数字图象处理


2001.1 数字图象处理数字图象处理 封举富封举富 北京大学信息科学中心北京大学信息科学中心 视觉与听觉信息处理国家重点实验室视觉与听觉信息处理国家重点实验室 目录目录((一一)) E 一 导论 E 二 数字图象基础 E 三 图象变换 E 四 图象增强 E 五 边缘检测 目录目录((二二)) E 六 图象分割 E 七 二值图象处理 E 八 几何特征提取和形状分析 E 九 纹理分析 E 十 彩色图象处理 一 导论 E 目的 E 人类视觉模型 E 图象数字化 E 数字图像表示 E 取样和量化 E 图像识别系统框架 E 举例 目的 E 图像质量改善 如医学图象 X光 CT 等 遥感图象增强…… E 图像数据处理 这方面的应用范围非常 广泛 如指纹图像处理 OCR 电子或 光学显微镜下的图像处理 医学图像 遥感图像分析…… E 注意 图像处理与问题相关 ~ 人类视觉系统 EE 眼球和视网膜结构眼球和视网膜结构 图象数字化 E 数字摄象机 E 扫描仪 数字图像表示 E 图像是什么 图像是一个二维亮度函数 f(x,y) 灰度图像 彩色图像是三个二 维亮度函数 RGB,YUV 组成 (x,y)定 义了空间坐标 f(x,y)定义该点的亮度 或灰度 E 数字图像是指图像f(x,y)在空间坐标和亮 度的数字化 一个数字图像可以看成一 个矩阵 或一个二维数组 其基本元素 称为象素 Pixel 取样和量化 一 E 均匀取样和量化 • 空间坐标的数字化——图像取样 • 强度的数字化——灰度级量化 • 一般地 定义了灰度 级 一幅图象的存储空间为NMm(bits) • M,N决定了图像的精度 m决定了图象对比 度             −−−− − − = )1,1()1,1(),0,1( )1,1()1,1(),0,1( )1,0()1,0(),0,0( ),( MNfNfNf Mfff Mfff yxf L M LLLLLL LLLLLL mkn GMN 2,2,2 === 取样和量化 二 E 非均匀取样和量化 • 在变化大 细节多的区域——较精取样 • 平坦 变化缓慢区域——较粗取样 • 高频区域——量化级多 • 低频区域——量化级少 • 频繁出现的灰度级——量化级多 • 较少出现的灰度级——量化级少 图像识别系统框架 图象获取 预处理 图象分割 特征提取 识别 特征表示 例 自动指纹识别例 自动指纹识别 EE 图像增强图像增强 EE 方向图与二值化方向图与二值化EE 方向图与二值化方向图与二值化 EE 细化和特征提取细化和特征提取 DEMODEMO 二二 数字图象基础 E 邻域 E 连通性 E 距离 E 数字几何 邻域 E 四邻域 E 对角邻域 E 八邻域 连通性 E 4-连通 E 8-连通 E m-连通 E 近邻与通路 E 连通域 • 4-连通域 • 8-连通域 距离 E 欧氏距离 E D4距离 城区距离 E D8距离 棋盘距离 数字几何数字几何 E 面积和周长 • 定义1 图象子集S的面积为其所含连通域内点 的个数和 • 定义2 S的边缘IB(S)中点的个数定义为S的周 长 亦称S的边缘面积 • 定义3 在跟踪S的所有边缘时 边缘跟踪算法 所取步数定义为S的周长 • 定义3 :同样计算跟踪S的所有边缘步数 但对 角线步骤每步算 水平与垂直步骤每步算12 E 弧与曲线 • 定义 S是弧 若S是连通域 且除两个 端 点仅有一个邻点在S中外 其余点有且仅有2 个邻点在S中 三三 图象变换 E 傅立叶变换 E 小波变换 E 其它变换 傅立叶变换傅立叶变换 EE 连续傅立叶变换连续傅立叶变换 EE 离散傅立叶变换离散傅立叶变换 EE 快速傅立叶变换快速傅立叶变换 EE 傅立叶变换的性质傅立叶变换的性质 一维傅立叶变换一维傅立叶变换 EE 连续傅立叶变换连续傅立叶变换 EE 常用函数的傅立叶变换常用函数的傅立叶变换 ∫ ∫ ∞ ∞− − ∞ ∞− − =ℑ =ℑ= dsesFsF dtetftfsF tj tj π π 21 2 )()}({ )()}({)( )( )]()([2 1)2sin( )]()([2 1)2cos( ])([2 1)( 2 22 fse fsfsft fsfsft s jstu ee ftj st − −−+ −++ − −− δ δδπ δδπ πδ π ππ 复指数 正弦 余弦 单位阶跃 高斯 EE 离散傅立叶变换离散傅立叶变换——如果如果{{ffii}}是一个长度为是一个长度为 NN的序列 则其离散傅立叶变换的序列 则其离散傅立叶变换((DFT)DFT)就就 是序列是序列{{FFnn}:}: EE 逆逆DFTDFT为为 ∑ − = − = 1 0 21 N i iN nj in ef N F π 1,0 1 1 0 2 −≤≤ = ∑ − = Nni eF N f N n nN ij ni 其中 π EE 快速傅立叶变换快速傅立叶变换((FFT)FFT) EE 采用碟形运算 如果采用碟形运算 如果NN是是22的幂 则的幂 则计算计算 量可以由量可以由N*NN*N减为减为NlogNlog22(N) N nij in NNNN N N e N W f f WW WW F F π2 , 1 0 1,10,1 1,00,0 1 0 1 − −−−− − − =                     =           其中 M L MOM L M (N) EE 傅立叶变换的性质傅立叶变换的性质 •• 对称性对称性 •• 加法定理加法定理 •• 位移定理 时域上的位移产生一个与频率和位位移定理 时域上的位移产生一个与频率和位 移成正比的相移移成正比的相移 •• 卷积定理 时域上的卷积相当于频域上的乘积卷积定理 时域上的卷积相当于频域上的乘积 •• 相似性定理相似性定理 •• RayleighRayleigh定理 变换函数和原函数有相同的能定理 变换函数和原函数有相同的能 量量 )(1)}({ a sFaatf =ℑ dssFdttfE 22 )()( ∫∫ ∞ ∞− ∞ ∞− == )()}({ 2 sFeatf asj π−=−ℑ 二维傅立叶变换二维傅立叶变换 EE 连续傅立叶变换连续傅立叶变换 EE 二维二维DFT ∫∫ ∫∫ ∞ ∞− ∞ ∞− + ∞ ∞− ∞ ∞− +− = = dudvevuFyxf dxdyeyxfvuF vyuxj vyuxj )(2 )(2 ),(),( ),(),( π π DFT ∑∑ ∑∑ − = − = − = −−− = = = 1 0 1 0 )(2)(2 1 0 )(2)(21 0 ]),(1[1),( ]),(1[1),( N m N n N mijN nkj N k N imjN knjN i eenmF NN kif eekif NN nmF ππ ππ EE 二维傅立叶变换的性质二维傅立叶变换的性质 •• 可分离性可分离性 •• 相似性相似性 •• 旋转旋转 f(x,y)f(x,y)旋转一个角度 则它的谱也旋转相旋转一个角度 则它的谱也旋转相 同的角度同的角度 •• 投影投影 f(x,y)f(x,y)在与在与xx轴成轴成θθ角的直线上投影的傅角的直线上投影的傅 立叶变换正好等于立叶变换正好等于F(u,v)F(u,v)沿沿与与uu轴成轴成θθ角的直线角的直线 上的取值上的取值 122112112221 212112212211 ,/,/,/,/ ),()()},({ babaDDaBDbBDaADbA vBuBvAuAFBABAybxaybxaf −==−=−== +++=++ℑ 其中 小波变换小波变换 EE 连续小波变换连续小波变换 EE 离散小波变换离散小波变换 EE 二进小波变换二进小波变换 EE 双正交小波变换双正交小波变换 EE 小波分析中 通过一个小波基的单个原型小波分析中 通过一个小波基的单个原型 函数函数ΨΨ((x)x)的伸缩和平移来产生一组基函数的伸缩和平移来产生一组基函数 这是一个振荡函数 通常以原点为中心这是一个振荡函数 通常以原点为中心 并当并当xx趋于趋于无穷大时迅速消失 称为小波无穷大时迅速消失 称为小波 EE 小波基函数可以是正交归一的和不正交归小波基函数可以是正交归一的和不正交归 一的一的 ∞<Ψ= =∞Ψ=Ψ ∫ ∞ ∞−Ψ dss sC 2)( 0)()0( 为实数baa bx a xba ,0)(1)(, >−Ψ=Ψ EE 连续小波变换 函数连续小波变换 函数f(x)f(x)具有有限能量具有有限能量 EE 二维小波变换 函数二维小波变换 函数f(xf(x,y,y))具有有限能量具有有限能量 ∫∫ ∫ ∞ ∞ ∞− Ψ ∞ ∞− Ψ= ∈Ψ= 0 2, 2 , )(),(1)( )()()()(),( a dadbxbaWCxf RLxfdxxxfbaW baf baf ),(1),( ),(),,(1),( )(),(),(),(),,( ,, 0 3,, 22 ,, a by a bx ayx a dadbdbyxbbaWCyxf RLyxfdydxyxyxfbbaW yx bba yxbbayxf bbayxf yx yx yx −−Ψ=Ψ Ψ= ∈Ψ= ∫∫∫ ∫∫ ∞∞ ∞− ∞ ∞− Ψ ∞ ∞− ∞ ∞− 其中 EE 离散小波变换离散小波变换 EE 尺度函数尺度函数 ∫ ∞ ∞− − − == −=−= dtttfafc nbtaaa anbt a t nm m nmnm mm m m mnm )()(},{ )()(1)( , 2/ 0,, 000 0 00 0 , ψψ ψψψ ∑ ∑∑ ∑ −= == −=>=< −=−= >=−−< + − −− n n n lnn n n n n nnn mm nm n n nm ntht lggg ghttg nttntgt ntmt )2()( )(1 )1()(),( )2(2)()2()( )(),( 2 1,00,1 2/ , , φψ δ φφ φφφφ δφφ EE 快速小波变换快速小波变换 EE 二维离散小波变换 < φ ∑ ∑∑ ><>= == −− −−−− k kmnknm k nmnknm k nmnknm fhf thttgt ,12, ,12,,12, ,, )()()()( ψψ ψψφ 二维离散小波变换 )()(),()()(),( )()(),()()(),( 32 1 yxyxyxyx yxyxyxyx ΨΨ=ΨΨ=Ψ Ψ=Ψ= φ φφφφ >−−Ψ=< >−−Ψ=< >−−Ψ=< >−−=< + + + + )2,2(),,(),( )2,2(),,(),( )2,2(),,(),( )2,2(),,(),( 