多媒體使用太濫，則把握不住學(xué)生的思想心理，不利于學(xué)生的學(xué)習(xí)。所以利用多媒體與傳統(tǒng)黑板等多種教具相結(jié)合的教學(xué)，地理數(shù)據(jù)和圖像以多媒體展示，重點(diǎn)和難點(diǎn)在黑板上結(jié)合學(xué)生的學(xué)習(xí)講解，對原理結(jié)合生產(chǎn)實(shí)例展開講解。這樣就能優(yōu)勢互補(bǔ)，取得最佳的教學(xué)效果。

2） 在理論教學(xué)過程中，以講授法為基本教學(xué)方法，適當(dāng)采用提問和啟發(fā)式教學(xué)的方式。關(guān)注全班學(xué)生，注意反饋信息，凝聚學(xué)生的注意力，使其保持相對興奮狀態(tài)，使他們產(chǎn)生愉快的心境，課堂語言簡潔明了，課堂提問面向全體學(xué)生，注意啟發(fā)學(xué)生學(xué)地理的興趣，課堂上講練結(jié)合。積極鼓勵(lì)學(xué)生，使學(xué)生感到有“功”。 我國古代教育家孔子說過：“知之者，不如好之者，好之者，不如樂之者”。要學(xué)生達(dá)到“樂學(xué)”，必然要使他們有成功感?！扒蟪晒Α笔侨祟惖墓灿械奶煨?。即使是一點(diǎn)一滴的進(jìn)步，也會(huì)使學(xué)生感到愉快，成為促使學(xué)生繼續(xù)學(xué)習(xí)的動(dòng)力。學(xué)生取得進(jìn)步時(shí)，我會(huì)對學(xué)生的成績給予正確的評價(jià)，或者與平時(shí)成績結(jié)合起來。在課堂上我會(huì)使用一些鼓勵(lì)性語言來激發(fā)學(xué)生學(xué)習(xí)的熱情，有時(shí)還可借助同學(xué)們的掌聲進(jìn)行鼓勵(lì)。在教學(xué)過程中，我非常注意給學(xué)生們更多的鼓勵(lì)，對他們抱有一顆寬容慈愛的心。

在教學(xué)過程中，充分利用已有的知識(shí)基礎(chǔ)，引導(dǎo)學(xué)生思考遙感應(yīng)用中的問題和現(xiàn)象，并自行設(shè)計(jì)或補(bǔ)充一些與學(xué)生關(guān)系較大的遙感應(yīng)用問題和現(xiàn)象，以展示遙感課內(nèi)容的豐富多彩和應(yīng)用價(jià)值，引入新知識(shí)、新技術(shù)與新成果，增強(qiáng)學(xué)生的求知欲。認(rèn)真組織開展復(fù)習(xí)、測驗(yàn)、考試、課外活動(dòng)等。側(cè)重于教會(huì)學(xué)生了解遙感在生產(chǎn)建設(shè)中的作用，培養(yǎng)學(xué)生實(shí)踐能力，多閱讀課外書籍，多關(guān)注身邊的遙感知識(shí)，不斷擴(kuò)寬知識(shí)面，為教學(xué)內(nèi)容注入新鮮血液。

3） 在第一階段的實(shí)習(xí)過程中，是對基本原理和方法的驗(yàn)證，采用演示加練習(xí)的方法來教學(xué)。老師先對某一個(gè)專題結(jié)合理論進(jìn)行演示與講解，然后讓學(xué)生進(jìn)行操作練習(xí)，老師巡回指導(dǎo)并檢查學(xué)生完成情況，最后老師總結(jié)，學(xué)生完成實(shí)驗(yàn)報(bào)告。在這個(gè)過程中，演示與講解一定要結(jié)合學(xué)生理論知識(shí)掌握程度的實(shí)際情況，使學(xué)生的知識(shí)能與老師的講解銜接上，演示時(shí)，老師要盡可能收集能激發(fā)學(xué)生興趣的一些具體實(shí)例，使學(xué)生感到有“味”，從而使學(xué)生保持良好的精神狀態(tài)、學(xué)習(xí)狀態(tài)，讓學(xué)生的潛能最大化地激發(fā)出來，特別是注意力、理解力、記憶力、創(chuàng)造力，達(dá)到最佳的效果。在學(xué)生自己練習(xí)過程中，老師結(jié)合自身學(xué)習(xí)的經(jīng)驗(yàn)教訓(xùn)，去糾正學(xué)生不良的學(xué)習(xí)習(xí)慣，在學(xué)生碰到困難時(shí)，及時(shí)分析困難產(chǎn)生的原因，針對每個(gè)學(xué)生進(jìn)行指導(dǎo)，特別要教會(huì)學(xué)生盡量自己解決問題的能力，“授之以魚”不如“授之以漁”。

4） 在第二階段的實(shí)習(xí)過程中，在有條件的情況下，增加野外實(shí)踐實(shí)習(xí)的內(nèi)容，攜帶手持GPS、便攜式地物光譜儀、短波紅外地物光譜儀等遙感儀器，到野外進(jìn)行遙感技術(shù)的綜合應(yīng)用實(shí)習(xí)，如幾何精校正中的地面控制點(diǎn)選取、地物反射率測量、地物目視解譯與驗(yàn)證補(bǔ)判等等。通過野外實(shí)習(xí)，進(jìn)一步提升學(xué)生理解與靈活運(yùn)用知識(shí)的能力，提高遙感技術(shù)與應(yīng)用課程的實(shí)踐性[1]。

與遙感圖象處理與應(yīng)用的企事業(yè)生產(chǎn)單位建立聯(lián)系，讓學(xué)生通過頂崗式實(shí)習(xí)，熟悉遙感技術(shù)與應(yīng)用的具體工作流程，觀察實(shí)際生產(chǎn)中出現(xiàn)的問題并學(xué)會(huì)獨(dú)立解決問題的能力，將實(shí)際生產(chǎn)與自己的課程學(xué)習(xí)進(jìn)行結(jié)合，增強(qiáng)遙感技術(shù)與應(yīng)用的實(shí)際生產(chǎn)能力。

5） 讓比較優(yōu)秀且有興趣的學(xué)生參加老師的遙感技術(shù)與應(yīng)用的科研課題，學(xué)生在老師的指導(dǎo)下，針對具體的小題目，成立各個(gè)科研小組，各個(gè)小組獨(dú)立的收集相關(guān)資料，結(jié)合題目進(jìn)行知識(shí)和技能擴(kuò)展訓(xùn)練，然后進(jìn)行實(shí)驗(yàn)，不斷思考總結(jié)，老師適時(shí)進(jìn)行點(diǎn)撥指導(dǎo)，學(xué)生基本都能取得項(xiàng)目預(yù)期的成果。通過這種學(xué)習(xí)和鍛煉，使科研小組成員具備了一定的科研基礎(chǔ)，養(yǎng)成了良好的科研素質(zhì)，為以后的進(jìn)一步發(fā)展有了較高起點(diǎn)。

4 小結(jié)

從這幾年的教學(xué)情況看，通過這些教學(xué)環(huán)節(jié)的精心計(jì)劃與認(rèn)真實(shí)施、反饋修正，激發(fā)了學(xué)生的學(xué)習(xí)興趣，既學(xué)到了有用的理論知識(shí)，又具有實(shí)際的技能，提高了獨(dú)立解決較復(fù)雜問題的能力，為盡快盡好走入社會(huì)奠定了堅(jiān)實(shí)的基礎(chǔ)。

參考文獻(xiàn)：

[1] 劉勇衛(wèi).遙感精解[M].北京：測繪出版社，1993：76-86.

[2] 呂國楷，洪啟旺，郝允充，等.遙感概論（修訂版）[M].北京：高等教育出版社，1995：36-40.

[3] 梅安新，彭望祿，秦其明，等.遙感導(dǎo)論[M].北京：高等教育出版社，2001：79-81.

[4] 趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2003：83-85.

[5] 孫家柄.遙感原理與應(yīng)用[M].武漢：武漢大學(xué)出版社，2003：73-76.

[6] 張彥麗，潘競虎.《遙感技術(shù)基礎(chǔ)》課程教學(xué)策略探究[J].師范教育，2008，3（3）：53-54.

[7] 徐永明.關(guān)于成人教育《遙感應(yīng)用》課程教學(xué)的幾點(diǎn)思考[J].氣象教育與科技，2007，31（2）：27-31.

[8] 劉仁釗，廖文峰.遙感圖像分類應(yīng)用研究綜述[J].地理空間信息，2005，3（5）：11-13.

