《所有的生命形式需要感应环境的方法》由会员分享，可在线阅读，更多相关《所有的生命形式需要感应环境的方法（19页珍藏版）》请在金锄头文库上搜索。
1、所有的生命形式需要感应环境的方法。将能感觉到一个人的环境是生存至关重要，一直等生命形式开发更复杂的感官方法恒定的比赛通过进化的过程。作为这个过程的结果，先进的在他们的处置的高度精确的感官阵列的生命形式。一些不寻常的感官能力是自然世界的存在，这样的能力来检测磁场和电场的 fi领域，或使用超声波确定周围障碍物的结构。尽管如此，一个最珍贵的，利用通用的感觉自然世界中的视觉。先进的动物生活上依赖视觉。鸟蜥蜴最大化他们的 fi领域出发，着眼于他们的头骨每侧，而其他动物的直接的眼光观察世界的三个维度结论。夜间活动的动物往往有大的眼睛，以最大限度地提高光的摄入量，而掠食者如鹰识别猎物而非常高的分辨率的视力f
2、l营。自然界充满了可以想象的几乎每一个颜色的动物。有些动物融入周围逃跑的视觉检测，而另ERS 是鲜艳的吸引配偶或警告侵略者。到处都在自然世界的动物，使他们的日常生存的视觉使用。的原因在动物世界的视力的依赖是由于丰富的量通过视觉提供的信息。在野外生存，动物必须能够快速移动。听觉和嗅觉提供警告有关其他动物的存在，但只有少数的动物，如蝙蝠开发这些感官苏 ffi高效率 Eff有效利用有限的量的形成由这些感官来执行有用的操作，如逃脱捕食者或追捕猎物。对于大多数的动物，只有视觉苏 ffi提供有效的信息以便他们推断出正确的反应在各种情况下。人类依靠视觉以更大的程度比大多数其他动物。不同于动物我们看到的三个维
3、度与高分辨率的多数2002 CRC 出版社有限责任公司和颜色。人类的嗅觉和听觉感官所采取的第二位视觉。人类有更多的面部肌肉比其他任何动物，因为我们的社会的面部表情是由我们每个的主要指标其他人的情绪状态，而不是用许多气味信号哺乳动物哺乳动物。换句话说，人类世界围绕着视觉刺激电子 ffective 视觉信息处理的重要性是至关重要的人类视觉系统。To interact electively with the world, 与世界地互动，人类视觉系统必须能够提取，从过程和识别的视觉结构的大变化捕获的图像。具体 fi卡利，一组视觉刺激前的改造成为一个有意义的场景，视觉系统必须明确地 ff不同视觉结构如从
4、捕获的视觉刺激的边缘和区域。而比采用处理这些提取的结构的一个统一的方法，视觉系统能够自适应地调整到这些不同的特定的 fi城市不同的结构中提取信息的最大金额随后的识别阶段。例如，系统应选择提高 DIff不同地区如颜色和纹理的相关属性在自适应的方式，一些地区，更重要的是放置的颜色属性的提取和加工，而其他地区重点放在相关的纹理图案。同样，视觉系统也应在一个自适应的方式使得那些过程的边缘树与感兴趣的对象应区别于那些相关的与不重要的。模仿生物视觉适应性方面，将这能力为机器视觉系统已被图像的主要动机多年来处理和计算机视觉的研究。类似于眼睛，现代机器视觉系统都配有一个或更多的镜头盖真正的光信号，然后通常存储
5、在数字图像的形式或后续处理的视频序列。换句话说，充分纳入自适应能力的生物视觉系统的机器需要一个 ff有效的自适应图像处理系统的设计。二 ffi困难这项任务已经可以预见，由于我们正试图模型系统这是数十亿年的进化的产物，自然是高度复杂的。给机器的一些不寻常的能力，我们走理所当然的是密集的正在进行的研究和这本书的主题主题。1.2 自适应图像处理自适应图像处理的需要的产生是由于需要将上述自适应方面的生物视觉的机器视觉系统。为这样的系统通常是通过视觉刺激的相机和预捕获本文在数字图像的像素阵列的基本形式，每这是一个灰度值的大小有关光信号捕获在相应的位置。Eff各自的表征图像处理中的图像种类繁多，这一系列数