30 2 3 2 20 2 2 2 10 2 1 2 0 2 0 2 1 1 1 1 nymxyxfnmf nymxyxfnmf nymxyxfnmf nymxyxfnmf jj jj jj jj φ EE 二进小波变换二进小波变换 EE 双正交小波变换 通过使用两个不同的双正交小波变换 通过使用两个不同的 小波基小波基——一个用来分解 另一个用来重一个用来分解 另一个用来重 建建——得到具有紧支集的对称小波得到具有紧支集的对称小波 mklimlki mlki xx xx ,,,, ,, )(~),( )(~)( δδ>=ΨΨ< ΨΨ 是双正交的和对偶小波 ∑∑ Ψ=Ψ= >Ψ=<>Ψ=< kj kjkj kj kjkj kjkjkjkj xdxcxf xxfdxxfc , ,, , ,, ,,,, )(~)()( )(),()(~),( 为整数∞<<∞−−Ψ=Ψ −− kjkxx jj kj ,)2(2)( 2/ , 其它变换其它变换 EE 线性变换线性变换 EE 离散正弦和余弦变换离散正弦和余弦变换 EE HartleyHartley变换变换 EE WalshWalsh变换变换 EE HaarHaar变换变换 EE PCAPCA和和KK--LL变换变换 EE 奇异值分解奇异值分解 SVDSVD 变换变换 E 一维离散线性变换 如果X是一个的向量 T是一个的矩阵 则或 Y=TX 定义了向量X的一个线性变换 E T是非奇异的 则原向量可以通过反变换 E 来恢复 E 如果 T是一个实正交矩阵 称为正交变换 ∑ − = = 1 0 , N j jjii xty YTX 1−= ITTTT tt == E 离散余弦变换(DCT) E 离散正弦变换(DST)     +     += ∑∑ − = − = N nk N mikignmnmG N i N k c 2 )12(cos2 )12(cos),()()(),( 1 0 1 0 ππαα     +     += ∑∑ − = − = N nk N minmGnmkig N m N n c 2 )12(cos2 )12(cos),()()(),( 1 0 1 0 ππαα N 1)0( =α NmNm ≤≤= 1,2)(α     + ++     + ++ += ∑∑ − = − = 1 )1)(1(sin1 )1)(1(sin),(1 2),( 1 0 1 0 N nk N mikigNnmG N i N k s ππ     + ++     + ++ += ∑∑ − = − = 1 )1)(1(sin1 )1)(1(sin),(1 2),( 1 0 1 0 N nk N minmGNkig N m N n s ππ E Hartley变换 E DFT将N个实数变换成N个共轭对称的复 数 离散哈特利变换则产生N个实数 E 哈特利变换只是相应的傅立叶变换的实 部减去虚部 而傅立叶变换就是哈特利 变换的偶部减去j乘以奇部 ∑∑ − = − =     += 1 0 1 0 ,, )(21 N i N k kinm knimNcasgNG π ∑∑ − = − =     += 1 0 1 0 ,, )(21 N m N n nmki knimNcasGNg π )4cos(2)sin()cos()( πθθθθ −=+=cas E Walsh变换 也叫哈达玛变换 是对称的 可分离 变换矩阵中只有+1和-1元素 它要求 其中n是整数 E Haar变换 nN 2=     −= 11 11 2 1 2 1 2H         −= 22 221 2 1 NN NN N HH HH N H 101),0( <≤= xxh nN 2=          +<≤+− +<≤ =+ 其他0 2 1 2 2/12 2 2/1 22 ),2( 2 2 pp p pp p p qxq qxq xqh E PCA和K-L变换 假设x是一个的随机向量 即 x的每个元素 都是一个随机变量 x 的均值和协方差可以通过L个样本向量估计 E 协方差矩阵 是实对称阵 对角元素是各个 随机变量的方差 非对角元素是它们的协 方差 ix ∑ = ≈ L l lx XLm 1 1 {}t xx L l t ll t xxx mmxxLmxmxC ∑ = −≈−−= 1 1))((ε xC E K-L变换 用矩阵A来定义一个线性变换 A的行向量就是 的特征向量 E 由于A的行是 的特征向量 所以 是对 角阵且其对角元为 特征值 E 线性变换A去掉了变量间的相关 )( xmxAy −= t xy AACC = xC xC xC yC           = N yC λ λ 0 01 O E 奇异值分解 SVD 变换 任意一个 的矩阵A都可以写成 E 其中 U和V的列分别是 和 的特征 向量 Λ为 的对角阵 沿其对角线包 含A的奇异值 E 通常 奇异值中总有一些小到可以被忽 略 而几乎不会带来什么误差 NN× tVUA Λ= tAA AAt NN× 四 图象增强 E 点运算 E 代数运算 E 直方图变换 E 空间滤波 E 频域滤波 E 由频域特性生成空域滤波器 主要参考文献主要参考文献 E Harwood, D., Subbarao, M.,Hakalahti, H and Davis, L.S. A new class of edge preserving smoothing filters, PRL, 1987. 