模糊图像特征研究与提取研究开题报告

《模糊图像特征研究与提取研究开题报告》由会员分享，可在线阅读，更多相关《模糊图像特征研究与提取研究开题报告（7页珍藏版）》请在金锄头文库上搜索。

1、开题报告模糊图像特征研究与提取研究一. 选题的背景.意义1 选课的历史背景人类B从主动地用B己的视觉去观察认识这个世界上的各种事物起，就己经开始了对 图像识别以及图像特征的探索了。最典型的是象形文字以及画家对现实事物的临摹，或许这 些事物本身并非具有艺术性和什么特别的地方，而通常是带有浓烈的宗教色彩。但是为什么 人类能够创造出栩栩如生的彖形文字以及各种图画呢。众所周知，徐悲鸿画笔下的马十分形 象，充满了立体感。他为这几匹马创作了表现力极强的柔和轮廓线。如图1.1所示。图1.1一个耐人寻味的问题就是绘画者，更准确地说是观察者究竟从他所观察到的场景中捉 取了哪些特征来进行这副画的创作呢。图1.2再

2、看另外一个例了，如图1.2所示。我们将注意力放在车牌照上，明眼人都看得出左 图相对比较模糊，右图识别度比较高。事实上左图是在美国曼哈顿郊区外犯罪分子驾车逃 逸后丢弃的被当时摄像头所拍摄下來的场景。右图是经当时的计算机提取左图图像的模糊 特征，通过对图像的识别还原而得到的。警方正是利用这个车牌号的线索成功抓捕了罪犯11由此可见，对图像进行特征提取在很早的时候就有了实际应用的意义了。随着科学技术 技术的进步，人类己经完全迈入了数字化信息时代。图像作为信息的一种重要载体，对其进 行有效的研究和表示，在数字信息处理中有着非常重耍的意义。图像特征作为图像中可用做 标注的属性，帘常成为数字图像研究领域的热

3、点和难点，正确捉取图像的特征是图像分割、 图像理解、模式识别和计算机视觉等领域的研究基础和关键前提。着眼于H身发展状况，在计算机科学与技术这个专业的学习过程小，通过理论知识的学 习及实践，一定程度上丰富了自己计算机学习和应用的能力。在此利用毕业设计之际，在导 师的指导下，利用Matlab为开发工具，通过编写一个确定图像特征算法的程序来提取相关的 模糊图像特征，从而使自己更具冇专业技能水平竞争力。介于该课题的可行性分析以及相关 技术路线的成熟度保证，从而确定毕业论文选课：模糊图像特征研究与提取研究。2. 国内外研究现状图像特征提取研究是许多与图像相关高层领域应丿IJ的基础，而这些研究冇着广泛的应

4、 用领域。在国家公共安全、信息安全、人机交互、金融安全、计算机辅助医疗诊 断等领域具有广阔的应用前景。另外，乂因为图像特征提取研究跨越计算机视觉、 模式识别、机器淫习、图像处理、心理学等多个学科，所以，图像识别研究可促 进这些学科的融合，丰富这些学科的理论体系。由于我国是个以农业为基础产业的农业大国，因此在农业方面应川相对突出。现代化的 农业推广也侣导对农作物的高科技管理。培冇者通过计算机的辅助，对每个单株农作物图像 进行拍摄并进行相关特征提取，同时结合养殖或培育的经验知识來判定单体的牛长状态，并 为之选择相应的方案。在医学方而，由于医学图像通常具有数据量大的特点，比如核磁共振成像，在分析这

5、些数据的时候，仅靠医生的人力不但在工作量上不现实，也很容易由于工作失误而导致错误 判断。因此通过计算机的帮助,从医学图像中提取相应的特征并传给成熟的计算机程序以做 出初步诊断，再交由经验丰富的医牛做进一步诊断就成了非常有效的解决方法。当然在别的领域也冇相关应用，如通讯业，工业，军事，国防，体育，娱乐业等等都冇 涉及。但总体来看，还不够成熟，应用范围基本上只限于鬲端领域以及大宗项H。在国外，尤其是发达国家，图像特征信息研究已经被广泛应用于各个行业领域，不仅仅 在基础性支撑行业得到应用，并且在普通民众家庭也有涉及，技术也相对完善和成熟。在口 本，已经尝试用机器人对来访客人进行人脸识别，主耍是基于神