篇6

【關(guān)鍵詞】指紋識(shí)別 預(yù)處理 點(diǎn)方向場 塊方向場

1 前言

當(dāng)今已進(jìn)入網(wǎng)絡(luò)信息化時(shí)代，個(gè)人身份正變得越發(fā)隱性化。為了保證個(gè)人信息安全，準(zhǔn)確鑒別身份就成了首要問題。由于每人的指紋紋線的特點(diǎn)不同，且形態(tài)穩(wěn)定，所以被很多各類身份識(shí)別系統(tǒng)采用。要實(shí)現(xiàn)指紋識(shí)別，指紋圖像預(yù)處理是前提，本文嘗試用方向場技術(shù)來進(jìn)行指紋圖像處理，以升身份識(shí)別率。

2 指紋方向場簡介

方向場其實(shí)是用來對圖像中紋理方向和對應(yīng)位置進(jìn)行描述的一個(gè)二維平面場。就指紋來說，其方向場的功能就是描述圖像的紋理方向及其在空間分布。具體而言，指紋方向場有兩種：一種是可用于表示圖中每個(gè)像素點(diǎn)脊線方向，且具有連續(xù)性和漸變性的點(diǎn)方向場，這類的特點(diǎn)是方向過渡自然，易受噪聲影響；而另一種則是可表示圖中每塊脊線大致方向的塊方向場，此類方向場能很好地去除噪聲，但是其整體過渡性差，精確度不高。本文將點(diǎn)方向場和塊方向場進(jìn)行結(jié)合，以優(yōu)化識(shí)別效果。

3 指紋方向場的計(jì)算方法

3.1 求解指紋點(diǎn)方向場

在計(jì)算點(diǎn)方向場時(shí)，可以采用鄰域方向模板法，可以把指紋脊線的走向按八個(gè)方向進(jìn)行劃，并將方向模板中心設(shè)為基準(zhǔn)點(diǎn)。如此一來，從水平方向起，沿著逆時(shí)針方向，每隔一定的間隔確定一個(gè)方向i（i=0，...，7），本文中求取方向角范圍是[0，π]，相鄰方向間隔相等。

3.2 求解指紋塊方向場

為了削弱點(diǎn)方向場D（x，y）所受的噪聲干擾，還要依據(jù)點(diǎn)方向場進(jìn)一步求取塊方向場，為此往往會(huì)將點(diǎn)方向場劃分為一系列相互之間不重疊的塊。然后再針對每個(gè)小塊求取平均方向，并把該方向視為此小塊脊線的主導(dǎo)方向。若用該小塊的主導(dǎo)方向替代小塊內(nèi)每個(gè)像素的方向，就可以得到塊方向場了。但如此一來，由于未對其他相鄰小離散塊中像素的影響進(jìn)行考量，很可能會(huì)造成方向的不連續(xù)性，故而性能亟待改進(jìn)。

3.3 求解指紋連續(xù)分布方向場

4 結(jié)論

指紋方向場實(shí)際是指紋圖像的一種變換表示方法，在預(yù)處理中可以利用其對指紋圖像進(jìn)行處理，以實(shí)現(xiàn)對所采集的不確定性指紋進(jìn)行圖像增強(qiáng)，為后繼的識(shí)別步驟做準(zhǔn)備?？墒?，常規(guī)的點(diǎn)方向場計(jì)算受噪聲影響較大，一般無法完全反映指紋脊線的真實(shí)走向；而塊方向場的整體過渡性差，精確度不高。文中將兩者進(jìn)行了適當(dāng)組合，從仿真結(jié)果來看可以處理效果較好。

參考文獻(xiàn)

[1]董明.指紋識(shí)別技術(shù)發(fā)展綜述[J].中國科技信息，2011（13）.

[2]李宏中，葉強(qiáng).指紋識(shí)別算法研究及實(shí)現(xiàn)[J].計(jì)算機(jī)光盤軟件與應(yīng)用，2012（22）.

[3]李向麗，周美嬌，張翠雪.基于塊方向圖的指紋中心點(diǎn)定位[J].信息技術(shù)，2014（10）.

作者簡介

段沛沛（1980-），女，河南省洛市人。碩士學(xué)位?，F(xiàn)為西安石油大學(xué)講師。研究方向?yàn)橹悄苄盘?hào)處理、數(shù)字圖像處理。

篇7

論文摘要：分割的目的是將圖像劃分為不同區(qū)域。圖像分割算法一般是基于亮度值的兩個(gè)基本特性之一：不連續(xù)性和相似性。第一類性質(zhì)的已用途徑是基于亮度的不連續(xù)變化分割圖像，比如圖像的邊緣。第二類的主要應(yīng)用途徑是依據(jù)事先制訂的準(zhǔn)則將圖像分割為相似的區(qū)域。門限處理、區(qū)域生長、區(qū)域分離和聚合都是這類方法的實(shí)例。遺傳算法具有簡單、魯棒性好和本質(zhì)并行的突出優(yōu)點(diǎn)。其在應(yīng)用領(lǐng)域取得的巨大成功，引起了廣大學(xué)者的關(guān)注。在圖像分割領(lǐng)域，遺傳算法常用來幫助確定分割閾值。

本文介紹討論了幾種目前廣泛應(yīng)用的圖像邊緣檢測、圖像閾值分割的各種算法，并給出了對比分析;對遺傳算法的基本概念和研究進(jìn)展進(jìn)行了綜述;給出了標(biāo)準(zhǔn)遺傳算法的原理、過程、實(shí)驗(yàn)結(jié)果及分析. 實(shí)驗(yàn)結(jié)果表明，本文提出的遺傳分割算法優(yōu)于傳統(tǒng)分割算法。

第一章 緒論 1.1 圖像分割綜述

圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。這里所說的特性可以是灰度、顏色、紋理等，而目標(biāo)可以對應(yīng)單個(gè)區(qū)域，也可以對應(yīng)多個(gè)區(qū)域。圖像分割是數(shù)字圖像處理中的一項(xiàng)關(guān)鍵技術(shù)，它使得其后的圖像分析，識(shí)別等高級處理階段所要處理的數(shù)據(jù)量大大減少，同時(shí)又保留有關(guān)圖像結(jié)構(gòu)特征的信息。而且，在數(shù)字圖像處理工程中，一方面，圖像分割是目標(biāo)表達(dá)的基礎(chǔ)，對特征測量有重要的影響；另一方面，圖像分割是自動(dòng)目標(biāo)識(shí)別的關(guān)鍵步驟，圖像分割及其基于分割的目標(biāo)表達(dá)、特征提取和參數(shù)測量等將原始圖像轉(zhuǎn)化為更抽象更緊湊的形式，分割中出現(xiàn)的誤差會(huì)傳播至高層次處理階段，因此分割的精確程度是至關(guān)重要的。只有通過細(xì)致精細(xì)的圖像分割，才能使得更高層的圖像分析和理解成為可能。因此，圖像分割是由圖像處理進(jìn)到圖像分析的關(guān)鍵步驟，在圖像工程中占據(jù)重要的位置。

1.2 圖像分割的研究意義與發(fā)展現(xiàn)狀

作為計(jì)算機(jī)視覺和圖像處理中的難點(diǎn)和熱點(diǎn)之一，圖像分割的研究受到了研究工作者的高度重視，對圖像分割進(jìn)行了深入、廣泛的研究。作為一種重要的圖像技術(shù)，圖像分割在不同領(lǐng)域中有時(shí)也用其它名稱：如目標(biāo)輪廓(object delineation)技術(shù)，閾值化(thresholding)技術(shù)，圖像區(qū)分或求差(image discrimination)技術(shù)，目標(biāo)檢測(target detection)技術(shù)，目標(biāo)識(shí)別(target recognition)技術(shù)，目標(biāo)跟蹤(target tracking)技術(shù)等，但這些技術(shù)本身或其核心實(shí)際上也就是圖像分割技術(shù)。圖像分割作為圖像處理、分析的一項(xiàng)基本內(nèi)容，其應(yīng)用非常廣泛，幾乎出現(xiàn)在有關(guān)圖像處理的所有領(lǐng)域，并涉及各種類型的圖像。在工業(yè)自動(dòng)化、在線產(chǎn)品檢驗(yàn)、生產(chǎn)程控、文件圖像處理、遙感圖像、保安監(jiān)視、以及軍事、體育、農(nóng)業(yè)等行業(yè)和工程中，圖像分割都有著廣泛的應(yīng)用。例如：在遙感圖像中，合成孔徑雷達(dá)圖像中目標(biāo)的分割、遙感云圖中不同云系和背景分布的分割等；在醫(yī)學(xué)應(yīng)用中，腦部 MR 圖像分割成灰質(zhì)（GM）、白質(zhì)（WM）、腦脊髓（CSF）等腦組織和其它腦組織區(qū)域（NB）等；在交通圖像分析中，把車輛目標(biāo)從背景中分割出來等；在面向?qū)ο蟮膱D像壓縮和基于內(nèi)容的圖像檢索中將圖像分割成不同的對象區(qū)域等。在各種圖像應(yīng)用中，只要需對圖像目標(biāo)進(jìn)行提取，測量等都離不開圖像分割。

自 20 世紀(jì) 70 年代至今，已提出上千種各種類型的分割算法。如：門限法、匹配法、區(qū)域生長法、分裂－合并法、水線法、馬爾可夫隨機(jī)場模型法、多尺度法、小波分析法、數(shù)學(xué)形態(tài)學(xué)等。隨著新理論、新技術(shù)的發(fā)展，一些新的圖像分割方法也隨之出現(xiàn)，但這些分割算法都是針對某一類型圖像、某一具體的應(yīng)用問題而提出的，并沒有一種適合所有圖像的通用分割算法。通用方法和策略仍面臨著巨大的困難。另外，還沒有制定出選擇適用分割算法的標(biāo)準(zhǔn)，這給圖像分割技術(shù)的應(yīng)用帶來許多實(shí)際問題。

1.3 本論文所作的工作

據(jù)此，在本論文中只對常用的、并在實(shí)踐中行之有效的邊緣檢測方法和閾值分割方法進(jìn)行深入的了解，并對閾值分割方法中的灰度直方圖雙峰法和基于遺傳算法的最大類間方差法進(jìn)行詳細(xì)的討論，同時(shí)用Matlab對上述兩種方法進(jìn)行驗(yàn)證并給出結(jié)果。

1.4 本論文的論述內(nèi)容

本文對圖像分割的整個(gè)過程中的一些常用的，經(jīng)實(shí)踐檢驗(yàn)行之有效的算法進(jìn)行了討論和 改進(jìn)。全文共七章。第一章為緒論，主要介紹了現(xiàn)階段圖像分割技術(shù)的發(fā)展現(xiàn)狀和研究意義。其他六章分別在以下幾個(gè)方面介紹了本文所做的工作：

1.對本文所采用的試驗(yàn)測試工具M(jìn)atlab 進(jìn)行簡介。

2.簡介數(shù)字圖像的基礎(chǔ)問題。概述了數(shù)字圖像的基本概念和特點(diǎn)，簡介了各種圖像格式的特點(diǎn)和應(yīng)用，為全文的討論作一鋪墊。

3.詳細(xì)討論了圖像分割中的基于閾值的圖像分割方法，給出了直方雙峰法的算法和驗(yàn)證結(jié)果，并簡要介紹了普通最大類間方差法的算法過程。

4.對遺傳算法理論進(jìn)行簡介。詳細(xì)討論了遺傳算法的定義和標(biāo)準(zhǔn)遺傳算法的流程和要素。為應(yīng)用此方法對最大閾值進(jìn)行迭代尋優(yōu)打下基礎(chǔ)。

6.應(yīng)用遺傳算法改進(jìn)了最大類間方差法。給出了整個(gè)遺傳操作的使用函數(shù)與具體進(jìn)程，并對實(shí)例圖片進(jìn)行處理，得到處理結(jié)果并得到迭代最優(yōu)閾值M。

本文研究了圖像分割的相關(guān)理論和常用技術(shù)，并對遺傳算法進(jìn)行了介紹，對遺傳算法應(yīng)用于圖像分割進(jìn)行了驗(yàn)證.