6 155-162 E G.A. Mastin, A dapive filters for digital image noise smoothing an evaluation CVGIP 31 (1985) 103-121 E F. Tomita and S. Tsuji, Extraction of multiple regions by smoothing in selected neighborhoods. IEEE Trans. SMC-.1977,107-109 E T.S. Huang, etc. A fast two-dimensional median filtering algorithm. IEEE ,Trans Assp- 27 N0.1 1979.13-18 E D.C.C. Wang, etc., Gradient inverse weighted smoothing scheme and the evaluation of its performance .CGIP, 15,1981,167-181. E P Perona and J.Malik, Scale-space and edge detection using anisotropic diffusion, IEEE Trans. PAMI 12 (1990) 629-639. E G. Z. Yang, etc., Structure adaptive anisotropic image filtering, Image and Vision Computing. 14 (1996) 135-145 E C. B. Price, etc., analysis with reaction- diffusion paradigm, IEEE. Proceedings, vol. 137. No.3. June 1990 136-145 E P. Saint-Marc, etc., Adaptive smoothing: A general tool for early vision. IEEE PAMI. 13(1991) 514-529 空域方法和频域方法 E 空域方法—直接在图象上对象元进行处理 g(x,y)=T[f(x,y)] f(x,y)是原图象 g(x,y)是 处理后图象 T是作用于f的算子 定义于 (x,y)的邻域 E 频域方法— 基础是卷积定理 g(x,y)=h(x,y)*f(x,y) h(x,y)是线性位移 不变算子 那么在频域有 G(u,v)=H(u,v)F(u,v) G,H,F分别是g,h,f的傅 氏变换 H(u,v)称为变换函数 点运算 E 图象反转 逆片 • g=(L-1)-f L为f的灰度级 E 对比度扩展 E 动态范围压缩 • g=c log(1+|f|) c是一个尺度常数 E 灰度级切片 为了突出某一灰度级 E 位平面切片 假设图解灰度级为256 那么 可用8位来表示 这样图象上每一个点的灰 度的同一位就组成一个位平面 代数运算 E 减运算 g(x,y)=f(x,y)-h(x,y) E 加运算 • 考虑f(x,y)图象及加性噪声n(x,y) 假设n(x,y) 均值为0 空间上不相关 • g(x,y)=f(x,y)+n(x,y) • 通过重复获取 (i=1,2,3,……m) 则有),( yxgi 2 ),( 2 ),( 1 1 ),()},({ ),(1),( yxyxg m i i m yxfyxgE yxgmyxg ησσ = = = ∑ = 直方图变换 E 直方图—描述了图象在每一个灰度级中图 象点的个数分布 但没有空间关系 E 直方图均衡化 • 希望使图象转化为在每一灰度级都有相同的 像素点数 • 当变换为输入图象的直方图的面积函数 也 叫累积分布函数PDF 时 输出图象的直方图 均衡 空间滤波 E 低通滤波 E 中值滤波 E 高通滤波 E 差分滤波 E 梯度逆加权算子 频域滤波 E 低通滤波 E 高通滤波 E 同态滤波 由频域特性生成空域滤波器 E 由于空域运算简单 直观 运算量小 希望把频域特性得到的滤波器转化为空 域滤波器 五五 边缘检测 E 空间上的不连续点 E 灰度的剧烈变化 光照 不同物体的反 射 阴影 物体与背景的分界线…… E 主要方法 • 局部模板法 • 边缘拟合法 • 最佳边缘检测算子 • 多尺度边缘检测 主要参考文献主要参考文献 E J. Canny, A Computational approach to edge detection . IEEE PAMI-8 No.6. 