图像处理技术论文十篇

图像处理技术论文篇1

随着社会发展，计算机图像处理技术的重要性逐渐被人们发现，将主要朝以下几个方面发展：（1）未来的计算机图像处理技术将会向自动化、智能化、高清晰度、高速传输、三维立体成像等方向发展。（2）计算机图像处理技术将会朝两个方面发展：一是注重实际操作，二是注重运用便捷。向图像处理功能的集中化发展。（3）注重研究先进的算法和理论作为指导。理论是实践的基础，先进的理论可以使未来计算机图像处理技术在实际运用中得到更广泛的发展，所以，必须注重及时对先进理论和方法的研究与开发，这样才能保证计算机图像处理技术的更好应用。先进理论和方法主要包括小波分析、遗传算法、分形几何等方面。

2计算机图像处理技术的组成

计算机图像处理技术是通过计算机对图像分析处理达到需要的结果的一项技术。一般被称作数字图像处理，通过扫描、摄像机等设备经过数字化之后得到二维数组，就是像素。计算机图像处理技术主要包括以下三个部分：（1）图像增强与复原：由于需要改进图片的质量，这就需要对图片进行图像增强，通过低通滤波可以将图片中的噪音去掉；通过高通滤波可以将边缘等高频信号进行增强，使图片清晰。复原则是在已知模型的特定模糊和噪音程度情况下估计出原来图像的技术。（2）图像压缩：由于图像的数据比较巨大，对图片储存和传输都比较困难，因此，需要对图像进行压缩，以节省存储空间和减少传输时间。图像压缩分为对静态图像的不失真压缩方法和用于动态图像的近似压缩方法。（3）图像匹配、描述与识别：这是图像处理的主要目的，得到不再是具有随机分布性质的文件，而是具有明确意义的符号、数值构成的图形。

3计算机图像处理技术的主要应用领域

3.1计算机辅助设计与制造技术

这项技术学科交叉、知识比较密集、应用范围比较广泛，是综合性应用技术，由计算机与制造工程两个技术相互渗透，相互结合。是先进技术的重要组成部分，计算机辅助设计与制造技术是一个国家工业现代化与科技水平的主要衡量标准之一。这项技术在工业领域中最主要的代表就是CAD与CAM这两项实用工具。同时，在建筑设计、装潢设计等领域也应用广泛，也可以用来进行对飞机、汽车等工具的外形设计。当然，在其他方面也应用广泛，而且得到的效果非常好，比如：电路板的印刷、网络分析等等方面。

3.2遥感图像处理系统

遥感技术的发展推动了高质量的不同波段遥感数字图像被广泛运用于农林牧副渔等行业的科技现代化之中。图像处理在遥感技术领域有着十分重要的地位，将来会形成快速成像与信息自动化提取系统，而这个系统也是以图像处理为主。遥感图像处理技术功能将会不断完善，得到更大的发展。

4计算机图像处理技术的发展前景

现代科技的进步使计算机技术得到快速的发展，也就使计算机技术运用在图像处理中有了可能，并且在图像处理中产生了很重要的影响。现在人们对图像的要求越来越高，想要满足人们越来越高的要求，就必须不断进步、不断创新。计算机技术将会越来越广泛的运用于社会中，图像处理技术也会越来越依赖计算机。随着大量的成熟软件的不断被研发，既有专业软件，也有普通软件，可以满足所有人的要求。技术人员应该开发新技术来满足更多、更复杂的图像处理要求，使图像更加的丰富多彩。

5结语

图像处理技术论文篇2

关键词：图像的处理；发展趋势；计算机应用；分析

中图分类号：TP391.41

前言：智能图像处理是计算机图形图像处理是为基本内容之后发展的，着重介绍这两者之间的发展和应用，尤其在计算机应用的各种技术，以便了解智能图形图像技术的发展趋势和应用领域。

1 图像处理与分析技术

由于计算机硬件计算速度的不断提高和成本的下降，图像处理和分析技术在农业方面尤其是作物领域已变得越来越重要。大量研究表明，利用计算机图像技术可很大的提高测量分析的精度和效率，更改以往作物研究中难于定量化的问题，实现信息采集的智能化和自动化。图像处理主要就在图像之间进行的变换。假如说图像处理是一个从图像到图像的过程，则图像分析是一个从图像到数据的能力。主要是对其中的图像所需要分析的目标进行检测和量定，而我们所获取的客观信息进行对图像的重新描述。然而图像的处理与技术分析将会随着计算机成熟和发展工程中而迅速发展起来的一个重要应用技术领域。

2 图形图像数字处理技术

数字图像处理是30年来迅速发展起来的一门技术，由于对图像处理的要求还在不断增加，图像的应用领域还在继续的扩大，因而对图像处理的课题的理论在世界的变化中也处于变化，我们需要对其进行补充和完善。而本文章主要是对图像处理的中所产生的数学问题，学习并研究图像的基本处理中涉及到的数学问题，让大家可以更好的学习掌握图像的微处理技术。

2.1 数字图像处理的优点

（1）再现性好。数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的再现。（2）处理精度高 。按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。对计算机而言，不论数组大小，也不论每个像素的位数多少，其处理程序几乎是一样的。换言之，从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。回想一下图像的模拟处理，为了要把处理精度提高一个数量级，就要大幅度地改进处理装置，这在经济上是极不合算的。（3）适用面宽。图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像（彩色图像也是由灰度图像组合成的，例如RGB图像由红、绿、蓝三个灰度图像组合而成）组合而成，因而均可用计算机来处理。即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。小波重构的数据传递示意图如图所示：

（1）图像的编码压缩图像文件是编码压缩技术可减少描述图像的数据量等，用来节省了图像的传输、处理的时间所占用的存储器容量。压缩可以在不失真的前提下来获得，其也可以在允许失真的条件下进行。编码是压缩技术当中最最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。（2）首先，对于图像的分割技术将会给图像带来某种特殊的意义所表现出来的具有甄别能力。从而对图像的线条、颜色所进行处理，并需要进一步对图像的分割技术进行了解，图像的分割技术目前也是大众中非常流行的解决图像问题的方法。因此，对于图像的研究我们还要不断地进行深入的了解。图像的描述是对于图像所进行的甄别和理解作为前提。作为最简单的二值方法，我们利用它来描述物品的特性。（3）图像在生成和传输过程中常受到各种噪声的干扰和影响，使图像质量下降。为了抑制噪声改善图像质量，必须对图像进行平滑处理，可以在空域或频域中进行。

数字图像的平滑技术分为两大类：1）全局处理，即对噪声图像地整体域大的块进行校正以得到平滑的图像。缺点：计算量大。2）局部算子，仅对某一像素的局部小邻域的一些像素加以运算。优点计算率高。