6、经网络技术的图像特征提取。 在美国，已经用该技术探访刀球火星等提取相关标木。从全球来看，近几年来，“反恐”活动已经成为了许多国家重点关注的国家人事，同时, 我困也早己提出了 “科技强军”的口号。图像的特征信息学习与研究可以被广泛地应用到军 事作战的地形分析和敌友目标识别中，也可以被用到诸如嫌疑人识别、岀入境管理、乃至安 全驾驶（在车内安装摄像头以在驾驶员疲劳驾驶时发出警报）等多个方面。3. 发展趋势随着中国综合国力的不断提升，更多的图像特征捉取相关技术所涉及的方面也将得以 民用化，普及化。另外，将图像特征提取与人工智能化技术结合将是将来的主要发展方向。 解决当前各种算法ZI可的融合度也是现在的

7、难点，有待解决。二、相关研究的最新成果及动态近几年來，模糊图像特征提取技术在众多领域又冇了突破性的进展和成果。主要是在科 技研发，人白然研究以及军事国防领域应用较多。科技研发方而，日本己经尝试用机器人來“守家”，主要是将模糊技术与神经网络技术 结合起来，捉取机器人所接受图像的模糊特征，让其进行机器学习和神经网络训练，不断修 正，从而可以识別外来客人等工作。该机器人可以将模糊的人脸图像得以述原，从而达到识 别效果。在人自然研究方面，我国利用遥感技术在海岸线变化监测质最上有了质的飞跃。由于海 岸线模糊特征提取过程受到研究方法的适用范围及效率等因索的制约，使得检测速度和提取 粘:度均有待提高。原來的

8、海岸线经典边缘捉収算法，包括阈值分割法、区域牛长法以及图像 边缘检测法等。但是上述算法均存在一定局限性。尤其是对噪声的干扰十分皱感，对噪声 响应往往大于对图像边缘的响应，从而造成检测出的图像边缘模糊，甚至出现边界断点。提 高阈值虽可抑制噪声，但同时也会抑制掉部分微弱边缘。我国正是利用小波分析方法实现了 从高分辨率遥感影像中提取海岸线的可能性，解决了从“局部高频信号小区分噪声与边缘” 这一关键问题。在军事国防领域，近几年来，提出了一种模糊AdaBoost法的多类别推广方法，并将推 广后的算法应用于合成孔径雷达图像冃标识别中。实验结果表明，该算法可冇效应川于SAR 目标图像识别。三. 课题的研究内

9、容及拟采取的研究方法(技术路线)、难点及预期 达到的目标1 课题的研究内容学习各种相关图像处理算法，进行图像的特征提取；建立原型系统实现相关算法；利用 原型系统对大量不同图片进行特征提収，分析特征,提収出能较好代表模糊图像的特征，并确 定采用的特征提取算法.2 研究方法(技术路线)(1) 文献研究法文献研究法主要指收集、鉴别、整理文献，并通过对文献的研究，形成对事实科学认识 的方法。该方法主要用于前期工作。首先，阅读大最的相关特征提取算法，总结各种算法的 优势与不足，对于该课题的可行性得以确定。(2) 人为观察法首先，要说明人为观察法是一种带有主观臆断的方法，是通过人的经验性知识对于大量 图像

10、进行定性模糊分类。确定图像究竟是模糊述是清晰。(3) 实验测试法颜色特征：颜色肓方图法：图像内容的一种肓观的表示方式是统计图像的各种颜色的出现次数，进 而得到图像的颜色直方图。它反映的是图像中颜色的组成，即各种颜色在图像中出现的频率。 颜色总方图描述如下：设一幅彩色图像包含M个像索，图像的颜色空间被量化为N个不同的 颜色,则颜色直方图H定义为hl, h2, hN,其中hi为第i种颜色在整幅图像中具有的 数。从上述定义可以看出，颜色直方图表现的是图像的一种全局特征，每一幅图像具冇唯一 的颜色肓方图。并且颜色肓方图对图像的旋转、平移以及缩放具启很好的不变性。颜色矩法:Stricker和Orengo