6、字通常被建模为一个二维离散非平稳随机过程。反对平稳随机过程，信号的统计特性，保持不变的二维空间索引，非平稳随机过程模型ELS 的视觉结构，以一种有意义的固有的不均匀性视觉场景。正是这种不均匀性，将场景中的有用信息，通常由许多不同的对象 ff迪，向观众。另一方面，一个固定的二维随机信号，当被视为一个灰度图像，并不是通常对应于真实世界中的对象的外观。huanduan对于一个特定的图像处理应用程序（我们解释术语“图像处理“在广泛的意义上说，在图像分析中的应用也包括） ，我们通常假定一个基本的图像模式 1，2的存在，3 ，这是一个数学描述一个假设的过程中生成当前图像。如果我们假定图像是充分的描述由一个
7、固定的随机过程，其中，虽然一般不准确，往往是引用一个简化的假设，这是明显的，只有一个单一的图像模型与此相应的随机过程，是进一步图像处理要求。另一方面，更复杂的图像处理算法，将帐户对真实图像的非平稳性采用多图像模型更准确的表示。图像中各个区域通常可以与二 ff模型相关联的不同图像，和完整的图像可以完全由这些图像的局部模型的 fi黑夜。Huanduan1.3三个主要的图像特征的类在图像的非均匀性意味着存在超过一个图像的有限元分析真正的类型，传达信息的独立的形式向观众。铝尽管迪 ff不同图像间的变化可以很大，大量的图像可以通过特征类型的一小部分。这些通常是和了平滑区域的标签下，纹理和边缘（图1.1）
8、 。在下面，我们将介绍这三种基本特征的特点，通常用于表征图像模型。huanhang 平滑的区域平滑的区域通常包括区域在图像中所占比例最大，是造成人工社会或自然 fi物体表面，当成像距离，可以通常被看作是光滑的。一个光滑的区域是一个简单的模型的分配一个恒定的灰度值来限制域的图像格方法，加上适当的方差的高斯噪声模型的添加传感器的噪声Huanhang优势？而平滑的区域，边缘包括只有一个非常小的比例区域图像。然而，在图像的大部分信息传送图像的特征类型光滑的 区域edges词典解释词典解释n.锋利；边( edge 的名词复数 )；优势；（悬崖、峭壁的）边缘；textures词典解释词典解释n.（音乐或文
9、学的）谐和统一感；手感( texture 的名词复数 )；口感；质感；figure英英fi 美美fj 词典解释词典解释n.算术；图解；数字；轮廓；vi.出现；扮演角色；计算；vt.推测；估计；认为；计算在内；1.1特征图像中的三类重要通过这些边缘。我们很容易看到，当我们看一个 IM 的边缘图年龄后边缘检测：我们可以很容易地推断出图像的原始内容通过单独的边缘。由于边缘代表的突变位置在相邻的区域的灰度值，最简单的模型边缘有前高方差的随机变量，而不是光滑区域模型利用随机变量的低方差。然而，这个简单的模型在不考虑边缘的结构上的限制，这可能导致与纹理同样高的方差的混乱。更多的复杂的边缘模型包括小面模型
10、5 ，接近二 ff不同区域的恒定的灰度值在单独的块的边缘明智的连续函数。也有边临 fi乐模型，它描述了在最大灰度边界方向的一维截面水平的变化 6，7 。已经尝试来模拟这种职业 fi利用一步功能和不同的单调递增函数。而这些 modELS 主要描述灰度值过渡的大小在边缘的位置，在二级灰度边缘图的零交叉点上水平的衍生物，通过高斯拉普拉斯算子的方法获得的（日志）filtering 8，9 ，刻画图像中的边缘位置。这三个边缘模型如图1.2所示。textures词典解释词典解释n.（音乐或文学的）谐和统一感；手感( texture 的名词复数 )；口感；质感；纹理的外观通常是由于自然物体的存在在图像。纹理
11、通常有一个类似噪声的外观，虽然他们明显地 ff不同的噪声，通常存在一定的差别在他们的模式。这是由于像素值之间的关系在具体 fiC 方向。由于这类噪声的出现，这是自然的模型使用一个二维随机 fiELD 纹理。最简单的方法是使用 IID（独立同分布的随机变量，用适当的参数）的事实，但这并没有考虑像素之间的相关性。这种方法的一个推广是高斯马尔可夫随机采用场（GMRF） 10，11，12，13，14 和吉布斯随机 fiELD 15，16 ，模型这些地方的相关性质。纹理的另一个特点是他们的自相似性：模式通常看起来类似的观察时，不同地 ff下大 fi阳离子。这导致他们表示分形过程 17，18 它具有这样的