2.2 图像数字化

人类感知外界信息80%以上是通过视觉观察到的，而图像就是人们所获取的一个重要的方面，人们眼睛所获取的图像在大脑中的中枢神经系统中发挥重要的作用，准确的图像也是人们获取彼此信息的来源。其伴随着人们所生活的各个领域。图像处理虽然也可以用模拟技术或者光学方法来实现，但目前主要在我国还是大多数还是通过利用计算机的一些功能来实现，通过对图像的处理，我们能晓得其背后的重要意思，图像也在日常的生活中越来了越广泛。对数字图像的处理目前来说还是一个开始，其主要是在对形态数学、立体学、集合论等方面。因此，图像处理一般是指数字图像处理。

计算机图像处理之前的图像数字化的基本步骤，是把真实的图像转变成计算机使用的存储格式。数字化过程分为量化和采样处理两个步骤。量化的结果是图像能够容纳的颜色总数。采样的结果就是通常所说的图像分辨率。量化是指要使用多大范围的数值来表示图像采样之后的每一个点， 这个数值范围包括了图像上所能使用的颜色总数。

3 图像测量技术

随着计算机技术的发展和电子成像器件的成熟，图像测量日益受到人们重视，应用范围不断扩展。图像测量技术是以近代光学为基础，融光电子学、计算机视觉原理、图像处理技术等科学技术为一体的现代测试技术，并在军事、医学、资源分析、测绘等领域得到广泛应用，取得了巨大成功。由于算法改进和计算机性能的提高，使开发基于图像处理的啤酒瓶快速检测技术成为可能。

4 结束语

随着计算机应用技术的发展，图像与图像技术的应用越来越广泛，除了传统的广告、包装宣传，网站设计等方面的应用。也在航空事业、机电事业、国家的安全部门、政司法科、国家的武器研发，新型导弹的定位，还伴有新型科学药物的研发、在工业上企业是非常重要的一门学科、伴随着计算机的技术与人工智能电子的研发智能图像的作用将会占据很大的部分其今后的发展趋势越来好，越来越广。

参考文献：

图像处理技术论文篇3

关键词：计算机技术 图像识别 算法 分析

中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2015）07（b）-0000-00

影响事物形态的因素是多方面的，当这些复杂条件对某一事物进行共同作用时，就会影响人们对这一事物的准确判断，给人们的工作和生活都带来极大的不便。通过计算机技术对事物进行智能化识别可以帮助人们了解事物的本质，近些年来，对于该项技术的研究和探索已经成为各国电子计算机工程界重点攻克的课题。对其进行充分的研发利用无论对整个社会还是对具体的某一个人都有非常重要的意义。

1计算机图像识别技术的具体应用

自电子计算机技术投入应用以来，计算机图像识别技术就凭借其强大的工作性能受到了广泛的青睐。简单地说，计算机图像识别也就是相关工作者或科研人员利用电子计算机拍摄图像的功能获取图像，并运用图像识别功能对其中需要加以识别的内容进行甄选和识别的过程。这对这种特性，相关人员开发出多款计算机图像识别技术的相关应用产品，为人们的生活带来了极大的便利。同时利用该种技术图可有效地识别各种宏观或是微观的事物，例如交通系统对于违规车辆的监控，生子是对生物体或是人体中存在的病毒细胞的监控。目前，计算机图像识别技术已经被广泛地投入使用，涉及到日常生活中的方方面面，比如对社区安全环境的监控，对车辆行驶情况的监控等等。小到生活的细枝末节，达到国家的政治军事都充分利用了计算机图像识别技术。

目前，计算机图像识别技术的主要的应用载体基本包括三种类型，它们分别是个人电子计算机设备、智能移动手机设备以及嵌入式终端设备。这其中，嵌入式终端设备对于图像识别技术的应用最为广泛，比如日常生活中所遇到的指纹识别或是人脸识别都是其应用的代表。

2计算机智能图像识别的相关技术条件

计算机技术具有高度的专业性，这项工作的进展需要工作人员拥有丰厚的理论知识以及过专业操作能力。计算机智能图像识别技术功能的应用需要完整的图像识别系统以及计算机智能软件的开发应用。

其中，图像识别系统包括对图像进行预备处理的系统，对图像进行压缩处理的系统，对图像的主要特征进行识别和提取的系统，以及对图像进行智能化分类的系统。首先，对图像进行预处理的目的是为了提升图像的可是识别性，通常由二值化处理、灰度化处理以及平滑去噪处理这三个方面，二值画处理只要通过对灰度值的处理将图像进行黑白效果处理，通常设定的灰度值为0或是255，但是具体选取哪一个数值要根据选取的图像要求来决定。灰度化处理主要是指对图像的像素颜色（红、绿、蓝）进行特殊处理，并进行图像灰度直方图的绘制。图像的平滑去噪处理是指重点突出图像的重点部分，将多余的部分去掉，保证人们看到的图像更加清晰和直观。

同时，人们利用计算机技术对图像进行压缩处理，目的在于方便图像的保存和传输。压缩处理简单来说就是利用压缩代码将图像中无用的信息进行压缩和删除，但是必须要保证图像的可识别性。压缩代码种类繁多，具体只用何种代码也要依照情况而定。

关于图像特征的提取是图像识别过程中最重要的一部分，在这一过程中，计算机图像识别软件一定要保证图像的真实性和完整性。通常，图像特征提取系统包括图像的颜色特征、图像的纹理特征、图像的形状特征等。

智能化图像识别处理，简单来说就是将计算机与人类的大脑进行类比，对所“看见”的事物进行独立的判断。为了实现这一目标，相关技术工作人员要注重研发全新的计算机智能应用程序，通常，计算机工程师都利用C++语言语言进行计算机程序研发工作，在传统的图像处理应用过程中，这种程序语言具有很强的优越性。但是对于智能软件而言，其灵活度还有待提升。针对这一问题，不少软件开发公司已经开始了新的语言程序的开发工作。

3关于计算机智能图像识别的算法研究

智能进行图像处理的基本要求在于，无论识别对象进行了何种方式的何种形态的变化，计算机都能及时的抓住其本质特征，对其进行有效的识别。因此，在只能图像识别算法中，要注意保证图像的不变性。目前，被应用最为广泛的算法是不变矩方法。该种算法利用的是图像平移和旋转之后不发生改变的数学特征对图像进行智能识别。

不变矩算法主要利用二阶中心和三阶中心构造了七个不变矩，在图像连续平移、缩放或是旋转的条件下，它们的特征仍然保持不变。

通常情况下，不变矩理论都会与D-S证据推理理论进行相互配合，这一证据理论是邓普斯特（Dempster）在20世纪下半叶首次提出的，由他的学生谢弗（Shafer）在之后进行了不断改良的基础之上提出的一种不精确推理理论，该理论也被称为Dempster/Shafer 证据理论（D-S证据理论），属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。作为一种不确定推理方法，证据理论的主要特点是：满足比贝叶斯概率论更弱的条件；具有直接表达“不确定”和“不知道”的能力。该理论的应用范围非常广泛，技术工程人员对其进行了不断的补充发展，并以此理论为基础发展了ER算法。