第二章 Matlab簡介 2.1 MATLAB的概況和產(chǎn)生背景 2.1.1 MATLAB的概況

MATLAB是矩陣實(shí)驗(yàn)室（Matrix　Laboratory）之意。除具備卓越的數(shù)值計(jì)算能力外，它還提供了專業(yè)水平的符號(hào)計(jì)算，文字處理，可視化建模仿真和實(shí)時(shí)控制等功能。MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué)，工程中常用的形式十分相似，故用MATLAB來解算問題要比用C，F(xiàn)ORTRAN等語言完相同的事情簡捷得多.

當(dāng)前流行的MATLAB包括擁有數(shù)百個(gè)內(nèi)部函數(shù)的主包和三十幾種工具包(Toolbox).工具包又可以分為功能性工具包和學(xué)科工具包.功能工具包用來擴(kuò)充MATLAB的符號(hào)計(jì)算，可視化建模仿真，文字處理及實(shí)時(shí)控制等功能.學(xué)科工具包是專業(yè)性比較強(qiáng)的工具包，控制工具包，信號(hào)處理工具包，通信工具包等都屬于此類.開放性使MATLAB廣受用戶歡迎.除內(nèi)部函數(shù)外，所有MATLAB主包文件和各種工具包都是可讀可修改的文件，用戶通過對源程序的修改或加入自己編寫程序構(gòu)造新的專用工具包.

2.1.2 MATLAB產(chǎn)生的歷史背景

在70年代中期，Cleve Moler博士和其同事在美國國家科學(xué)基金的資助下開發(fā)了調(diào)用EISPACK和LINPACK的FORTRAN子程序庫.EISPACK是特征值求解的FOETRAN程序庫，LINPACK是解線性方程的程序庫.在當(dāng)時(shí)，這兩個(gè)程序庫代表矩陣運(yùn)算的最高水平.到70年代后期，身為美國New Mexico大學(xué)計(jì)算機(jī)系系主任的Cleve Moler，在給學(xué)生講授線性代數(shù)課程時(shí)，想教學(xué)生使用EISPACK和LINPACK程序庫，但他發(fā)現(xiàn)學(xué)生用FORTRAN編寫接口程序很費(fèi)時(shí)間，于是他開始自己動(dòng)手，利用業(yè)余時(shí)間為學(xué)生編寫EISPACK和LINPACK的接口程序.Cleve Moler給這個(gè)接口程序取名為MATLAB，該名為矩陣(matrix)和實(shí)驗(yàn)室(labotatory)兩個(gè)英文單詞的前三個(gè)字母的組合.在以后的數(shù)年里，MATLAB在多所大學(xué)里作為教學(xué)輔助軟件使用，并作為面向大眾的免費(fèi)軟件廣為流傳。1983年春天，Cleve Moler到Standford大學(xué)講學(xué)，MATLAB深深地吸引了工程師John Little.John Little敏銳地覺察到MATLAB在工程領(lǐng)域的廣闊前景.同年，他和Cleve Moler，Steve Bangert一起，用C語言開發(fā)了第二代專業(yè)版.這一代的MATLAB語言同時(shí)具備了數(shù)值計(jì)算和數(shù)據(jù)圖示化的功能.1984年，Cleve Moler和John Little成立了Math Works公司，正式把MATLAB推向市場，并繼續(xù)進(jìn)行MATLAB的研究和開發(fā).

在當(dāng)今30多個(gè)數(shù)學(xué)類科技應(yīng)用軟件中，就軟件數(shù)學(xué)處理的原始內(nèi)核而言，可分為兩大類.一類是數(shù)值計(jì)算型軟件，如MATLAB，Xmath，Gauss等，這類軟件長于數(shù)值計(jì)算，對處理大批數(shù)據(jù)效率高;另一類是數(shù)學(xué)分析型軟件，Mathematica，Maple等，這類軟件以符號(hào)計(jì)算見長，能給出解析解和任意精確解，其缺點(diǎn)是處理大量數(shù)據(jù)時(shí)效率較低.MathWorks公司順應(yīng)多功能需求之潮流，在其卓越數(shù)值計(jì)算和圖示能力的基礎(chǔ)上，又率先在專業(yè)水平上開拓了其符號(hào)計(jì)算，文字處理，可視化建模和實(shí)時(shí)控制能力，開發(fā)了適合多學(xué)科，多部門要求的新一代科技應(yīng)用軟件MATLAB.經(jīng)過多年的國際競爭，MATLAB以經(jīng)占據(jù)了數(shù)值軟件市場的主導(dǎo)地位.

在MATLAB進(jìn)入市場前，國際上的許多軟件包都是直接以FORTRANC語言等編程語言開發(fā)的。這種軟件的缺點(diǎn)是使用面窄，接口簡陋，程序結(jié)構(gòu)不開放以及沒有標(biāo)準(zhǔn)的基庫，很難適應(yīng)各學(xué)科的最新發(fā)展，因而很難推廣。MATLAB的出現(xiàn)，為各國科學(xué)家開發(fā)學(xué)科軟件提供了新的基礎(chǔ)。在MATLAB問世不久的80年代中期，原先控制領(lǐng)域里的一些軟件包紛紛被淘汰或在MATLAB上重建。

時(shí)至今日，經(jīng)過MathWorks公司的不斷完善，MATLAB已經(jīng)發(fā)展成為適合多學(xué)科，多種工作平臺(tái)的功能強(qiáng)大大大型軟件。在國外，MATLAB已經(jīng)經(jīng)受了多年考驗(yàn)。在歐美等高校，MATLAB已經(jīng)成為線性代數(shù)，自動(dòng)控制理論，數(shù)理統(tǒng)計(jì)，數(shù)字信號(hào)處理，時(shí)間序列分析，動(dòng)態(tài)系統(tǒng)仿真等高級課程的基本教學(xué)工具；成為攻讀學(xué)位的大學(xué)生，碩士生，博士生必須掌握的基本技能。在設(shè)計(jì)研究單位和工業(yè)部門，MATLAB被廣泛用于科學(xué)研究和解決各種具體問題。在國內(nèi)，特別是工程界，MATLAB一定會(huì)盛行起來?？梢哉f，無論你從事工程方面的哪個(gè)學(xué)科，都能在MATLAB里找到合適的功能。

2.2 MATLAB的語言特點(diǎn)

一種語言之所以能如此迅速地普及，顯示出如此旺盛的生命力，是由于它有著不同于其他語言的特點(diǎn)，正如同F(xiàn)ORTRAN和C等高級語言使人們擺脫了需要直接對計(jì)算機(jī)硬件資源進(jìn)行操作一樣，被稱作為第四代計(jì)算機(jī)語言的MATLAB，利用其豐富的函數(shù)資源，使編程人員從繁瑣的程序代碼中解放出來。MATLAB最突出的特點(diǎn)就是簡潔。MATLAB用更直觀的，符合人們思維習(xí)慣的代碼，代替了C和 FORTRAN語言的冗長代碼。MATLAB給用戶帶來的是最直觀，最簡潔的程序開發(fā)環(huán)境。以下簡單介紹一下MATLAB的主要特點(diǎn)。

1. 語言簡潔緊湊，使用方便靈活，庫函數(shù)極其豐富。MATLAB程序書寫形式自由，利用起豐富的庫函數(shù)避開繁雜的子程序編程任務(wù)，壓縮了一切不必要的編程工作。由于庫函數(shù)都由本領(lǐng)域的專家編寫，用戶不必?fù)?dān)心函數(shù)的可靠性。可以說，用MATLAB進(jìn)行科技開發(fā)是站在專家的肩膀上?！「鼮殡y能可貴的是，MATLAB甚至具有一定的智能水平，所以用戶根本不用懷疑MATLAB的準(zhǔn)確性。

2. 運(yùn)算符豐富。由于MATLAB是用C語言編寫的，MATLAB提供了和C語言幾乎一樣多的運(yùn)算符，靈活使用MATLAB的運(yùn)算符將使程序變得極為簡短。

3. MATLAB既具有結(jié)構(gòu)化的控制語句（如for循環(huán)，while循環(huán)，break語句和if語句），又有面向?qū)ο缶幊痰奶匦浴?/p>

4. 程序限制不嚴(yán)格，程序設(shè)計(jì)自由度大。例如，在MATLAB里，用戶無需對矩陣預(yù)定義就可使用。

5. 程序的可移植性很好，基本上不做修改就可以在各種型號(hào)的計(jì)算機(jī)和操作系統(tǒng)上運(yùn)行。

6. MATLAB的圖形功能強(qiáng)大。在FORTRAN和C語言里，繪圖都很不容易，但在MATLAB里，數(shù)據(jù)的可視化非常簡單。MATLAB還具有較強(qiáng)的編輯圖形界面的能力。

7. MATLAB的缺點(diǎn)是，它和其他高級程序相比，程序的執(zhí)行速度較慢。由于MATLAB的程序不用編譯等預(yù)處理，也不生成可執(zhí)行文件，程序?yàn)榻忉寛?zhí)行，所以速度較慢。

8. 功能強(qiáng)大的工具箱是MATLAB的另一特色。MATLAB包含兩個(gè)部分：核心部分和各種可選的工具箱。核心部分中有數(shù)百個(gè)核心內(nèi)部函數(shù)。其工具箱又分為兩類：功能性工具箱和學(xué)科性工具箱。功能性工具箱主要用來擴(kuò)充其符號(hào)計(jì)算功能，圖示建模仿真功能，文字處理功能以及與硬件實(shí)時(shí)交互功能。功能性工具箱用于多種學(xué)科。而學(xué)科性工具箱是專業(yè)性比較強(qiáng)的，如control，toolbox，signl proceessing toolbox，commumnication toolbox等。這些工具箱都是由該領(lǐng)域內(nèi)學(xué)術(shù)水平很高的專家編寫的，所以用戶無需編寫自己學(xué)科范圍內(nèi)的基礎(chǔ)程序，而直接進(jìn)行高，精，尖的研究。