679-698,1986 E Jun Shen, On multi-edge detection. CGIP:GMIP Vol.58 No.2 101-114,1996 E R. Deriche, Optimal edge detection using recursive filtering, Proc. st ICCV, London, June.8-12, 1987 E R.M. Haralick, Digital step edges from ZC of second directional derivatives, IEEE PAMI-6 PP58-68, 1984 E D.C. Marr and E.Hildreth Theory of edge detection. Proc. R. Soc. Lond B 207 PP187-217, 1980 E A. Huertas and G. Medioni, Detection of intensity changes with subpixel accuracy using Laplacian-Gau ssian masks, IEEE PAMI 8:651-664,1986 E A. L. Yuille and T. A. Poggio, Scaling thereoms for Zero Crossing, IEEE PAMI-8.No.1.1986 E F. Bergholm Edeg focusing , IEEE PAMI-9,PP726- 741,1987 E Yi Lu and R. C. Jain, Behavior of edges in scale space, IEEE PAMI-11, No.4, 1989 E V. Berzins, Accuracy of Laplacian edge detector, CVGIP Vol.27, 1984. 195-210 E M.R.B. Forshaw, Speed up the Marr-Hildreth edge operator, CVGIP Vol.41, No.2. 1988 E M. Heath, S. Sarker, T. Sanocki and K. Bowyer Comparison of Edge Detector: A Methodology and Initial Study Proc. of CVPR, 143-148, 1996 局部模板法 E 线性边缘检测 • 一阶差分 二阶差分 • 方向梯度模板 • 拉普拉斯模板 E 非线性边缘检测 • Roberts算子 • Sobel算子 • Prewitt算子 • Kirsch算子 • 同态滤波算子 边缘拟合法 E 基于模型的方法—用理想边缘模型去逼 近实际图象 • Hueckel算子 • 基于斜面模型的边缘检测 最佳边缘检测算子 E 从信号处理的角度出发 提出了若干 最佳边缘检测准则 进而得到最佳边 缘检测算子 • Canny算子 • Deriche算子 • 沈俊的最佳边缘检测算子 多尺度边缘检测 E 图像中的强度变化是以不同尺度出现的 因此只有使用几个不同大小的算子才能 取得最佳检测 也就是说 算子应该是 可调的 • Marr-Hildreth算子 • 边缘聚焦 六六 图象分割 E 满足均匀性 或一致性 要求 • 是4-连通或8-连通的 • 满足某种均匀性 或一致性 要求 • 任何数目和相邻子集之并都不满足此种均匀性 E 阈值分割法 E 基于边缘法 E 基于区域法 E 基于特征法 )(, 1 jinXXXX ji m i i ≠== = φU 主要参考文献主要参考文献 E N.Ostu, A threshold selection method from gray level histogram, IEEE Trans. SMC. 8, 1978, 62-66 E R.M Haralick and L.G.Shapiro, Image Segmentation techniques, CVGIP.29,100-132 (1985) E N.R.Pal and S.K.Pal, A review on image segmentation techniques, PR26.1277-1294 (1993) E A.D. Brink and N.E.Pendock, Minimum Cross- entropy threshold selection, PR Vol.29 No.1 PP179- 188 (1996) E R.K. Sahoo, et al. A survey of thresholding techniques, CVGIP 41.PP233-260 (1988) E J.C. Olivo, Automatic threshold selection using the wavelet transform CVGIP:GMIP Vol.56 No.3 pp205-218, 1994 E Z.Wu. and R. Leahy, An optimal graph theoretic approach to data clustering: Theory and its application to image segmentation. IEEE PAMI, Vol.11.PP.1101-1113, 1993 E C. Xu, J. L. Prince, Snakes,shape, and gradient vector flow, IEEE Trans. IP Vol.7 No.3 1998 E S. C. Zhu and Y. Yuille, Region competition: Unifying snakes, region growing