在D-S证据理论中，由不相容的两个假设的命题组成识别框架，在这种框架下，针对某一问题，该理论列出所有可能发生的情况，但是只有其中一种情况是真实发生的，我们将这种情况视为问题的正确答案，并该框架的子集称为命题。其中，各个命题可能发生的基本情况被视作基本概率分配（BPA，也称m函数），将m（A）视为基本可信数，并用它反映着对A的信度大小。利用信任函数Bel（A）对命题A的信任程度进行表述，似然函数Pl（A）表示对命题A非假的信任程度，也即对A似乎可能成立的不确定性度量。实际上，[Bel（A），Pl（A）]表示A的不确定区间，[0，Bel（A）]表示命题A支持证据区间，[0，Pl（A）]表示命题A的拟信区间，[Pl（A），1]表示命题A的拒绝证据区间。设m1和m2是由两个独立的证据源（传感器）导出的基本概率分配函数，则Dempster组合规则可以计算这两个证据共同作用产生的反映融合信息的新的基本概率分配函数。

4计算机智能图像识别技术的特点

计算机智能图像识别系统只要是指利用计算机强大的计算功能，对图像信息进行具体的分析，将图像转化为数字信息，精确的识别在不同状态下的图像特点。为了强化这项功能，研究人员更注重利用各种类型的空间映射反应清晰明确的显示图像特征。

智能计算机图像识别技术具有很强的技术性，综合表现为以下三个方面。

首先智能计算机图像识别技术包含的数据更加全面，信息更加丰富。其次，智能计算机图像识别技术要求计算机内部的各个系统进行充分的配合。因为在对图像进行压缩处理和信息提取的过程中，由于各个图像像素之间存在着极强的关联性，各个系统之间的工作流程必须保持顺畅，方便实现图像的特征提取和分类。最后，智能化的计算机图像识别技术在很大程度上受到人为因素的影响，因为智能识别图像通常需要借助一定的软件进行识别，在图像被输入之后，需要专业的软件操作人员对其进行分析。工作人员的专业能力和水平决定这图像分析的质量。

5计算机智能图像识别的拓展应用

计算机智能图像识别技术是针对当下人们生活工作以及科研工作的需求而提出的理论，因此，它具有广泛的市场前景。随着科学技术的发展，智能一词早已不仅仅局限于电子计算机，掌上电脑智能手机的出现已经取代了计算机绝大部分的功能。智能图像计算机识别技术的使用是多方面的，目前，随着智能手机技术的不断发展，移动端智能软件技术的发展也在不断加快，大多数的拍照软件和社交软件都应用了图像智能识别技术。

随着计算机智能图像技术的不断发展，该项技术在人们生活中的影响也将逐渐加深，所涉及的范围也将不断扩展。比如，在城市规划的过程中，可以利用航拍等方式获取城市布局的图像，利用智能识别图像的方法，及时发现城市规划过程中的不组织之处。在城市进行道路修建的过程中，可以利用该项技术，对公路修建的情况进行及时的监控，保障城市基础设施的建设质量。

计算机图像识别的系统应该得到更加全面全面的优化。在图像进行获取的阶段，系统应该具备自动识别图像类型，自动寻找图像重点信息的功能。

在图像的预处理技术方面，系统应该对图像进行充分的灰度化处理与灰度拉伸。这样做的主要目的在于提高图像处理分析的效率，对图像的特征进行更加全面的提取。在图像识别的过程中，技术人员要注重对算法的充分利用。要对图像的样本进行充分的获取，并根样本的特征，对图像进行智能的识别和分类，针对图像的不同数据内容，自动将其保存为对应的格式，并将其存储于特定的路径之下。

6结语

综上所述，计算机智能图像识别技术对社会生活已经起到的非常重要的影响。该项技术的相应算法是比较复杂和困难的，研发人员一定要在这项工作中注入更多的时间和精力，注重与国外的科技人员进行及时的沟通交流，掌握全新的技术理论，推动计算机智能图像技术的快速发展。希望笔者在该文中所阐释的内容可以对相关工作人员起到一定的指导作用。

参考文献

[1]《计算机与现代化》2014年总目次[J].计算机与现代化，2014（12）：121-126.

[2]计算机科学2014年第41卷总目次[J].计算机科学，2014（12）.

[3]《计算机应用研究》第31卷（2014年）总目次[J].计算机应用研究，2014（12）.

[4]徐荣国.基于图像识别的智能港口导航技术研究[J].煤炭技术，2012（1）.

[5]卢记仓，刘粉林，罗向阳，等.基于辨识性统计特征的PQ隐密图像识别算法[J].通信学报，2015（3）.

图像处理技术论文篇4

关键词：遥感图像处理 课程体系 模块化 教学实践

中图分类号：G421 文献标识码：A 文章编号：1672-3791（2013）05（b）-0185-02

遥感作为一种高效的探测、获取、分析和处理空间信息的先进技术手段，已广泛应用于各个领域。高等院校是我国遥感专业人才培养的主战场，它提供了一个综合性高、专业性强的平台[1]。在该平台上，可以针对社会的应用需求，塑造学生不同的个体特征，培养出适于不同岗位的研究型、应用型人才。因而，构建旨在培养学生综合素养，并突出其个体特征的课程体系具有举足轻重的作用。特色鲜明的体系可以在提升学生的综合素养的同时，也能够突出学生个体，因而可以更好地满足我国遥感专业人才培养的需求。

现阶段我国为遥感专业人才培养设置的本科专业主要有摄影测量与遥感、遥感科学与技术、地理信息科学等，在这些专业的培养方案中，《遥感导论》和《遥感图像处理》在多数高等院校中都有开设，并为专业核心课程之一，有的高等院校还开设了《数字图像处理》。《遥感导论》和《数字图像处理》两门课程可以视为《遥感图像处理》的前期基础课，因而在课程学期安排上应该提前。

《遥感图像处理》以地理学、测绘学、数理统计、计算机技术等为背景，在学习了遥感技术、图像处理技术的原理和理论基础上，着重介绍遥感信息处理的原理、过程与方法，并掌握遥感图像处理技术的发展动态与实际应用。由于《遥感图像处理》是多学科的交叉，与很多专业都有很密切的联系，而且发展速度较快，在遥感图像处理的教学中，一方面要求不同对象的学生掌握、理解或了解图像处理技术的基本原理；另一方面，还要求不同对象的学生理解或了解遥感图像的成像机理、处理技术和流程等。同时，图像处理技术和遥感技术具有技术更新快的特点，因而还需要学生掌握现阶段的状态以及最新发展情况。除了教学内容和教学方法外，实验教学也是《遥感图像处理》课程的重要的环节，传统的课程教学大都偏重于理论，一些已有的实验也主要是针对特定图像处理的一些应用，缺乏图像处理技术应用与遥感图像特征无缝结合和系统组织。