11、基于概率论提出颜色矩(Color Moments),数学基础 是图像颜色分布可以山图像像素的各阶中心矩来描述。山于颜色信息集中在图像颜色的低阶 矩中，因此只需要对每种颜色分量的一阶(Mean) 二阶(Variance)和三阶矩(Skewness) 进行统计。所以，图像的颜色矩一共只需要九个分量，与其他的颜色特征相比鮫简洁。模糊颜色直方图法：将模糊c类均值聚类方法引入基于颜色特征的图像检索，建立了模 糊颜色玄方图(Fuzzy Color Histogram, FCH)的方法。实验证明，该方法较传统玄方图方 法(ConvcrsionalColor Histogram, CCH)更具有鲁棒性和高效性

12、。边缘特征：图像边缘特征提取方法大多是架构在边缘检测理论Z上的，这些方法大致对分为：基于 经典微分边缘检测篦了的提取方法、多尺度边缘检测方法、模糊增强边缘检测方法等。代表 性的一阶微分边缘检测算子包括:Roberts算子、Sobel算子、Prewitt算子、Robinson算 子、Canny算子等。其|Canny算子无论在定位精度还是噪声方面，明显优于其他的一-阶微 分边缘检测算子。代表性的二阶微分边缘检测算子包括:Laplacian算子和LOG算子丄0G算 子的性能优Laplacian 子。多尺度边缘检测的思想最初是Rosenfeld提出的。因为图像 边缘就是二维图像中奇界点的集合，而多尺度

13、变换如小波变换的模极大值点对应于图像信号 的奇异点，因此通过对原始图像作多尺度分解，通过检测这些模极人值点可以确定图像的边 缘。由于图像边缘存在一定的不确泄性，所以可以利用模糊增强技术使图像边缘两侧的像索 灰度对比增强，把边缘的模糊性变为确定性。纹理特征：纹理分析代表性的方法冇共生矩阵法、Tamura方法等。利用灰度共生矩阵可得到描述 纹理特征的统计量，常用的有对比度、能最、爛等七个特征。Tamura提出了与人的视觉感 受相关的六个纹理特征，分別是粗糙度、对比度、方向性、线性相似性、规则性和粗略度。能量特征:能量特征提取事实上是将变换系数作为间接提取特征,主耍有傅里叶变换法，小波变换, 小波包

14、变换等。首先对目标图像作归一化处理，然后对归一化后的图像进行小波 包变换，计算每个子段图像的小波能量特征，并降序排序这些特征，最后取前几 个能量特征作为目标图像的特征向量。Sengur等利用小波包变换作为特征提取 子，从纹理图像的小波包变换系数中捉取爛和能量特征。3.研究难点1. 需要深刻领会各种图像特征提取算法，这需要有鮫好的数学基础。2. 确定具有较好代表模糊图像的特征，确定相关实现算法。3. 在选取某种算法进行特征提取时，nJ能会破坏别的特征，从而影响判断结果。因此， 需要考虑图像间特征相关性的问题，否则容易过滤掉相关信息。4 预期达到的目标1了解图像特征相关概念以及含义。2. 熟悉MA

15、TLAB开发环境以及相关功能运用。3. 理解无参考图像质量评价原理与有参考质量评价区别。4. 重点学握无参考评价体系。5. 学会各种图像相关特征提取算法，能够进行图像特征提取。6. 能够建立原型系统实现相关算法。7. 分析特征，提取出能较好代表模糊图像的特征，并确定采用相的提取算法。四、论文详细工作进度和安排第七学期第10周至第18周（2011年01月06 |_1前）：文献检索和资料收集，完成毕业 论文（设计）文献综述、开题报告和外文翻译；第八学期第1周至第3周（2011年03月11 FltfJ）：撰写论文提纲，完成毕业论文（设 计）初稿、需求分析和概要设计；笫八学期 第4周 至第12周（20

16、11年05刀13 前）：详细设计、系统调试、和毕业 论文（设计）完成定稿；第八学期第13周（2011年05月20 H前）：完成应用软件系统的设计和毕业论文（设 计）送指导老师和评阅老师评阅，准备答辩；第八学期第14周：参加毕业论文（设计）答辩。五、主要参考文献1 J. Barros, et. al. Indexing multi spectral images for cont ent base dre trievol J . SPIE, 1994, 2368： 25-36.2翟俊海.基于小波变换和模糊粗糙集技术的图像识别D河北，河北人学，2010.3姚红革，杜亚勤，刘洋.基于小波分析和BP神经网络的图像特征提取N西安工业大 学学报