9. 源程序的開放性。開放性也許是MATLAB最受人們歡迎的特點(diǎn)。除內(nèi)部函數(shù)以外，所有MATLAB的核心文件和工具箱文件都是可讀可改的源文件，用戶可通過對源文件的修改以及加入自己的文件構(gòu)成新的工具箱。

2.3 MATLAB 遺傳算法工具箱簡介

鑒于Matlab強(qiáng)大的擴(kuò)展功能和影響力，各個(gè)領(lǐng)域的專家相繼突出了許多基于Matlab的專用工具箱。本文所采用的遺傳算法工具箱，就是由英國謝菲爾德（Sheffield）大學(xué)設(shè)計(jì)推出的。相對于其他版本的遺傳算法工具箱，如：美國北卡萊羅納州立大學(xué)推出的遺傳算法優(yōu)化工具箱GAOT（Genetic Algorithm Optimization Toolbox），以及MathWorks公司最新的一個(gè)專門設(shè)計(jì)的Matlab遺傳算法和直接搜索工具箱（Genetic Algorithm and Direct Search Toolbox），本工具箱的出現(xiàn)最早，影響較大且功能較為完備。文中所采用的所有遺傳操作函數(shù)大部分出自本工具箱。 第三章 數(shù)字圖像基礎(chǔ)簡介

圖像處理的首要一步，就是要了解圖像的基本性質(zhì)與特點(diǎn)。只有充分了解和掌握了所要處理得圖像的特點(diǎn)和性質(zhì)，才能在接下來的處理中根據(jù)圖像的特點(diǎn)獲取所需的信息，并對其進(jìn)行相應(yīng)的處理。

本章將介紹數(shù)字圖像的基礎(chǔ)知識(shí)，以及圖像在計(jì)算機(jī)處理中的信息表達(dá)形式，并對幾種常用的圖像文件格式Bmp， Jpeg以及Png等做簡要的介紹。

3.1 圖像的基本概念及其特點(diǎn)

要對圖像進(jìn)行處理，必須清楚圖像的概念。一般來說，二維或三維景物呈現(xiàn)在人眼中的樣子就是圖像。圖像具有以下三個(gè)方面的特點(diǎn):

①圖像帶有大量的信息，一幅圖像頂?shù)蒙锨а匀f語;

②圖像種類繁多，包括照片、繪圖視頻圖像等;

③人類從外界獲得的大部分信息來自視覺系統(tǒng)。

人們看到的任何自然界的圖像都是連續(xù)的模擬圖像。其形狀和形態(tài)表現(xiàn)由圖像各位置的顏色來決定?？梢杂胒（x， y)表示一幅模擬圖像，其中x， y表示空間坐標(biāo)點(diǎn)的位置，f表示圖像在點(diǎn)(x， y)的某種性質(zhì)的數(shù)值，如亮度、顏色等，f、x、y可以是任意的實(shí)數(shù)。而把連續(xù)空間的圖像在坐標(biāo)空間(X， Y)和性質(zhì)空間F都離散化，以便于計(jì)算機(jī)進(jìn)行加工處理的離散化的圖像則稱為數(shù)字圖像。數(shù)字圖像用I (r， c)來表示，其中:r=row為行，c = col為列，表示空間離散點(diǎn)的坐標(biāo)，I表示離散化的圖像f。I， r， c都是整數(shù)。實(shí)際中仍習(xí)慣用f (x， y)表示數(shù)字圖像。圖像存儲(chǔ)畫面的形式為柵格結(jié)構(gòu):即將圖像劃分為均勻分布的柵格(像素)，顯式的記錄每一像素的亮度和顏色;而將像素的坐標(biāo)值規(guī)則地隱含起來，其位置排列規(guī)則，通常為矩形排列。

3.2 圖像的格式

組成數(shù)字圖像的基本單位稱為像素(Pixel)，把像素按不同的方式進(jìn)行組織和存儲(chǔ)，就得到不同的圖像格式;把圖像數(shù)據(jù)存為文件就得到圖像文件。圖像文件按其格式的不同一般具有不同的擴(kuò)展名。常用的圖像文件格式有位圖文件、JPEG文件、GIF文件、PNG文件等。每一種格式都有它的特點(diǎn)和用途，在選擇輸出的圖像文件格式時(shí)，應(yīng)考慮圖像的應(yīng)用目的以及圖像文件格式對圖像數(shù)據(jù)類型的要求。下面我們介紹幾種常用的圖像文件格式及其特點(diǎn)。

3.2.1 BMP圖像格式

這是一種DOS和Windows兼容計(jì)算機(jī)系統(tǒng)的標(biāo)準(zhǔn)圖像格式。BMP格式支持索引色、灰度等色彩模式。圖像存儲(chǔ)為BMP格式時(shí)，每一個(gè)像素所占的位數(shù)可以是1位、4位、8位或32位，相對應(yīng)的顏色數(shù)也從黑白一直到真彩色。對于使用Windows格式的4位和8位圖像，可以指定采用RLE壓縮。BMP圖像文件含文件頭、調(diào)色板數(shù)據(jù)和圖像數(shù)據(jù)三個(gè)層次。其中文件頭由定義文件標(biāo)識(shí)、大小即圖像數(shù)據(jù)偏移量的BITMAPF工LEHEADER以及指定BMP圖像自身的若干參數(shù)的BITMAPINFOHEADER兩部分組成。這種格式在PC機(jī)上應(yīng)用非常普遍。

3.2.2 JPEG圖像格式

JPEG是由聯(lián)合照片專家組(JiontPhotographic Experts Group)開發(fā)的一種圖像文件格式。它采用有損壓縮方式去除冗余的圖像和彩色數(shù)據(jù)，在獲取極高的壓縮率的同時(shí)也能展現(xiàn)十分豐富生動(dòng)的圖像。也就是說，可以用較少的磁盤空間得到較好的圖像質(zhì)。另外，JPEG還是一種比較靈活的格式，當(dāng)將圖像保存為JPEG格式時(shí)，允許用戶用不同的壓縮比例對文件進(jìn)行壓縮，就是可以指定圖像的品質(zhì)和壓縮級別。

3.2.3 TIFF圖像格式

TIFF文件主要由三部份組成，包括文件頭、標(biāo)識(shí)信息區(qū)和圖像數(shù)據(jù)區(qū)。T工FF文件的圖像數(shù)據(jù)區(qū)以行掃描的方式存取圖像，存儲(chǔ)圖像前先將圖像分割成若干部分，壓縮后再存儲(chǔ)。存儲(chǔ)時(shí)，單色圖像一個(gè)字節(jié)存儲(chǔ)8個(gè)點(diǎn)，16色圖像一個(gè)字節(jié)2個(gè)點(diǎn)，而256色圖像就是一個(gè)字節(jié)存儲(chǔ)一個(gè)點(diǎn)。TIFF圖像格式是一種應(yīng)用非常廣泛的位圖圖像格式，幾乎被所有繪畫、圖像編輯和頁面排版應(yīng)用程序所支持。TIFF格式常常用于在應(yīng)用程序之間和計(jì)算機(jī)平臺(tái)之間交換文件。

3.2.4 GIF圖像格式

CIF是Graphics Interchange Format(圖形交換格式)的縮寫，是由ComputerServe公司推出的一種圖像格式。該種圖像格式的特點(diǎn)是壓縮比高，可以極大地節(jié)省存儲(chǔ)空間。最初的GIF只是簡單的用來存儲(chǔ)單幅靜止圖像，后來可以同時(shí)存儲(chǔ)若干幅靜止圖像從而形成連續(xù)的動(dòng)畫;同時(shí)，GIF格式支持透明背景，可以較好地與網(wǎng)頁背景融合在一起。因此，GIF常常用于保存作為網(wǎng)頁數(shù)據(jù)進(jìn)行傳輸?shù)膱D像文件，成為網(wǎng)絡(luò)和BBS上使用頻率較高的一種圖像文件格式。但是GIF最多只能處理256種色彩，不能用于存儲(chǔ)真彩色的圖像文件。

3.2.5 PNG圖像格式

這種格式稱為可移植網(wǎng)絡(luò)圖像文件格式(Portable Network Graphics)，由Thomas Boutell， Tom Lan。等人提出并設(shè)計(jì)。其特點(diǎn)是:①支持48位真彩色圖像、16位灰度圖像和顏色索引數(shù)據(jù)圖像;②主要面向網(wǎng)絡(luò)圖像傳輸和圖像編輯，其提供的二維交叉存儲(chǔ)機(jī)制使用戶在圖像網(wǎng)絡(luò)傳輸過程中能更快的觀察到接近真實(shí)的近似圖像;③對用戶完全透明且無專利限制，用戶可以從Internet上隨時(shí)下載與PNG文件格式配套的圖像數(shù)據(jù)壓縮算法源程序代碼:④ 具有比GIF高5-20%的壓縮效率;⑤ 具有可擴(kuò)展性。

作為目前最不失真的圖像格式， PNG格式圖像吸取了GIF和JPEG二者的優(yōu)點(diǎn)。它可以把文件壓縮到極限以利于網(wǎng)絡(luò)傳輸，但由于采用無損壓縮方式來減少文件大小，PNG格式能保留所有與圖像品質(zhì)有關(guān)的信息。同時(shí)，PNG支持圖像背景透明，顯示速度快。