总的来说，目前的《遥感图像处理》课程体系主要存在以下几个方面的问题[2]：（1）传统的课程体系多注重经典理论，轻实验和实践[3]。除了应该重视理论教学外，有效地利用实践教学环节，有利于学生理解和掌握该课程内容，取得事半功倍的教学效果；（2）传统课程体系脱胎于数字图像处理，和遥感处理关键技术之间存在断裂面，遥感处理知识体系不够完善。

本文以我国高等师范院校开设的遥感科学与技术、地理信息科学专业为例，针对《遥感图像处理》课程的教学目标，提出了适合高等师范院校本专业领域学生的课程体系的构建方案，并就其实践教学的效果和课程体系特色进行介绍。

1 课程体系的建立

内容的模块化设计是目前课程体系建设的主要方案，在很多高等院校的专业教学中得到了较好地应用[4]。为适于高等师范院校开设的遥感科学与技术、地理信息科学专业教学需求，通过近10年左右的实践教学，我们将《遥感图像处理》的课程体系结构分为7个模块，如图1所示。

（1）图像基础模块：这一部分主要介绍遥感数字图像的基础知识，主要包括遥感数字图像、遥感数字图像的计算机存储、遥感数字图像的计算机视图与表达等内容，让学生了解遥感数字图像的基本概念和特点，并从计算机存储和显示的角度，定性了解数字遥感图像，引导学生建立遥感图像处理研究和实践的兴趣。

（2）定量遥感处理模块：遥感定量化是当前技术发展的重要方向之一，其分析和处理过程涉及到物理、大气等学科；本科生由于前期所开课程较少，感觉定量遥感处理的难度较大，因而我们主张在本科阶段掌握定量遥感的基础理论和图像处理，深层次处理设置在后续的研究生课程开设。

该模块的主要内容涵盖辐射定标、大气校正、热红外地面温度反演等，以Landsat TM图像为例，了解遥感图像的辐射校正和定量反演的技术方法：辐射定标结合Landsat TM的0级、1级产品，介绍遥感图像数字值（digital number，DN）转换为光谱辐射亮度的方法；大气校正主要讲述基于辐射传输方程的校正方法，结合6S和MOTRAN辐射传输软件包，完成遥感图像的大气校正；热红外图像地表温度反演以Landsat TM6为例，介绍单波段热红外图像的地表温度反演方法和技术流程。

（3）几何遥感处理模块：该模块针对遥感成像的纯中心投影、多中心投影、侧视雷达等不同构像方式，解释它们的几何纠正方法和技术流程；对于多项式纠正方法重点介绍，强度多项式的构建、地面控制点的选择、最小二乘法拟合等相关内容。

（4）数字图像增强模块：数字图像增强模块按照彩色增强、辐射增强、空间域增强、频率域增强、多光谱增强等顺序进行讲解。在这一部分，我们遵循系统深入的原则，基于遥感数字图像处理的实例，帮助学生系统复结并领会各种理论方法之间的逻辑顺序与本质。由于图像处理具有理论性和可视化强的特点，在这个部分教学中，我们希望加强学生对前置基础课程（如《遥感导论》和《数字图像处理》）所学基本理论和方法的深入理解，使其充分认识遥感机理理论知识在遥感图像增强应用中的指导意义，并体会理论本身的魅力。

（5）遥感图像融合模块：该模块从遥感图像融合的目的出发，介绍图像融合的主要方法和技术流程、图像融合结果的性能评估等；联系数字图像增强模块的多光谱增强子模块，以HIS变换、主成份分析、傅里叶变换和小波变换等为基础，阐述遥感图像融合的主要技术方法，并对其方法的缺点进行分析，提出改进的遥感图像融合方案。

（6）遥感图像分类模块：该模块主要包括计算机分类的基本原理、非监督分类、监督分类、计算机分类的新方法、分类结果后处理、精度评估等内容。在这一部分教学中，我们充分发挥图像处理应用性强的特点，选择最小距离法、ISODATA、最大似然分类法等，重点讲述其基础理论和技术方法，激发学生学习兴趣。

（7）变化检测模块：该模块是对前面所学模块的综合运用，向学生展示《遥感图像处理》立体而丰富的专业内容。在介绍遥感图像变化检测意义和技术流程的基础上，重点论述变化检测的分类后比较法和直接比较法；将变化向量分析法（CVA）作为典型算法进行讲述，通过土地覆被变化检测的应用实例，综合遥感图像辐射校正、几何纠正等知识，重点论述变化强度和变化方向的确定方法，并利用图像处理实践提升学生的研究性思维，初步培养学生的创新能力。

2 课程教学实践及其特色

2.1 加强实践教学环节，注重动手能力的培养

本课程主要教学目的是使学生了解和掌握遥感信息处理的基本知识、方法、基本技能和发展动态，初步掌握应用遥感信息处理技术分析和解决实际问题的能力。因而，实践教学能力培养是我们课程建设的核心部分。我们在每个模块中设置了多个实践环节，多角度、多目标的提升学生动手操作能力。

通过理论学习、实践处理等环节，增强学生对本课程的理解，并在此基础上使学生进一步掌握遥感图像成像的基本原理、基本理论和这些理论在遥感图像处理中的应用。近10年的教学实践证明，该课程的实践教学环节较好地调动了学生专业学习的积极性，取得了较好的学习效果。

2.2 内容延伸模块化，形成分层次课程体系

我们依据课程教学内容，构建了授课内容的基本框架，按照教学内容分块设置，根据学生学习阶段、课时安排、专业特色延伸等可以灵活变化，因而给授课内容带来了较大的机动性。

在每个教学模块中首先确定知识体系和拓展专题内容，将这些拓展专题分为偏应用型和偏理论型。每个专题中设置基本内容和扩展内容，形成模块化分层次的课程体系。

例如：在数字图像增强模块中，目前的大多数教材中存在直方图均衡化的内容，然而随着图像处理技术的发展和应用的拓展，人们发现在绝大多数遥感图像增强处理中不适合直方图均衡化处理，因此这部分内容可以不讲或让学生自学。图像增强部分的内容非常多，使学生清楚掌握第一节内容介绍的关键词，课程的延伸内容就会更易理解。根据学科特色和学习层次，可以有意识地引入偏应用专题或偏理论专题，更好地满足不同目标、不同层次的学生的需求。

通过遥感图像处理课程教学内容的分块划分，形成了层次化、模块化课程体系，在确保授课内容体系完整情况下，使内容选择更具条理和可操作性，便于培养不同目标导向的学生，更适于我国高等师范院校相关专业的教学设计。