and Bayes MDL for multiband image segmentation, IEEE Trans. PAMI vol.18 pp884-900, 1996 E B. S. Manjunath and R. Chellappa, Unsupervised texture segmentation using Markov random fields, IEEE Trans. PAMI vol.13 pp478-482, 1991 阈值分割法 E 简单阈值分割 E 动态阈值分割 E 直方图变换法 E 松弛法 E 最佳阈值选择法 E 共生阵阈值分割法 基于边缘法 E 边缘检测和轮廓生长法 E Snake 基于区域法 E 基于四叉树结构的分割算法 E 基于图论的分割算法 基于特征法 E 基于纹理特征分割法 E 基于颜色特征分割法 E 基于统计特征分割法 七七 二值图象处理 E 数学形态学基础 E 细化 E 边缘连接 主要参考文献主要参考文献 E 龚炜 石青云 程民德 数字空间中的数学形态 学理论及应用 科学出版社 1997 E Aly A. Farag and E.J. Delp, Edge linking by Sequential search, PR Vol.28.No.5, 611-633,1995 E L.Lam, S.W. Lee and C.Y.Suen, Thinning Methodologies—A Comprehensive survey, IEEE PAMI. Vol.14.No.9.PP.869-885,1992 E Y.S.Chen and W.H.Hsu, A comparison of some one- pass Parallel thinnings. PRL Vol.11.No.1 35-41 1990 E E.R. Davies and A.P.N.Plammer, Thinning algorithms: A critique and a new methodology, PR. Vol.14.No.1. PP.53-63.1981 E R.W.Smith, Computer processing of line image :A Survey, PR. Vol.20.No.1. PP.7-15.1987 E B. Jang & R. T. Chin, Analysis of thinning algorithm using mathematical morphology, IEEE PAMI-12, No.6, 1990 数学形态学基础 E 膨胀 Dilation 运算 E 腐蚀 Erosion 运算 E 开 Open 运算 E 闭 Close 运算 E HM(Hit/Miss)变换 细化 E 目的 为了得到所处理对象的骨架 以 便于提取特征 更好地表示对象 E 基本思想方法 通过象素的领域特性来 删除边缘点 最后得到单象素的连通的 骨架表示 E 序列细化算法 E 并行细化算法 E 数学形态学方法 边缘连接 E 目的 把断裂的边缘点或线连接起来 E 主要方法 搜索技术 方向能量函数方 法 DPF 八 几何特征提取和形状分析 E 角点 E 直线和二次曲线 E 形状分析 主要参考文献主要参考文献 E K Rangarajan, M. Shah & D.V. Brackle, Optimal Corner Detector,CVGIP vol.48.No.2 230-245.1989 E S. Ghosal & R. Mehrotra, A moment-based unified approach to image feature detection, IEEE IP, Vol.6, No.6, 1997 E G. L. Foresti & C. Regazzoni, A hierarchical approach to feature extraction and grouping, IEEE IP Vol.9 No. 6, 2000 E J. Illigngworth and J. Kittler, A Survey of the Hough transform, CVGIP.vol.44. 87-116.1988 E L. Xu, et al, A new curve detection method: Randomized Hough Transform. PRL No.11.pp331- 338.1990 E O. Chutatape, L. F. Guo, A modified Hough transform for line detection and its performance. PR 32 (1999) E V. F. Leavers, The dynamic generalired Hough transform; Its relationship to the probabilistic Hough transforms and an application to the concurrent detection of circles and ellipses, CVGIP : IU vol.56.No.3. 