本文的所有圖像的處理都是對由JPG格式圖像通過圖像格式轉(zhuǎn)化得來的Bmp格式的索引色圖像進(jìn)行的，其具體轉(zhuǎn)換程序參見附錄[一]。

第四章 圖像分割 4.1 圖像分割算法的定義與分類

在圖像的研究和應(yīng)用中，人們往往只對一幅圖像中的某些部分感興趣，這些感興趣的部分一般對應(yīng)圖像定的、具有特殊性質(zhì)的區(qū)域（可以對應(yīng)單個(gè)區(qū)域，也可以對應(yīng)多個(gè)區(qū)域），稱之為目標(biāo)或前景；而其它部分稱為圖像的背景。為了辨識(shí)和分析目標(biāo)，需要把目標(biāo)從一幅圖像中孤立出來，這就是圖像分割要研究的問題。所謂圖像分割，從廣義上來講，是根據(jù)圖像的某些特征或特征集合（包括灰度、顏色、紋理等）的相似性準(zhǔn)則對圖像象素進(jìn)行分組聚類，把圖像平面劃分成若干個(gè)具有某些一致性的不重疊區(qū)域。這使得同一區(qū)域中的象素特征是類似的，即具有一致性；而不同區(qū)域間象素的特征存在突變，即具有非一致性。從集合的角度出發(fā)，圖像分割定義如下：

設(shè)整個(gè)圖像空間為一集合R 。根據(jù)選定的一致性準(zhǔn)則P ，R 被劃分為互不重疊的非空子集（或子區(qū)域）：{R1， R2，L， Rn}，這些子集必須滿足下述條件：

（1） R =

（2） 對于所有的i和j ，當(dāng)i ≠ j， =空集

（3） P(Ri) = True ，對所有的i

（4） 所有i ≠ j；Ri ，Rj相鄰，P(Ri U Rj) = False

（5） 對i =1，2，L，n， Ri是連通區(qū)域

其中：P(Ri)為作用于Ri 中所有象素的形似性邏輯謂詞，i， j =1，2，L，…n。上述條件

（1）指出分割后的全部子區(qū)域的總和應(yīng)包含圖像中的所有元素，或者說分割應(yīng)將圖像中每個(gè)象素都分進(jìn)一個(gè)子區(qū)域中。

（2）指出各個(gè)子區(qū)域相互不重疊。

（3）指出分割后得到的屬于同一區(qū)域中的元素應(yīng)該具有某種相同特性。

（4）指出對于分割后得到的屬于相鄰兩個(gè)區(qū)域中的元素具有某種不同的特性。（5）要求同一個(gè)子區(qū)域內(nèi)的元素應(yīng)當(dāng)是連通的。

其中分割準(zhǔn)則P 適用于所有象素，由它來確定各區(qū)域元素的相同特性。上述數(shù)學(xué)條件說明了圖像分割算法的一些特點(diǎn)，凡不符合以上特點(diǎn)的圖像處理算法則不能稱為圖像分割算法。

目前，在己提出的多種類型的分割算法中，大致可以分為基于邊緣檢測的方法和基于區(qū)域的方法。而在實(shí)際應(yīng)用中，這些方法主要又可劃分為三種類型: 邊緣檢測型、閾值型和區(qū)域跟蹤型。本文的討論正是基于閾值型圖像分割方法展開的。

4.2 基于閾值的分割 4.2.1方法定義與特點(diǎn)

基于閾值的分割方法是一種應(yīng)用十分廣泛的圖像分割技術(shù)。所謂閾值分割方法的實(shí)質(zhì)是利用圖像的灰度直方圖信息得到用于分割的閾值。它是用一個(gè)或幾個(gè)閾值將圖像的灰度級分為幾個(gè)部分，認(rèn)為屬于同一個(gè)部分的象素是同一個(gè)物體。它不僅可以極大的壓縮數(shù)據(jù)量，而且也大大簡化了圖像信息的分析和處理步驟。因此，在很多情況下，是進(jìn)行圖像分析、特征提取與模式識(shí)別之前必要的圖像預(yù)處理過程。它特別適用于目標(biāo)和背景占據(jù)不同灰度級范圍的圖像。閾值分割方法的最大特點(diǎn)是計(jì)算簡單，運(yùn)算效率高，在重視運(yùn)算效率的應(yīng)用場合，它得到了廣泛的應(yīng)用。

4.2.2閾值的分割的描述

設(shè)(x，y)是二維數(shù)字圖像的平面坐標(biāo)，圖像灰度級的取值范圍是G= {0， 1， 2，…L-1 }(習(xí)慣上0代表最暗的像素點(diǎn)，L-1代表最亮的像素點(diǎn))，位于坐標(biāo)點(diǎn)(x， y)上的像素點(diǎn)的灰度級表示為f (x， y)。設(shè)t∈G為分割閾值，B= {b0， b 1}代表一個(gè)二值灰度級，并且b0， b1∈B。于是圖像函數(shù)f 1(x，y)在閾值t上的分割結(jié)果可以表示為:

閾值分割法實(shí)際就是按某個(gè)準(zhǔn)則函數(shù)求最優(yōu)閾值t的過程。域值一般可寫成如下的形式:

T=T［x，y， f (x，Y)，p (x，y)］

其中f (x， y)是在像素點(diǎn)(x， y)處的灰度值，p(x，y)是該點(diǎn)鄰域的某種局部性質(zhì)。4.3.3閾值分割方法的分類

通過上文的討論，結(jié)合所給公式，可以將閾值分割方法分為以下3類:

1)

全局閾值:T=T[p(x，y)〕，即僅根據(jù)f(x，y)來選取閾值，閾值僅與各個(gè)圖像像素的本身性質(zhì)有關(guān)。

2)

局部閾值:T=T[f(x，y)，p(x，y)]，閾值與圖像像素的本身性質(zhì)和局部區(qū)域性質(zhì)相關(guān)。

3)

動(dòng)態(tài)閾值:T=T[x，y，f(x，y)，p(x，y)]，閾值與像素坐標(biāo)，圖像像素的本身性質(zhì)和局部區(qū)域性質(zhì)相關(guān)。

全局閾值對整幅圖像僅設(shè)置一個(gè)分割閾值，通常在圖像不太復(fù)雜、灰度分布較集中的情況下采用;局部閾值則將圖像劃分為若干個(gè)子圖像，并對每個(gè)子圖像設(shè)定局部閾值;動(dòng)態(tài)閾值是根據(jù)空間信息和灰度信息確定。局部閾值分割法雖然能改善分割效果，但存在幾個(gè)缺點(diǎn):

1)

每幅子圖像的尺寸不能太小，否則統(tǒng)計(jì)出的結(jié)果無意義。

2)

每幅圖像的分割是任意的，如果有一幅子圖像正好落在目標(biāo)區(qū)域或背景區(qū)域，而根據(jù)統(tǒng)計(jì)結(jié)果對其進(jìn)行分割，也許會(huì)產(chǎn)生更差的結(jié)果。

3)

篇8

關(guān)鍵詞:ASM算法;主動(dòng)形狀模型;人臉風(fēng)格化;風(fēng)格化因子

中圖分類號(hào):TP311文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-2374(2010)06-0020-02

繪畫的最終目的并不僅僅是模仿自然和真實(shí)再現(xiàn)外部世界,在計(jì)算機(jī)圖形學(xué)中的圖像渲染領(lǐng)域,更應(yīng)該有多樣化的目標(biāo)和選擇,因此,20世紀(jì)90年代開始,風(fēng)格化繪制逐漸成為計(jì)算機(jī)圖形學(xué)的研究熱點(diǎn)。風(fēng)格化渲染并不關(guān)心像照片般真實(shí)地再現(xiàn)客觀世界,恰恰相反,它更專注于圖形個(gè)性化和藝術(shù)化的表達(dá)。

在廣泛閱讀國內(nèi)外現(xiàn)有的關(guān)于人臉檢測和面部風(fēng)格化的文章后,比較和借鑒現(xiàn)有成功的面部風(fēng)格化的方法,對人臉特征點(diǎn)定位,面部特征提取和變形的關(guān)鍵技術(shù)進(jìn)行改進(jìn)和完善,提出了一整套方案,并開發(fā)相應(yīng)的基于視頻圖像序列的面部圖像風(fēng)格化系統(tǒng)。

一、相關(guān)技術(shù)

(一)主動(dòng)形狀模型(ASM)

主動(dòng)形狀模型(Active Shape Models)是一種物體形狀描述技術(shù),是Cootes提出的用于解決圖像中的目標(biāo)搜尋的形狀統(tǒng)計(jì)模型,被廣泛應(yīng)用于醫(yī)學(xué)圖像處理、數(shù)字圖像理解和計(jì)算機(jī)視覺等領(lǐng)域。

ASM的思想最早可以追溯到1987年Kass等人提出的snake方法,該方法主要用于邊界檢定與圖像分割。1989年,Yuille等人提出使用參數(shù)化的可變形模板來代替snake模型。 1995年,Cootes等人提出ASM算法,ASM采用參數(shù)化的采樣形狀來構(gòu)成對象形狀模型,并利用PCA方法建立描述形狀的控制點(diǎn)的運(yùn)動(dòng)模型,最后利用一組參數(shù)組來控制形狀控制點(diǎn)的位置變化,從而逼近當(dāng)前對象的形狀。

ASM的基本思想是選取一組訓(xùn)練樣本,用一組特征點(diǎn)來描述樣本的形狀, 然后對各樣本的形狀進(jìn)行配準(zhǔn)(使得形狀盡可能地相似),對這些配準(zhǔn)后的形狀向量利用主分量分析方法進(jìn)行統(tǒng)計(jì)建模得到物體形狀的統(tǒng)計(jì)學(xué)描述,最后利用建立的模型在新的圖像中搜索物體輪廓,從而定位出目標(biāo)物體。ASM依靠一個(gè)由人工標(biāo)定特征點(diǎn)的訓(xùn)練集來得到一個(gè)平均的人臉形狀(Mean Shape)之后,在平均形狀點(diǎn)的鄰接區(qū)域進(jìn)行搜索得到目標(biāo)形狀(Shape)。