2.3 多目标人才及其创新能力培养

社会对人才可以从不同的角度加以分类，从生产或工作活动的目的来分析，现代社会的人才可分为学术型（理论型）、技术型、工程型和技能型等。多目标人才就是多功能人才，其特点是多才多艺，能够在很多领域大显身手。当今社会的重大特征是学科交叉，知识融合，技术集成。因而，《遥感图像处理》多目标人才培养是培养学生在各个方面都有一定能力，同时在某一个具体的方面要能出类拔萃。

在高等师范院校地理学背景创办遥感科学与技术、地理信息科学等本科专业的情况下，不同层次、不同培养目标导向，可以让学生针对自己的发展方向选择应用型还是研究型，因而该课程体系更加具有灵活度。我们课程体系中设置的定量遥感模块，可以满足学生在应用型《遥感图像处理》课程中学习到研究型知识，丰富和完善学生的有关遥感处理的知识结构，提升学生的创新能力。实践教学证明，我们的本科生经过该模块的学习，也能够独立完成研究方案构思和具体研究路线设计，并在老师的指导下撰写科学论文。

3 结语

卫星遥感、图像处理技术的迅猛发展，其应用领域愈来愈广泛，该领域受到很多学生的垂青，激发了他们的学习热情。目前很多高等院校都开设了《遥感图像处理》这门课程。如何根据各个高等院校的学科特色、学生特点构建适合自己的课程教学体系、安排好授课内容、提高教学方法和教学手段的有效性是很多高等院校主讲教师最关注的，同时对于提高学生学习兴趣、加强实践应用能力以及培养信息技术时代的创新型人才具有重要意义。

笔者结合多年《遥感图像处理》课程的教学经验，设计了一个课程内容模块化、专题内容可延伸、分层次的课程体系，它采用专题框架，在保证授课体系完整性的前提下，授课教师可以依据人才培养目标、专业特色、学时要求引入模块化延伸内容，有机地将课程教学内容联合在一起，形成多层次、多目标的授课内容。实践证明，该课程体系设置达到了我们高等师范院校相关专业的课程教学预期效果，可以为我国其他高等师范院校的相关专业的《遥感图像处理》课程教学提供参考。

参考文献

[1] 邓磊，赵文吉，胡德勇.遥感课程实践教学模式探索与教改实践[J].科技创新导报，2012（7）：136-137.

[2] 赵珊，刘静.数字图像处理课程实践教学的改革与设计[J].中国科技信息，2009（23）：226-227.

图像处理技术论文篇5

    【论文摘 要】全息技术是物理学中的重大发现,近年来在各个行业得到广泛的应用。作为全息技术中的两个重要部分——CCD和计算机图像处理技术,在推动数字全息新一轮发展中起到至关重要的作用。本文将着重从计算机应用方面阐述图像处理技术在全息中的应用。

    全息技术是物理学中一重要发现,越来越多的应用于各个行业。伴随着CCD技术和计算机技术的发展,全息技术也得到一次质的飞跃,从传统光学全息到数字全息。传统光学全息将物光和参考光干涉得到全息照片来记录光的振幅和相位信息,而数字全息则用CCD记录物光和参考光的干涉,形成数字全息图,再通过计算机图像处理技术处理全息图。因此,影响数字全息技术发展有两个重要方面:CCD技术和计算机图像处理技术。

    1.图像处理技术。图像是现代社会人们获取信息的一个主要手段。人们用各种观测系统以不同的形式和手段获得图像,以拓展其认识的范围。图像以各种形式出现,可视的、不可视的,抽象的、实际的,计算机可以处理的和不适合计算机处理的。但究其本质来说,图像主要分为两大类:一类是模拟图像,包括光学图像、照相图像、电视图像等。它的处理速度快,但精度和灵活性差。另一类是数字图像。它是将连续的模拟图像离散化后处理变成为计算机能够辨识的点阵图像。从数字上看,数字图像就是被量化的二维采样数组。它是计算机技术发展的产物,具有精度高、处理方便和重复性好等特点。

    图像处理就是将图像转化为一个数字矩阵存放在计算机中,并采用一定的算法对其进行处理。图像处理的基础是数学,最主要任务就是各种算法的设计和实现。目前,图像处理技术已经在很多方面有着广泛的应用。如通讯技术、遥感技术、生物医学、工业生产、计算机科学等等。根据应用领域的不同要求,可以将图像处理技术划分为许多分支,其中比较重要的分支有:①图像数字化:通过采样和量化将模拟图像变成便于计算机处理的数字形式。③图像的增强和复原:主要目的是增强图像中的有用信息,削弱干扰和噪声,使图像清晰或将转化为更适合分析的形式。③图像编码:在满足一定的保真条件下,对图像进行编码处理,达到压缩图像信息量,简化图像的目的。以便于存储和传输。④图像重建:主要是利用采集的数据来重建出图像。图像重建的主要算法有代数法、傅立叶反投影法和使用广泛的卷积反投影法等。⑤模式识别:识别是图像处理的主要目的。如:指纹鉴别、人脸识别等是模式识别的内容。当今的模式识别方法通常有三种:统计识别法、句法结构模式识别法和模糊识别法。⑥计算机图形学:用计算机将实际上不存在的,只是概念上所表示的物体进行图像处理和显现出来。

    2.计算机图像处理技术在全息学中的应用。图像处理技术在全息中的应用主要表现在:一是计算全息,基于计算机图形学将计算机技术与光全息技术结合起来,通过计算机模拟、计算、处理,制作出全息图。因此它可以记录物理上不存在的实物。二是利用图像的增强和复原,图像编码技术等对数字全息图像质进行提高以及实现的各种算法。它的应用大致可以分为两大类,即空域法和频域法:①空域法:这种方法是把图像看作是平面中各个像素组成的集合,然后直接对这一二维函数进行相应的处理。空域处理法主要有下面两大类:一是领域处理法。其中包括梯度运算(Gradient Algorithm),拉普拉斯算子运算(Laplacian Operator) ,平滑算子运算(Smoothing Operator)和卷积运算(Convolution Algorithm)。二是点处理法。包括灰度处理 (grey processing),面积、周长、体积、重心运算等等。②频域法:数字图像处理的频域处理方法是首先对图像进行正交变换,得到变换频域系列阵列,然后再施行各种处理,处理后再反变换到空间域,得到处理结果。这类处包括:滤波、数据压缩、特征提取等处理。

    3.模拟实验。本文运用matlab软件,利用图像处理技术,编写了程序,以模拟计算全息和实现全息图像的滤波。

    本文将运用matlab程序设计语言实现计算全息的制作、再现过程。标有“涉”一字,图像尺寸为1024像素×1024像素;。模拟实验中用到的参数为:激光模拟了氦氖激光器,波长为638.2nm;再现距离为40cm;因为原始物图的尺寸用像素为单位表示,所以像素分辨率为1。

    从模拟实验中可以看出,数字全息的处理过程其实就是计算机图像处理在全息技术的应用过程。利用计算机图像处理技术对全息图进行了记录,将物光和参考光干涉得到了全息图。并利用图像的增强和复原对图像进行了处理,以消除噪声,得到更好的全息再现象。