381-398,1992 角点 E 链码检测法 E 曲率变化检测法 E 最佳角点检测算子 直线和二次曲线 EE HoughHough变换变换 HTHT EE 随机随机HoughHough变换变换 RHTRHT EE 椭圆的检测椭圆的检测 EE 一般二次曲线的检测一般二次曲线的检测 形状分析 E Freeman链码 E 傅氏描述子 E 拓扑描述子 E 投影和截痕 E 多边形逼近 E 形状分解 九 纹理分析 E 基于空域的纹理分析 E 基于频域的纹理分析 E 基于模型的纹理分析 主要参考文献主要参考文献 EE R. W. R. W. Conners Conners & C. A. Harlow, A theoretical & C. A. Harlow, A theoretical comparison of texture algorithms, IEEE PAMI comparison of texture algorithms, IEEE PAMI Vol.2, No.3, 1980Vol.2, No.3, 1980 EE R. H. R. H. HaralickHaralick, K. , K. ShanmugamShanmugam, I. , I. DinsteinDinstein, , Texture features for image classification, IEEE Texture features for image classification, IEEE Trans. SMC, Vol.3, pp610Trans. SMC, Vol.3, pp610--621,1973 621,1973 EE R. R. ChellappaChellappa & S. & S. ChatterjeeChatterjee, Classification of , Classification of texture using texture using GaussianGaussian Markov Random Fields, Markov Random Fields, IEEE ASSP, Vol.33, No.4, 1985IEEE ASSP, Vol.33, No.4, 1985 EE T. R. Reed & H. T. R. Reed & H. WechslerWechsler, Segmentation of , Segmentation of textured images and Gestalt organization using textured images and Gestalt organization using spatial/spatialspatial/spatial--frequency representations, IEEE frequency representations, IEEE PAMI Vol.12, No.1, 1990PAMI Vol.12, No.1, 1990 EE A. A. PentlandPentland, Fractal, Fractal--based description of based description of natural scenes, IEEE PAMI, pp.661natural scenes, IEEE PAMI, pp.661--674,1984674,1984 EE J. M. H. J. M. H. Du BufDu Buf, P. , P. HeitkamperHeitkamper, Texture , Texture features based on features based on Gabor Gabor phase, SP, 23, pp.227phase, SP, 23, pp.227-- 244, 1991244, 1991 EE J. M. J. M. FrancosFrancos, et al. A unified texture model , et al. A unified texture model based on a 2based on a 2--D D WoldWold--like decomposition, IEEE like decomposition, IEEE SP Vol.41, pp2665SP Vol.41, pp2665--2678, 19932678, 1993 EE A. A. LaineLaine, J. Fan, Texture classification by , J. Fan, Texture classification by wavelet packet signatures, IEEE PAMI 15(11) wavelet packet signatures, IEEE PAMI 15(11) pp.1186pp.1186--1191, 19931191, 1993 EE T. R. Reed, et al. A review of recent texture T. R. Reed, et al. A review of recent texture segmentation and feature extraction