由ASM訓(xùn)練得到的平均形狀模型能很好地覆蓋各種人臉幾何外形子空間,具有較高的定位精度;同時(shí),采用灰度和梯度信息指導(dǎo)形狀模型收斂速度也較快,并且可以提高收斂的概率。

(二)基于特征線對的圖像變形

一組特征線對被定義為一對方向向量,一個(gè)位于源圖像,一個(gè)位于目標(biāo)圖像。這樣從源圖像到目標(biāo)圖像就存在一個(gè)映射。定義以下式子:

U=(1)

V=(2)

X'=P'+u•(Q'-P')+ (3)

式中X代表源圖像中的一點(diǎn),PQ代表源圖像征線對,X代表目標(biāo)圖像中的一點(diǎn)。P'Q'代表目標(biāo)圖像的特征線對。

圖1基于一組特征線對的示意圖

多組線對關(guān)鍵是要確定每個(gè)線對的權(quán)重。因?yàn)槟繕?biāo)圖像中每個(gè)點(diǎn)都要依據(jù)每組線對計(jì)算一次,所以線對的權(quán)重是比較關(guān)鍵的。定義權(quán)重計(jì)算式如下:

weight=()b(4)

式(4)中,length是線對中線段的長度,dist是像素點(diǎn)到線段的最短距離;a,b,p是參數(shù),可以修改它們的值來改變線與線之間的影響,a的值影響變形后的平滑程度,越大變形后線段將越平滑;b的值決定了距離對于線對的影響程度,實(shí)驗(yàn)證明b的范圍在[0.5,2]能取得比較好的效果;p是一個(gè)0～1之間的數(shù),如果p=0,那么所有的線對之間權(quán)重相同,如果p=1,線段越長權(quán)重越大。

圖2中,X'是源圖像鐘像素的位置,X是目標(biāo)圖像中像素的位置。v1,v2分別是相應(yīng)的像素點(diǎn)到線段的距離。

二、人臉特征點(diǎn)的定位

實(shí)驗(yàn)開始階段,使用手工標(biāo)注人臉特征點(diǎn)的正面圖像對ASM進(jìn)行訓(xùn)練,每張圖片有68個(gè)特征點(diǎn),其中臉型15個(gè),眉毛12個(gè),雙眼10個(gè),鼻子14個(gè),嘴巴17個(gè)。這些特征點(diǎn)已經(jīng)能夠比較完整地反映出人臉的輪廓以及五官的特征。

如圖2所示為擬合出人臉輪廓,首先在平均模板基礎(chǔ)上生成一個(gè)初始形狀估計(jì),然后根據(jù)搜索策略調(diào)整標(biāo)記點(diǎn)位置,讓初始形狀在待識(shí)別的圖像不斷地變形,直至收斂,最終擬合出人臉的輪廓。

根據(jù)上述的介紹,可以看出,68個(gè)特征點(diǎn)已經(jīng)能比較準(zhǔn)確的描繪出人臉的五官特征,但是對于眼睛這樣的精細(xì)部位的描述來說,仍略顯不足,因此,這里我們采用插值的辦法在每只眼睛周圍補(bǔ)充了4個(gè)特征點(diǎn),如圖3和圖4分別為采用插值增加特征點(diǎn)前后的對比圖。

三、人臉風(fēng)格化

通過閱讀大量的圖像風(fēng)格化和人臉識(shí)別的文章,已經(jīng)能夠確定藝術(shù)家的風(fēng)格特征,既和圖像的幾何特征相關(guān),又與圖像的紋理特征相關(guān)。

在圖5中,將人臉風(fēng)格化的過程可以分為訓(xùn)練階段和運(yùn)行階段兩個(gè)階段,下面分別介紹這兩個(gè)階段的具體步驟:

(一)訓(xùn)練階段(Training):

第一步:訓(xùn)練人臉檢測的分類器,本文訓(xùn)練的分類器只針對正面免冠人臉。

第二步:訓(xùn)練ASM模型,以便對用戶給定的圖像進(jìn)行人臉特征點(diǎn)的自動(dòng)定位。

第三步:根據(jù)訓(xùn)練圖像的特征點(diǎn),計(jì)算出原圖和風(fēng)格化圖訓(xùn)練樣本的平均幾何,并稱之為Mean ShapeI和Mean ShapeS,如圖5的右上角所示。

第四步:根據(jù)MeanShapeI和Mean ShapeS對I和S做幾何變換:I'= G(I),S'= G(S),以消除人臉幾何差異性影響。

第五步:做抽取Mean Shape的幾何特征G,并得到特征線向量組:S'= G(S)。

第六步:計(jì)算風(fēng)格化樣本的風(fēng)格化變換系數(shù),將兩個(gè)Mean Shape作對比,確定變換系數(shù)作為描述特定風(fēng)格的參數(shù)。

(二)運(yùn)行階段(Running):

第一步:采用人臉檢測的方法,定位抽取人臉。

第二步:使用主動(dòng)輪廓模型(ASM)進(jìn)行臉部特征點(diǎn)定位,獲得臉部的幾何形狀并計(jì)算特征線向量組和幾何變換:Si'= G(Si);

第三步:使用面部圖像分割技術(shù)Canny邊緣檢測以及閾值提取技術(shù),將定位的人臉圖像邊緣和閾值提取以及ASM輪廓內(nèi)部的合并圖抽取出來,獲得臉部的紋理信息以及輪廓信息;

第四步:將獲得的幾何形狀(Shape)與訓(xùn)練過程得到的平均幾何形狀(MeanShape)作對比,將幾何特征提取出來與訓(xùn)練階段獲取的風(fēng)格化參數(shù)相乘從而確定變形的特征;

第五步:根據(jù)獲得的特征使用變形方法獲得風(fēng)格化后的圖像。

至此,完成了人臉的風(fēng)格化處理過程,圖5即為整個(gè)系統(tǒng)的實(shí)現(xiàn)框架。

四、結(jié)論

本文通過主動(dòng)形狀模型(ASM)算法提取人臉特征點(diǎn),其中運(yùn)用了圖像分割中的邊緣檢測以及機(jī)器學(xué)習(xí)的方法,達(dá)到了一定的描述效果。基于該算法,給出了一個(gè)人臉風(fēng)格化系統(tǒng)的實(shí)現(xiàn)框架,系統(tǒng)分為訓(xùn)練階段和運(yùn)行階段,通過這兩個(gè)階段,可以很好地完成人臉的風(fēng)格化描述過程。但是,由于風(fēng)格化因子受限于訓(xùn)練樣本,所以產(chǎn)生的輸出結(jié)果也會(huì)受到訓(xùn)練樣本的影響。

參考文獻(xiàn)

[1]Cooper DH,Cootes TF, Taylor CJ. Active shape models―their training and application[J].Computer Vision and Image Understanding,1995,61(1).

[2]李培華,張?zhí)镂?主動(dòng)輪廓線模型(蛇模型)綜述[J].軟件學(xué)報(bào),2000,11(6).

[3]Cootes TF,Taylor CJ.Statistical models of appearance for computer version[R].Technical Report,Manchester M13 9PT.University of Manchester,2001.

[4]周仁琴,劉福新.基于人臉特征分析的卡通人臉動(dòng)畫系統(tǒng)[J].計(jì)算機(jī)工程,2008,(10).

篇9

圖像邊緣是圖像灰度值變化不連續(xù)的部分，可以粗略地分為階躍邊緣和屋頂邊緣[1]。圖像邊緣的信息能勾勒物體輪廓框架，是數(shù)字圖像研究領(lǐng)域的重要部分。多見的圖像邊緣檢測方法有Sobel算法、Canny算法、Laplacian算法等，雖然這些算子簡單方便，但不能適應(yīng)各種類型的邊緣檢測，自適應(yīng)性較差。有實(shí)驗(yàn)表明，彩色圖像比灰度圖像含有的邊緣信息更為豐富，彩色圖像大概有十分之一的邊緣信息不能在灰度圖像中檢測得到[2]。由于RGB三個(gè)分量相關(guān)性較強(qiáng)[3]，對顏色感知不均勻，難以對色度、飽和度和亮度等進(jìn)行數(shù)字化調(diào)整。因此，本文采用符合顏色視覺特性的顏色空間HSI。除此之外，由于光照不均勻，采集到的圖像往往顯得暗淡，其灰度值和動(dòng)態(tài)范圍都較小，需要采用二維共生矩陣直方圖均衡化方法來解決。

本文對彩色圖像灰度值及動(dòng)態(tài)范圍較小的邊緣檢測算法進(jìn)行研究。首先根據(jù)圖像的整體及布局灰度級的分布，在空間域?qū)D像進(jìn)行二維共生矩陣直方圖均衡化處理，增強(qiáng)圖像整體對比度，使圖像過渡自然、細(xì)節(jié)清楚，然后利用一種改進(jìn)的HSI形態(tài)學(xué)彩色圖像邊緣檢測方法，計(jì)算H、S、I三分量的數(shù)據(jù)信息，接著對其進(jìn)行權(quán)分析和圖像融合，最后得到彩色圖像邊緣。通過MATLAB實(shí)驗(yàn)，結(jié)果表明，本文算法檢測準(zhǔn)確率高，自適應(yīng)效果好，是一種較好的檢測方法。

1 共生矩陣

1.1 灰度共生矩陣概念

灰度共生矩陣是一種像素距離和角度的的矩陣函數(shù)，再現(xiàn)了圖像灰度在間隔、方向及變換范圍的全部信息。它是通過統(tǒng)計(jì)分析一個(gè)圖像中具有不同灰度狀況的兩個(gè)像素得到的，兩個(gè)像素的方向和距離具有適當(dāng)性。