    参考文献:

    [1]周灿林,亢一澜.数字全息干涉法用于变形测量.光子学报,2004,13(2):171-173。

    [2]刘诚,李银柱,李良钰等.数字全息测量技术中消除零级衍射像的方法[J].中国激光,2001,A28(11):1024-1026。

图像处理技术论文篇6

[关键词]计算机视觉；视觉框架；三维表示

中图分类号：TP338.6 文献标识码：A 文章编号：1009-914X（2015）47-0112-01

1 计算机数字视觉技术研究的地位

长期以来，人类持续不断地试图从多个角度去了解生物视觉和神经系统的奥秘，这些努力的阶段性理论研究成果已经在人们的生产生活中发挥了不可估量的作用。计算机视觉（CV）研究的主要内容是通过计算机分析景物的二维图像，从中获得三维世界的结构和属性等信息，进而完成诸如在复杂的环境中识别和导航等任务。计算机视觉研究的重要性是不言而喻的，会产生深远的经济和科学的影响。

20世纪下半叶以来，很多研究者都曾试图通过视觉传感器和计算机软硬件模拟出人类对三维世界图像的采集、处理、分析和学习能力，以便使计算机和机器人系统具有智能化的视觉功能。今天，数字图像相关的软硬件技术在人们生活中的广泛使用，数字图像已经成为当代社会信息来源的重要构成因素，各种图像处理与分析的需求和应用也不断促使数字视觉技术的革新。数字视觉技术的应用十分广泛，如数字图像检索管理、医学影像分析、智能安检、人机交互等。

数字视觉技术是人工智能技术的重要组成部分，也是当今计算机科学研究的前沿领域，经过近年的不断发展。已逐步形成一套以数字信号处理技术、计算机图形图像、信息论和语义学相互结合的综合性技术，并具有较强的边缘性和学科交叉性。

2 计算机数字视觉技术研究的核心问题

视觉问题复杂性的本质在于相对声音等物理信号的描述，视觉信号充满了非常丰富的信息，描述起来也更加困难。如何攻克图像信息提取过程中的各种难题一直是当今计算机图像学研究的热点问题，而且在科学家们还未完全破译生物视觉系统的奥秘的前提下，大多数问题只能采用逆向推导机制，依据已知或假设的关联将视觉系统的输入数字图像和输出语义描述对应起来。基于概率论和数理统计的数学模型是最适合解决这类逆推问题的工具，这也是目前领域普遍采用各种统计模型和机器学习算法的本质原因。

物体的三维表示是计算机视觉研究的一个关键问题。八元树（octree）表示法是一种紧凑、简洁的物体三维表示法，近年来这种表示法被广泛地应用到计算机视觉的研究领域。广义八元树表示法的优点是不受视图个数的限制，通过增加观察方向可以计算出更加精确的物体三维表示。主要缺点是需要进行多次坐标变换，在计算机上实现时需要研究相应的离散技术。线性八元树（linearoctree）是较八元树更加简洁的表示形式。

3 计算机视觉技术结构及其研究基本框架

计算机视觉技术内在的逆推机制决定了其在系统开发时必须将原始图像数据与其蕴含的知识之间的语义鸿沟加以弥补，在满足特定应用需求的前提下进行合理的图像内容简化和假设，形成目前普遍使用的计算机视觉系统结构：即图像数据层、图像特征描述层及图像知识获取层。由于各种图像特征都有其优点及不足之处目前趋势是结合不同种类的特征对图像内容进行综合表述，以建立较为可靠的图像信息模型，比如利用时空体数据结构 对人体行为等视频内容进行描述。

计算机视觉技术的研究主要围绕着四个基本理论框架：以Marr视觉计算理论为核心的深度重建框架；以感知特征群集为主线的基于知识的视觉框架；以“感知一动作”为基础的主动视觉理论框架；以综合集成理论为指导的视觉集成框架。其中，视觉集成理论框架是计算机视觉研究中一个较新的理论框架，并越来越多地受到cv研究者的关注。视觉集成理论的研究内容大致可以分为三个方面，第一方面的研究内容是关于视觉信息与其它类型信息的集成。第二方面的研究内容是关于视觉表示和视觉模型的集成。视觉表示方法主要分为三类：图像表示、表面表示、物体表示。视觉模型王要分为图像模型、结构和形状模型、运动和动态模型、不确定性模型。集成的视觉系统应该能够充分利用这些方法的优点。第二方面的研究内容是系统的集成。

4 计算机视觉的发展历程及其趋势

一般认为，计算机视觉技术研究始于20世纪50年代中期，当时的努力主要集中在二维景物图像的分析。区别在于，图像处理的目的是通过处理原始图像得到在某一方面更有利的新图像。模式识别关心的则是将一些模式归入预先定义的有限类别中，主要研究的是二维模式。而计算机视觉主要考虑的是对三维世界的描述和理解。

一般来说，比较一致的观点认为，计算机视觉的研究起始于1965年Rboesrt开创性的工作。Rboert对“积木世界”研究取得的成功激起了人们很高的期望。

60年代末70年代初期，计算机视觉研究领域的很多工作是关于低层视觉处理，从图像中提取重要的强度变化信息――边缘检测。然而，人们很快就认识到很多重要的物体属性无法只通过分析图像的灰度变化得出。到了70年代初期，问题更加明朗化，低层视觉处理无法从单幅图像中普遍地获取对景物的有用描述，计算机视觉的研究领域普遍地发生危机。为了摆脱困境，计算机视觉迫切地需要有一个统一的理论框架作指导。70年代中期到80年代初期，计算机视觉的研究领域首次出现了一个理论框架：视觉计算理论框架，将视觉系统从概念上分成几个独立的模块。80年代后期，计算机视觉的研究领域出现了主动视觉（`vtievsiino）的理论框架。

近年的研究结果表明，单一的图像特征描述机制，无论是对底层像素级特征的描述还是顶层语义特征的描述。都仅能在有限范围内对图像的内容进行建模。巧妙融合多种图像特征因此成为近年图像信息描述方面的主要趋势，近年来，计算机视觉的另一个理论框架――视觉的集成方法越来越多地受到重视。一个重要的趋势是用于识别真实世界中较为复杂的图像内容的技术，适合描述真实场景的各种特征不断得到发展。随着目前互联网络技术的不断发展，另一个值得重视的趋势是计算机图像技术与互联网技术、社交媒体技术等其它计算机技术的融合。

6 结语

计算机视觉识别技术虽然是一门新兴学科。但应用前景十分广阔，对其技术的有效性、易用性、实时性及稳定性能等方面有着较高的要求。因此。其技术面临着前所未有的机遇和挑战，该领域的发展亦有过激烈的争论和反思。但是，不可否认的是，计算机视觉技术研究在许多应用领域的应用前景都是广阔的、不可估量的。