techniques, segmentation and feature extraction techniques, CVGIP: IU Vol.57, No.3, 1993CVGIP: IU Vol.57, No.3, 1993 基于空域的纹理分析 E 灰阶共生阵 E 差分直方图 E 灰度游程阵 基于频域的纹理分析 E 傅氏功率谱 E 基于Gabor变换的纹理分析 E 基于小波变换的纹理分析 基于模型的纹理分析 E 基于分形的纹理分析 E 基于MRF的纹理分析 E 基于Wold的纹理分析 十 彩色图象处理 E 彩色模型 E 模型转换 E 伪彩色图象和真彩色图象处理 主要参考文献主要参考文献 EE 颜色技术原理及其应用颜色技术原理及其应用 李李 亨著亨著 北大中心北大中心 馆馆,1994(,1994( O432.3/6)O432.3/6) E R.G. Sharma & H. J. Trussell, Digital color imaging, IEEE IP-6, No.7, 1997 E M. T. Orchard & C. A. Bouman, Color quantization of images, IEEE SG-39, No.12, 1991 E M. Mirmehdi & M. Petrou, Segmentation of color textures, IEEE PAMI-22, No. 2, 2000 EE M. J. M. J. VrhelVrhel & H. J. & H. J. TrussellTrussell, Optimal color , Optimal color filters in the presence of noise, IEEE IPfilters in the presence of noise, IEEE IP--4, 4, No.6, 1995No.6, 1995 EE M. P. M. P. Lucassen Lucassen & J. & J. WalravenWalraven, Color , Color constancy under natural and artificial constancy under natural and artificial illumination, Vision Res. Vol. 37, No.17, 1996illumination, Vision Res. Vol. 37, No.17, 1996 EE J. M. J. M. Geusebroek Geusebroek & A. W. M. & A. W. M. SmeuldersSmeulders, , Measurement of color invariants, Proc. of Measurement of color invariants, Proc. of CVPR, 2000CVPR, 2000 彩色模型 E RGB模型 E CMY模型 E YUV模型 E HSI模型 模型转换 E 从RGB到CMY E 从RGB到YUV YIQ E 从RGB到HSI E 从HSI到RGB 伪彩色图象和真彩色图象处理 E 伪彩色图象处理 E 真彩色图象处理 主要参考书 E TP36/218 计算机图形显示和图象处理的算法 帕夫利迪斯 吴成柯 1987 E TP14/3 数字图象处理 冈萨雷斯 李叔梁 1981 E TP14/9 数字图象处理 罗森菲尔德 余英林 1982 E TN919.8/11 数字图象处理 Digital Image Processing Kenneth R.Castleman著 eng 卡斯尔曼 (Castleman, Kenneth) 著 1998 E TP14/27数字图象分析 罗森菲尔德 陈彩廷 1987 E TP391.4/24数字图象分析 中国通信学会主编 吴健康编著 1989 E R.C. Gonzalez, R.E. Woods, Digital Image Processing, Addison-Wesley, Reading MA, 1992 主要参考杂志 E Computer Vision Graphics and Image Process (CVGIP, 早期CGIP) E IEEE Trans. PAMI,IP,…... E Pattern Recognition PR E Pattern Recognition Letter PRL) E Image and Vision Computing E 模式识别与人工智能 E 中国图像图形学报 E 计算机学报 自动化学报…... ENDEND TEL: (010)62755569TEL: (010)62755569 EE--mail: mail: fjffjf@@ciscis.pku..pku.eduedu..cncn
还剩97页未读

继续阅读

下载pdf到电脑,查找使用更方便

pdf的实际排版效果,会与网站的显示效果略有不同!!

需要 15 金币 [ 分享pdf获得金币 ] 2 人已下载

下载pdf

pdf贡献者

cen_luo

贡献于2011-12-02

下载需要 15 金币 [金币充值 ]
亲,您也可以通过 分享原创pdf 来获得金币奖励!
下载pdf