1.2 共生矩陣直方圖均衡化

2 HSI空間形態(tài)學(xué)梯度彩色圖像邊緣檢測

2.1 HSI模型與色差求解

2.2 形態(tài)學(xué)梯度算子

2.3 雙結(jié)構(gòu)元的形態(tài)學(xué)算法

在數(shù)學(xué)形態(tài)學(xué)中，結(jié)構(gòu)元素是一個(gè)最重要也是最基礎(chǔ)的概念，不同的結(jié)構(gòu)元素在同一幅圖像中可用于提取、識(shí)別不同的圖像形狀或者目標(biāo)。在單一的結(jié)構(gòu)元素，提取圖像的特性是大小完全相同的；而對于微小差異的結(jié)構(gòu)元素，則無法提取他們的特性。本文采用文獻(xiàn)[10]的方法，即一種雙結(jié)構(gòu)元的形態(tài)學(xué)算子：

其中，A是一種鉆石型5×5的結(jié)構(gòu)元素，B是一種十字型3×3的結(jié)構(gòu)元素：

A與B是兩種不同尺度的結(jié)構(gòu)元素，各有優(yōu)點(diǎn)與缺點(diǎn)。對于A，尺度大，去除圖像噪聲能力強(qiáng)，但會(huì)失去一些邊緣信息；對于B，尺度小，可以較好地保持邊緣信息，但去除圖像噪聲能力較弱。由此可見，合理調(diào)整結(jié)構(gòu)元素尺度的大小，可以有效抑制噪聲并得到理想的邊緣檢測結(jié)果。本文采用改進(jìn)的形態(tài)學(xué)梯度算子[12]應(yīng)用到基于共生矩陣和形態(tài)學(xué)的檢測算法中，得到如下算子：

2.4 本文算法的步驟

針對在RGB空間中難以有效區(qū)分顏色相似性，光照不均勻的彩色圖像存在灰度動(dòng)態(tài)范圍較低等問題，本文提出一種關(guān)于共生矩陣和形態(tài)學(xué)的邊緣檢測算法，檢測算法描述如下。

第一步：首先通過通過共生概率密度函數(shù)和累積分分布函數(shù)計(jì)算得到K個(gè)新的灰度級，然后根據(jù)式子⑹計(jì)算共生直方圖均衡后相鄰像素之間的空間相關(guān)特性，根據(jù)式子⑺對圖像進(jìn)行二維共生矩陣直方圖均衡彩色圖像增強(qiáng)。

第二步：進(jìn)行色彩空間轉(zhuǎn)換，根據(jù)已知的RGB分量值，計(jì)算H分量、S分量以及I分量。

第三步：利用H分量和式⑷以及式⑸計(jì)算多尺度邊緣EHi（x，y）。其中，Bn為有限個(gè)結(jié)構(gòu)元素序列，n為尺度參數(shù)。

第四步：利用式⑶計(jì)算融合后H分量的邊緣檢測信息EHi（x，y）。當(dāng)中，權(quán)重系數(shù)為ai（i=1，2，3…，n），（a）在噪聲較小或無的情況下圖像取平均數(shù)值，即；（b）在噪聲較大的情況下圖像取非平均權(quán)重，即。

第五步：對于S分量和I分量，同理重復(fù)第二、第三、第四步驟，得到S分量和I分量的邊緣檢測信息。

第六步：將圖像H分量、S分量、I分量的邊緣數(shù)據(jù)信息進(jìn)行圖像融合統(tǒng)計(jì)處理，得到彩色圖像邊緣。

3 仿真實(shí)驗(yàn)和分析

本文使用的實(shí)驗(yàn)環(huán)境是MATLAB 7.0，第一步是對本文邊緣檢測算法進(jìn)行實(shí)驗(yàn)，確保算法正確；第二步，為了保證檢測算法的準(zhǔn)確性與有效性，將本文算法與文獻(xiàn)[10-11]及Sobel算法、Canny算法等幾種常見的邊緣檢測算法進(jìn)行對比，如圖2所示。

從圖2可知，經(jīng)典的Sobel算子、Canny算子對噪聲比較敏感，不能完整地勾勒圖像的邊緣；文獻(xiàn)[10]與文獻(xiàn)[11]優(yōu)于經(jīng)典算子，能夠較好地抑制噪聲，但顯得不夠清晰平滑；本文算法將噪聲過濾較好，所檢測的邊緣輪廓較為清晰完整。

客觀來說，用圖像峰值信噪比（PSNR）對實(shí)驗(yàn)圖像進(jìn)行定量分析，PSNR越大，代表保留的圖像信息越多。本文算法和兩種傳統(tǒng)算法Sobel和Canny以及文獻(xiàn)[10-11]共五種算法的PSNR計(jì)算結(jié)果如表1所示。

4 結(jié)束語

針對在RGB空間中難以有效區(qū)分顏色相似性的問題，本文提出一種關(guān)于共生矩陣和形態(tài)學(xué)的邊緣檢測算法。該方法首先通過利用圖像的整體及布局灰度級的分布，在空間域?qū)D像進(jìn)行二維共生矩陣直方圖均衡化處理，然后采用形態(tài)學(xué)梯度算子對H、S、I的三分量進(jìn)行權(quán)分析和圖像融合得到彩色圖像邊緣。與傳統(tǒng)算法相比，本文所提出的算法更能有效地保持邊緣信息，是一種有效的邊緣檢測方法。

參考文獻(xiàn)：

[1] J X SUN， GU DB. A multiscale edge detection algorithm based on velet domain vector hidden Markov tree model[J]. Pattern Recognition，2004.37（7）：1315-1324

[2] NEVATIA R.A color edge detector and its use in scene egmentation[J].IEEE Trans on Systems，1977.7（11）：820-826

[3] 楊益，何穎.基于RGB空間的車道線檢測與辨識(shí)方法[J].計(jì)算機(jī)與現(xiàn)代化，2014.2：86-90

[4] 楊冰清，田小平，吳成茂.基于共生矩陣的彩色圖像增強(qiáng)算法[J].計(jì)算機(jī)應(yīng)用，2012.9（32）：2573-2584

[5] 姚宇峰，夏開建，鐘珊等.改進(jìn)的形態(tài)學(xué)和小波變換邊緣檢測算法研究[J].計(jì)算機(jī)工程與應(yīng)用，2011.47（21）：214-216

[6] 王佐成，唐素，薛麗霞等.多方向模糊形態(tài)學(xué)彩色圖像邊緣檢測算法[J].計(jì)算機(jī)應(yīng)用研究，2010.27（10）：3971-3973

[7] 徐杰.數(shù)字圖像處理[M].華中科技大學(xué)出版社，2009.

[9] 徐國保，王驥，趙桂艷等.基于數(shù)學(xué)形態(tài)學(xué)的自適應(yīng)邊緣檢測新算法[J].計(jì)算機(jī)應(yīng)用， 2009.29（4）：997-1002

[10] 羅圣敏.改進(jìn)的彩色圖像邊緣檢測算法仿真研究[J].計(jì)算機(jī)仿真，2011.28（7）：301-304

[11]李依令.基于多尺度多結(jié)構(gòu)元素的數(shù)學(xué)形態(tài)學(xué)邊緣檢測[J].科學(xué)技術(shù)與工程，2006.6（10）：1417-1419

[12] 毛若羽，陳相寧.改進(jìn)的HSI空間形態(tài)學(xué)有噪彩色圖像邊緣檢測[J].計(jì)算機(jī)應(yīng)用研究，2013.30（2）：635-637

篇10

關(guān)鍵詞：圖像分割、閾值、邊緣檢測、區(qū)域分割

中圖分類號(hào)： TN957.52 文獻(xiàn)標(biāo)識(shí)碼： A

1引言

隨著圖像分割技術(shù)研究的深入，其應(yīng)用日趨廣泛。凡屬需要對圖像目標(biāo)進(jìn)行提取、測量的工作都離不開圖像分割。圖像分割是圖像處理、模式識(shí)別和人工智能等多個(gè)領(lǐng)域中一個(gè)十分重要且又十分困難的問題，是計(jì)算機(jī)視覺技術(shù)中首要的、重要的關(guān)鍵步驟。圖像分割結(jié)果的好壞直接影響對計(jì)算機(jī)視覺中的圖像理解。現(xiàn)有的方法多是為特定應(yīng)用設(shè)計(jì)的，有很大的針對性和局限性，到目前為止還不存在一個(gè)通用的方法，也不存在一個(gè)判斷分割是否成功的客觀標(biāo)準(zhǔn)。因此，對圖像分割的研究目前還缺乏一個(gè)統(tǒng)一的理論體系，使得圖像分割的研究仍然是一個(gè)極富有挑戰(zhàn)性的課題。

2圖像分割方法

圖像分割(Image Segmentation)，簡單地說就是將一幅數(shù)字圖像分割成不同的區(qū)域，在同一區(qū)域內(nèi)具有在一定的準(zhǔn)則下可認(rèn)為是相同的性質(zhì)，如灰度、顏色、紋理等。而任何相鄰區(qū)域之間其性質(zhì)具有明顯的區(qū)別。

2.1基于灰度特征的閾值分割方法

閾值分割技術(shù)是經(jīng)典的、流行的圖象分割方法之一，它是用一個(gè)或幾個(gè)閾值將圖像的灰度級分為幾個(gè)部分，認(rèn)為屬于同一個(gè)部分的像素是同一個(gè)物體。

這類方法主要包括以下幾種：

(1)單閾值法，用一個(gè)全局閾值區(qū)分背景和目標(biāo)。當(dāng)一幅圖像的直方圖具有明顯的雙峰時(shí)，選擇兩峰之間的谷底作為閾值。

(2)雙閾值法，用兩個(gè)閾值區(qū)分背景和目標(biāo)。通過設(shè)置兩個(gè)閾值，以防單閾值設(shè)置閾值過高或過低，把目標(biāo)像素誤歸為背景像素，或把背景像素誤歸為目標(biāo)像素。