参考文献

[1] 马玉真，陶立英，王新华. 计算机视觉技术的应用[J]. 试验技术与试验机. 2006（01）

[2] 潘春洪，张彩霞. 计算机视觉简述[J]. 自动化博览. 2005（05）

[3] 孙瑾，顾宏斌. 计算机视觉系统框架结构研究[J]. 计算机工程与应用. 2004（12）

[4] 王天珍. 计算机视觉研究进展[J]. 武汉汽车工业大学学报. 1998（01）

图像处理技术论文篇7

关键词 模糊数学理论；图像处理；计算机；应用

中图分类号O1 文献标识码A 文章编号 1674-6708（2012）81-0117-02

模糊数学理论于1965年提出，它是对模糊性现象进行研究和处理的方法和理论，模糊数学理论的基本概念是模糊集合。近年来，关于模糊数学理论的研究进一步加深，模糊技术在众多领域得到了应用。计算机图像处理技术是借用计算机的识别和运算功能来进行图像的处理，在图像处理的过程中也会用到模糊数学理论，简化图像处理和调整的方法，提高图像处理的准确度和精确度。

1模糊数学理论概述

在日常生活中，我们经常会用到高个、胖子、年轻、漂亮热、善、好等形容词，这些词语只是对事物的大致描述，边界比较模糊，在范围上不能进行明确的界定，这就和模糊数学理论相关。模糊数学理论就是对模糊性现象进行分析和研究的方法和理论，该理论要重点把握模糊数学和随机数学以及精确数学之间的关系，对模糊性现象进行界定。因此，不仅生活中的模糊性现象比较多，工作中还会有许多模糊的问题，比如在确定水是否烧开的时候要对水的状态和温度进行确定，但是由于模糊性，水的温度和状态都不能进行明确的界定，需要运用模糊数学理论来分析和解决问题。近年来，模糊数学理论在模糊识别与控制、模糊评判、系统理论、医学、信息检索以及生物学方面都得到了广泛的应用，而计算机领域是模糊数学的重点研究领域。模糊数学理论可以解决计算机过于精确化的问题，帮助计算机对模糊信息进行敏捷和灵活的处理。

2模糊数学理论在图像处理中的应用分析

图像处理是利用计算机来进行图像的编码、图像数字化、图像分割、图像增强、图像分析和图像复原，虽然图像处理可以通过模拟技术和光学方法实现，但是图像数字处理技术具有方便性和灵活性，数字图像处理技术得到了重要的应用。在用计算机进行图像处理的过程中，要对图像的清晰度、对比度和图像颜色进行处理，对图像的蓝、黄、红三大基色进行模糊的调动和处理，提高图像处理的质量。

模糊数学理论对图像融合的作用。图像融合是提取有利信息来进行高质量图像的综合，提高原始图像的光谱分辨率和空间分辨率，提高计算机对原始图像信息的利用。传统的计算机图像融合方法是对两张图像的简单重叠，图像融合的准确性较低，模糊数学理论在图像处理中的应用就可以避免图像融合准确性较低的问题，图像经过处理之后的偏差率比较小。在图像融合的过程中，图像像素值会有一定程度的灰度值，图像的变化主要是由这些灰度值来决定的，如果灰度值达到了一定的程度，图像的性质就会发生变化。通过对灰度值和图像的关系分析可以发现，灰度值的变化影响着图像的变化以及图像效果的变化。因此，在利用计算机对图像融合处理的过程中，可以利用模糊理论，对灰度值与图像变化之间的关系进行进行快速的推断。计算机的运算能力和图像处理能力是非常强大的，通过对模糊数学理论的应用可以较快速的得到图像变化的范围和结果，实现图像融合的最佳效果。

模糊数学理论对图像调整的作用。图像调整一般都是对图像颜色的调整，通过不同的颜色来实现不同的视觉效果和应用效果，图像颜色调整可以通过对比度的调整来实现。图像效果有现代、古典、哥伦风、经典影楼以及其他效果，在利用计算机进行图像调整的过程中需要对图像颜色值进行调整，实现图像调整的最佳效果。但是在图像处理的过程中会有一些较为特殊的图像处理，在灰度值较大的图像调整和处理中，要首先对图像的灰度边缘进行调整，增加图像的灰度值，通过对比来进行图像效果的分析。如果图像的灰度值确定，可以通过灰度值的计算来掌握最大灰度值的计算，实现图像的对比调整。模糊数学在图像调整的过程中就是对对象对比度和图像颜色值的调整，由于图像处理效果没有明确的界定，处理人员可以通过模糊的调整来实现不同的图像处理效果。

模糊数学理论在其他图像处理中的应用。除了图像融合和图像调整，图像融合还包括了图像数字化、图像编码、图像分割和图像增强等，模糊数学理论在这些图像处理中的效果也是非常明显的。图像增强是指使图像变得更为清晰，使图像满足人们使用和计算机的要求。图像增强包括了边缘锐化、伪彩色处理和干扰抑制等，图像增强不需要保持原图像的色彩和强度，因此图像处理人员可以采用模糊数学理论来进行图像的增强。而图像分析是指对图像的数据信息以及度量进行抽取，得到图像的数值结果，对图像内容进行相关的描述，实现对图像信息的深度把握，图像分析只是对图像数值的简单抽取，处理人员可以利用模糊数学理论来解决图像分析和图像分割过程中的各种模糊问题，实现较好的图像处理效果，实现图像的增强和复合，解决图像处理中各种模糊问题。

3结论

模糊数学理论于上世纪的60年代提出，近年来在机械、化工、生物、医学以及计算机领域得到了快速的发展，解决了各种模糊性的难题。图像处理包括了图像数字化、图像分割、图像融合、图像增强以及图像分析，模糊数学理论可以对图像灰度值的变化范围进行分析和把握，解决灰度值变化和图像色彩变化之间的关系问题，通过采取合适的灰度值来实现较好的图像处理效果。因此，模糊数学理论可以有效的解决生活和工作中的各种模糊难题，实现问题的最佳解决。

参考文献

[1]郭川军.计算机指纹识别技术研究[J].中国科技信息，2011（5）.

[2]赵永强，潘泉，张洪才.一种新的全色图像与光谱图像融合方法研究[J].光子学报，2010（1）.