12、自相似性。1.4在自适应图像处理困难系统设计由于非常地 ff不同性质的这三个特征类型，通常是要将空间自适应图像处理系统优化结果。一个图像处理系统，系统参数的一组通常的 fi需要处理的图像的质量控制。假设采用空间域处理算法，灰度值 xi1，I2在 空间索引（I1，I2）是根据以下关系。（1.1)xi1 ,i2 = f (y; pSA (i1 , i2 )(1.1)xi1 ,i2 = f (y; pSA (i1 , i2 )(1.1)xi1 ,i2 = f (y; pSA (i1 , i2 )(1.1)xi1 ,i2 = f (y; pSA (i1 , i2 )(1.1)在这个方程式中，映射 f
13、总结所执行的操作图像处理系统。矢量 Y 表示的灰度值原始图像处理之前，和 PSA 表示空间自适应矢量随着空间索引的功能参数（I1，I2） 。这是合理的期望这二 ff不同的参数向量是在二 ff不同位置采用（I1，I2） ，这通常对应于不同类型的特征 ff迪。作为一个结果，一个重要的在这种自适应的图像处理系统的设计考虑是适当的的参数向量 PSA 测定（I1，I2）作为一个功能空间指数（I1，I2） 。另一方面，非自适应的图像处理系统，我们可以简单地采用变压吸附常数赋值（I1，I2）在 PN 是一个常数参数向量。我们考虑的 PSA（I1，I2）在一些特定的 fiC 图像处理应用以下。在图像 filt
14、ering，我们可以 fiNE PSA（I1，I2）是 fiCOE cients 滤波器 ffi集在卷积模板 2 。自适应 filtering 19，20 因此对应在第 ff不同空间位置使用 DIff不同的面具，而非自适应fi滤波采用相同的掩模的图像。在图像复原 21，22，23 ，正则化参数 24，25，26 是 fi内德控制病态的恢复程度过程，或等价地，恢复图像的整体光滑性。的向量（I1，I2 PSA）在这种情况下对应的标量化 PA参数。自适应正则化 27，28，29 涉及选择 DIff不同在第 ff不同位置的参数，并采用非自适应正则化整个图像的一个参数。在图像边缘检测中，通常的做法是选择
15、一个单一的阈值 PA对梯度幅值的边缘参数和区分非边缘点的图像 2，4 ，这对应于非案件自适应阈值。这可以看作是一个特殊的情况下，自适应阈值，在阈值是 fi内德在每个空间位置。给出的自适应图像处理上面的描述，我们可以看到， 自适应参数对应的问题，即确定 参数向量的 PSA（I1，I2）作为一个功能（I1，I2） ，特别是急性的 与非自适应的情况下相比。在非自适应的情况下，和特别是 对于低维的参数向量的情况下，它通常是可能的通过交互选择 DIff不同参数确定最优参数向量和评价 fi最终处理结果。另一方面，自适应图像处理，它几乎总是的情况下，高维的参数向量，其中包括欺诈所有的局部参数向量连接，将参与
16、。如果我们放松以前的要求，允许进入的区域的图像的子划分和相同的局部参数向量对各区域的分配，尺寸由此产生的级联参数向量仍然可以大。此外，本需要确定每个图像的像素与一个特定的特征类型本身的条件取代一个非平凡的分割问题。因此，它通常是不可能的通过试验和误差估计的参数向量。相反，我们应该寻找参数分配算法，将整个过程自动化。为了达到这一目的，我们将 fiRST 必须建立图像模型描述了各自的图像所需的局部灰度值与 fi配置 特征类型或，换句话说，表征每个类型特征。由于地方灰度 CON gurationsfi处理后的图像在一般的功能系统参数指定 fiED 方程（1.1） ，我们可以将一个成本函数的每个灰度级 CON gurationfi措施的程度的一致性 相应的模型，与当地的系统参数的参数 成本函数。然后我们可以搜索这些系统的参数值 最小的成本函数为每个特征类型，即，一个优化的过程。当然，我们应该采取不同的图像二 ff模型为
