D-75《图像处理、分析与机器视觉》.docVIP

图像处理、分析与机器视觉 进修考核大纲 ? 沈伟 编 ?? 兵器工程师进修大学 2013年8月 《图像处理、分析与机器视觉》进修考核大纲 一、 课程性质与基本要求 1、课程性质 图像处理、分析与机器视觉是认知与计算机学科中的一个令人兴奋的活跃分支。人们对该领域的兴趣经历了20世纪70年代和80年代的爆炸性增长之后，过去30年的一个特征是走向成熟，伴随而来的是实际应用的显著增长，其中遥感、技术诊断、自主导航、医学成像（2D、3D、4D）和自动监视是发展最快的方向， 2、基本要求 本课程的先修课程主要包括：高等数学、线性代数、概率论与随机过程、程序设计等课程。 本课程针对图像处理、图像分析和机器视觉领域的相关原理和技术进行了深入而广泛的研究。它与人工智能、信号处理、人工神经网络、模式识别、机器学习、模糊数学等一系列相关学科既相互联系又相互区别。它在生物医学、遥感、工业、军事、电信、安防等领域有着广泛的应用。 本课程主要介绍了图像处理、图像分析和机器视觉学科的基础知识及一些新的研究成果，并对相关的基本理论和实际应用进行系统讲解。本课程主要内容包括:图像、 本课程主要目的是使学生系统掌握图像处理、图像分析和机器视觉的基本概念、原理和实现方法，学习相关的基本理论、典型方法和实用技术，具备解决实际应用问题的初步能力，为今后进一步从事该领域的研究和工程实践奠定基础。 第一章 引言 1.1 动机 了解计算机视觉的研究目的。 1.2 计算机视觉为什么是困难的 计算机视觉困难的原因包括： 三维转化为二维过程中的信息损失； 图像如何进行理解； 噪声对图像的影响； 构成图像的庞大的数据，处理实时性能难以满足； 图像获取过程中，亮度的量测； 局部窗口与全局视图的关系。 1.3 图像表达与图像分析的任务 机器的图像理解可以看作是在输入图像和先前建立起来的所观察世界模型之间的建立关系。 图像的表达和关联算法可以分为：低层图像处理和高层图像理解。 低层处理一般包括图像压缩、噪声滤波、边缘提取和图像锐化等。 高层处理包括：图像分割、图像理解、图像识别等。 第二章 图像及其表达与性质 2.1 图像表达若干概念 灰度图像表示为两个变量的标量函数f(x，y)， 其中(x，y)是平面内的坐标。 在很多情况，图像是作为3D 场景到2D 投影的结果形成的，2D图像是3D场景的透视投影。 数字化图像的定义域是个有限的离散栅格，其坐标是自然数，数字化图像的值域是一个有限的灰度值（亮度）的离散集合。像素是图像的基本单位。 数字图像的品质随空间、频谱、辐射计量和时间分辨率增长而提高。 空间分辨率是由图像平面上图像采样点间的接近程度确定的，频谱分辨率是由传感器获得的光线频率带宽决定的，辐射计量分辨率对应于可区分的灰阶数量。时间分辨率取决于图像获取的时间采样间隔。时间分辨率问题在动态图像分析中是重要的，其中处理的是图像的时间序列。 2.2 图像的数字化 图像的数字化可以看作是采样函数与连续图像函数的乘积。 通过栅格由规格化的多边形（方形或正六边形)组成，采样的第二方面是设置采样点间的距离，采样距离越小图像的分辨率越高。 栅格中一个无限小的采样点对应于数字化图像中的一个像元，称作像素或图像元素。 将图像函数的连续数值（亮度）转变为其数字等价量的过程称为量化。 灰阶的量化决定明暗和伪轮廓，只含有黑和白像素的图像称作二值图像。 2.3 数字图像的性质 数字图像中必须建立提供两个像素间距离的函数，常用的距离度量有：欧式距离、城市街区距离、棋盘距离。 理解区域、连通、背景等概念。 了解距离变换的概念和方法。 一幅二值图像的距离变换提供每个像素到最近的非零像素的距离。存在一个在计算上高效的计算距离变换的两遍算法具有与像素数目成线性的复杂度。 理解边缘、裂缝边缘、区域边界等概念。 如果区域内的任意两点连成一条线而这条线完整的位于区域内，则该区域为凸。 区域的凸包是包含它的一个最小凸子集。 亮度直方图是图像亮度的全局描述，给出了像素具有某个亮度的概率密度估计。 熵，常称作信息熵，与给定概率分布的事件的不确定性大小有关。 对比度是亮度的局部变化，定义为物体亮度的平均值与背景亮度的比值。 敏锐度是觉察图像细节的能力，它随离光轴距离的增加而降低。 人的视觉感知有很多错觉. 感知组织作为人感知图像的一些性质对于计算机视觉有启发作用。 现场图像与任何其他测量或观测一样总是带有噪声的，通过使用信噪比可以定量地估计噪声的程度。 信噪比是指噪声的平方和与所观察信号的平方和之比，单位为分贝。 噪声的常见模型乎白噪声、高斯噪声、冲击噪声、胡椒盐噪声。 白噪声是一种理想的噪声，具有常量功率谱，即该噪声在所有频率上出现且强度相同。 冲击噪声是指一幅图像被个别噪声像素破坏，这些像素的亮度与其邻域的显著不