(3)多閾值法，當(dāng)存在照明不均，突發(fā)噪聲等因素或背景灰度變化較大時(shí)，整幅圖像不存在合適的單一閾值，單一閾值不能兼顧圖像不同區(qū)域的具體情況，這時(shí)可將圖像分塊處理，對每一塊設(shè)一個(gè)閾值。

2.2 邊緣檢測分割法

基于邊緣檢測技術(shù)可以按照處理的順序分為并行邊緣檢測和串行邊緣檢測兩大類。常見的邊緣檢測方法有：差分法、模板匹配法及統(tǒng)計(jì)方法等。由于邊緣灰度變化規(guī)律一般體現(xiàn)為階梯狀或者脈沖狀。邊緣與差分值的關(guān)系可以歸納為兩種情況，其一是邊緣發(fā)生在差分最大值或者最小值處；其二是邊緣發(fā)生在過零處。

2.3基于區(qū)域的分割方法

基于區(qū)域的分割方法利用的是圖像的空間性質(zhì)。該方法認(rèn)為分割出來的某一區(qū)域具有相似的性質(zhì)。常用的方法有區(qū)域生長法和區(qū)域分裂合并法。該類方法對含有復(fù)雜場景或自然景物等先驗(yàn)知識(shí)不足的圖像進(jìn)行分割，效果較好。

區(qū)域生長方法是把一幅圖像分成許多小區(qū)域開始的，這些初始的小區(qū)域可能是小的鄰域甚至是單個(gè)像素，在每個(gè)區(qū)域中，通過計(jì)算能反映一個(gè)物體內(nèi)像素一致性的特征，作為區(qū)域合并的判斷標(biāo)準(zhǔn)。區(qū)域合并的第一步是賦給每個(gè)區(qū)域一組參數(shù)，即特征。接下來對相鄰區(qū)域的所有邊界進(jìn)行考查，如果給定邊界兩側(cè)的特征值差異明顯，那么這個(gè)邊界很強(qiáng)，反之則弱。強(qiáng)邊界允許繼續(xù)存在，而弱邊界被消除，相鄰區(qū)域被合并。沒有可以消除的弱邊界時(shí)，區(qū)域合并過程結(jié)束，圖像分割也就完成。

2.4結(jié)合特定工具的圖像分割技術(shù)

20世紀(jì)80年代末以來，隨著一些特殊理論的出現(xiàn)及其成熟，如數(shù)學(xué)形態(tài)學(xué)、分形理論、模糊數(shù)學(xué)、小波分析、模式識(shí)別、遺傳算法等，大量學(xué)者致力于將新的概念、新的方法用于圖像分割，有效地改善了分割效果。產(chǎn)生了不少新的分割算法。下面對這些算法做一些簡單的概括。

2.4.1基于數(shù)學(xué)形態(tài)學(xué)的分割算法

分水嶺算法是一種經(jīng)典的借鑒了數(shù)學(xué)形態(tài)理論的分割方法。該方法中，將一幅圖像比為一個(gè)具有不同高度值的地形，高灰度值處被認(rèn)為是山脊，底灰度值處被認(rèn)為是山谷，將一滴水從任一點(diǎn)流下，它會(huì)朝地勢底的地方流動(dòng)，最終聚于某一局部最底點(diǎn)，最后所有的水滴會(huì)分聚在不同的吸引盆地，由此，相應(yīng)的圖像就被分割成若干部分。分水嶺算法具有運(yùn)算簡單、性能優(yōu)良，能夠較好提取運(yùn)動(dòng)對象輪廓、準(zhǔn)確得到運(yùn)動(dòng)物體邊緣的優(yōu)點(diǎn)。但分割時(shí)需要梯度信息，對噪聲較敏感。

2.4.2基于模糊數(shù)學(xué)的分割算法

目前，模糊技術(shù)在圖像分割中應(yīng)用的一個(gè)顯著特點(diǎn)就是它能和現(xiàn)有的許多圖像分割方法相結(jié)合，形成一系列的集成模糊分割技術(shù)，例如模糊聚類、模糊閾值、模糊邊緣檢測技術(shù)等。

這類方法主要有廣義模糊算子與模糊閾值法兩種分割算法。

(1)廣義模糊算子在廣義模糊集合的范圍內(nèi)對圖像處理，使真正的邊緣處于較低灰度級，但還有一些不是邊緣的像素點(diǎn)的灰度也在較低灰度級中，雖然算法的計(jì)算簡明，且邊緣細(xì)膩，但得到的邊緣圖會(huì)出現(xiàn)斷線問題。

(2)模糊閾值法引入灰度圖像的模糊數(shù)學(xué)描述，通過計(jì)算圖像的模糊熵來選取圖像的分割閾值，后用閾值法處理圖像得到邊界。

2.4.3基于遺傳算法的分割方法

此算法是受生物進(jìn)化論思想提出的一種優(yōu)化問題的解決方法，它使用參數(shù)編碼集而不是參數(shù)本身，通過模擬進(jìn)化，以適者生存的策略搜索函數(shù)的解空間，它是在點(diǎn)群中而不是在單點(diǎn)進(jìn)行尋優(yōu)。遺傳算法在求解過程中使用隨機(jī)轉(zhuǎn)換規(guī)則而不是確定性規(guī)則來工作，它唯一需要的信息是適應(yīng)值，通過對群體進(jìn)行簡單的復(fù)制、雜交、變異作用完成搜索過程。由于此法能進(jìn)行能量函數(shù)全局最小優(yōu)化搜索，且可以降低搜索空間維數(shù)，降低算法對模板初始位置的敏感，計(jì)算時(shí)間也大為減少。其缺點(diǎn)是容易收斂于局部最優(yōu)。

2.4.4基于神經(jīng)網(wǎng)絡(luò)分割算法

人工神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)、自適應(yīng)的性能和非常強(qiáng)的非線性映射能力，適合解決背景知識(shí)不清楚、推理規(guī)則不明確和比較復(fù)雜的分類問題，因而也適合解決比較復(fù)雜的圖像分割問題。原則上講，大部分分割方法都可用 ANN(attificial neural network)實(shí)現(xiàn)。ANN 用于分割的研究起步較晚，只有多層前饋NN，多層誤差反傳(BP)NN，自組織NN，Hopfield NN以及滿足約束的NN(CSNN-Const raint Satisfaction Neurat Network)等得到了應(yīng)用。使用一個(gè)多層前向神經(jīng)網(wǎng)絡(luò)用于圖象分割，輸入層神經(jīng)元的數(shù)目取決于輸入特征數(shù)，而輸出層神經(jīng)元的數(shù)目等同于分類的數(shù)目。

2.5圖像分割中的其他方法

前面介紹了4大類圖像分割較常用的方法，有關(guān)圖像分割方法和文獻(xiàn)很多，新方法不斷產(chǎn)生，這些方法有的只對特定的情形有效，有的綜合了幾種方法，放在一起統(tǒng)稱為第5類。

(1)標(biāo)號(hào)法(labeling)是一種基于統(tǒng)計(jì)學(xué)的方法，這種方法將圖像欲分割成的幾個(gè)區(qū)域各以一個(gè)不同的標(biāo)號(hào)來表示，用一定的方式對圖像中的每一個(gè)像素賦以標(biāo)號(hào)，標(biāo)號(hào)相同的像素就合并成該標(biāo)號(hào)所代表的區(qū)域。

(2)基于Snak模型的分割方法，基于Snake模型的分割是通過對能量函數(shù)的動(dòng)態(tài)優(yōu)化來逼近圖像目標(biāo)的真實(shí)輪廓的

(3)紋理分割，由于新的數(shù)學(xué)工具的引入，紋理分割技術(shù)取得了一些進(jìn)展，張蓬等人將小波分析應(yīng)用于紋理基元提取。

(4)基于知識(shí)的圖像分割方法，直接建立在先驗(yàn)知識(shí)的基礎(chǔ)上，使分割更符合實(shí)際圖像的特點(diǎn)。該方法的難度在于知識(shí)的正確合理的表示與利用。

3圖像分割性能的評價(jià)

圖像分割評價(jià)主要有兩個(gè)方面的內(nèi)容：一是研究各分割算法在不同情況下的表現(xiàn)，掌握如何選擇和控制其參數(shù)設(shè)置，以適應(yīng)不同需要。二是分析多個(gè)分割算法在分割同一圖像時(shí)的性能，比較優(yōu)劣，以便在實(shí)際應(yīng)用中選取合適的算法。分割評價(jià)方法分為分析法和實(shí)驗(yàn)法兩大類。分析法是直接分析分割算法本身的原理及性能，而實(shí)驗(yàn)法是通過對測試圖像的分割結(jié)果來評價(jià)算法的。兩種方法各有優(yōu)劣，由于缺乏可靠理論依據(jù)，并非所有分割算法都能夠通過分析法分析其性能。每種評價(jià)方法都是出于某種考慮而提出來的，不同的評價(jià)方法只能反映分割算法性能的某一性能。另一方面，每一種分割算法的性能是由多種因素決定的，因此，有可能需要多種準(zhǔn)則來綜合評價(jià)。

4圖像分割技術(shù)的發(fā)展趨勢

隨著神經(jīng)網(wǎng)絡(luò)、遺傳算法、統(tǒng)計(jì)學(xué)理論、小波理論以及分形理論等在圖像分割中的廣泛應(yīng)用，圖像分割技術(shù)呈現(xiàn)出以下的發(fā)展趨勢：(1)多種特征的融合。(2)多種分割方法的結(jié)合。(3)新理論與新方法。

參考文獻(xiàn)

[1] [美]RC岡薩雷斯.數(shù)字圖像處理（第二版）[M].阮秋琦，等譯.北京：電子工業(yè)出版社，2003

[2] 章毓晉．圖像分割[M]．北京：科學(xué)出版社，2001．