图像处理技术论文篇8

【关键词】人工神经网络 BP神经网络 图像识别 识别技术

通常而言，所谓图像处理与识别，便是对实际图像进行转换与变换，进而达到识别的目的。图像往往具有相当庞大的信息量，在进行处理图像的时候要进行降维、 数字化、滤波等程序，以往人们进行图像识别时采用投影法、不变矩法等方法，随着计算机技术的飞速发展，人工神经网络的图像识别技术将逐渐取代传统的图像识别方法，获得愈来愈广泛的应用。

1 人工神经网络图像识别技术概述

近年来，人工智能理论方面相关的理论越来越丰富，基于人工神经网络的图像识别技术也获得了非常广泛的应用，将图像识别技术与人工神经网络技术结合起来的优点是非常显著的，比如说：

（1）由于神经网络具有自学习功能，可以使得系统能够适应识别图像信息的不确定性以及识别环境的不断变化。

（2）在一般情况下，神经网络的信息都是存储在网络的连接结构以及连接权值之上，从而使图像信息表示是统一的形式，如此便使得知识库的建立与管理变得简便起来。

（3）由于神经网络所具有的并行处理机制，在处理图像时可以达到比较快的速度，如此便可以使图像识别的实时处理要求得以满足。

（4）由于神经网络可增加图像信息处理的容错性，识别系统在图像遭到干扰的时候仍然能正常工作，输出较准确的信息。

2 图像识别技术探析

2.1 简介

广义来讲，图像技术是各种与图像有关的技术的总称。根据研究方法以及抽象程度的不同可以将图像技术分为三个层次，分为：图像处理、图像分析以及图像理解，该技术与计算机视觉、模式识别以及计算机图形学等学科互相交叉，与生物学、数学、物理学、电子学计算机科学等学科互相借鉴。此外，随着计算机技术的发展，对图像技术的进一步研究离不开神经网络、人工智能等理论。

2.2 图像处理、图像识别与图像理解的关系

图像处理包括图像压缩、图像编码以及图像分割等等，对图像进行处理的目的是判断图像里是否具有所需的信息并滤出噪声，并对这些信息进行确定。常用方法有灰度，二值化，锐化，去噪等；图像识别则是将经过处理的图像予以匹配，并且对类别名称进行确定，图像识别可以在分割的基础之上对所需提取的特征进行筛选，然后再对这些特征进行提取，最终根据测量结果进行识别；所谓图像理解，指的是在图像处理与图像识别的基础上，根据分类作结构句法分析，对图像进行描述与解释。所以，图像理解包括图像处理、图像识别和结构分析。就图像理解部分而言，输入是图像，输出是对图像的描述解释 。

3 人工神经网络结构和算法

在上个世纪八十年代，McClelland与Rumelhant提出了一种人工神经网络，截止现在，BP神经网络已经发展成为应用最为广泛的神经网络之一，它是一种多层前馈神经网络，包括输入层、输出层和输入层输出层之间隐藏层，如图1所示，便是一种典型的BP神经网络结构。

BP神经网络是通过不断迭代更新权值使实际输入与输出关系达到期望，由输出向输入层反向计算误差，从而通过梯度下降方法不断修正各层权值的网络。

BP神经网络结构算法如下所述：

（1）对权值矩阵，学习速率，最大学习次数，阈值等变量和参数进行初始化设置；

（2）在黑色节点处对样本进行输入；

（3）对输入样本，前向计算人工神经网络隐层及输出层各层神经元的输出；

（4）使用梯度下降方法不断修正各层权值及阀值，由梯度算子得到的权值为

（6）判断，判断是否大于最大迭代次数或者是否误差已经达到要求。如果大于最大迭代次数或误差达到要求，那么便直接转到第（7）步，否则，转到第（4）步对各个矩阵的权值继续修正，反复训练；

（7）看是否遍历所有样本，是则结束，否则跳回第（3）步继续。

BP神经网络操作简单而有效，可通过Opencv的CvANN_MLP类， Matlab的模式识别工具箱Nprtool等实现，经验得出在如下情况中人工神经网络尤为适用：

（1）大量数据可用，却不知道与输出之间关系；

（2）问题的解决方案随时间变化而变化；

（3）输出是模糊的函数关系，而非精确数字。

4 人工神经网络图像识别

传感器或摄像仪输入图像识别系统以后，其目标图像不能够与系统全部的参考图像完全一样， 这是由于对应噪声干扰，光线不足和放缩旋转等问题。 基于人工神经网络对畸变图像识别进行深层分析，并且利用 CCD 摄像头对图像信息进行采集，在此过程之中通过对摄像头方位进行更改对易出现畸变的图像进行采集，从而使得畸变图像所带信息组成样本库。在电脑里面输入样本库中的图像信息，并且进行模数的转化，变成数字图像，利用数字滤波来对数字图像信息进行处理。在神经网络之中输入样本图像数字信息来进行训练，一方面可以基于数字图像的像素点集合组成输入矩阵，用高维数据作为训练样本，通过主成分分析（PCA）的方法进行降维，大大简化计算量；一方面可以基于数字图像的特征空间进行聚类分割，提取几何特征或者统计特征，输入到SOFM神经网络或者Hopfield神经网络，从而使其生成图像识别神经网络系统。在进行图像识别的时候使用CCD 摄像头来采集识别图像，并且把其模型转化为数字图像，预处理后，将其输入到训练好的神经网络识别系统里面，就其可以开展快速的计算，并进行识别。把图像识别技术与人工神经网络理论有机结合起来，可以非常有效地实现神经网络信息系统的一致性， 此外，还可以将其对网络连接结果与权值进行存储，促进管理效率的提高，并对于知识库的构建也具有积极的作用。

5 结论

本文就基于人工神经网络的图像识别技术进行了详细地阐述，由综上研究可以基于人工神经网络的图像识别技术具有比较多的优点以及比较高的可行性，然而，我们对该技术存在的网络规模及复杂图像识别准确度上还应继续进行深入研究，以求技术突破。在将来，图像识别技术随着科技的不断发展将会获得更多的应用，其势必会发展为一门独立且具备强大生命力的学科

参考文献

[1]王强，张小溪，韩一红.基于神经网络的图像识别[J].电子设计工程，2012.

[2]雷建锋，孙俊逸.基于人工神经网络下的图像识别的研究[J].现代电子技术，2008.

图像处理技术论文篇9

关键词：图像处理；模糊技术；模糊算法；面向对象；类库函数

信息是自然界物质运动总体的一个重要方面，人们认识世界和改造世界就是要获得各种各样的信息。图像信息是人类获得外界信息的主要来源，因为大约有70%的信息是通过人眼获得的，而人眼获得的都是图像信息。在近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题。例如:由于空间技术的发展，人造卫星拍摄了大量的地面和空间的照片，人们可以利用照片获得地球资源、全球气象和污染情况等;在医学上，医生可以通过x射线层析照像，观察到人体各部位的断层图像;在工厂，技术人员可以利用电视图像管理生产，由此可见图像信息的重要性。获得图像信息非常重要，但目的不仅仅是为了获得图像，而更重要的是将图像信息进行处理，在大量复杂的图像中找出我们所需要的信息。因此图像信息处理在某种意义上讲，比获得图像更为重要，尤其是在当今科学技术迅速发展的时代，对图像信息处理提出了更高的要求，以便更加快速、准确、可靠地获得有用信息。

一、图像是指景物在某种成像介质上再现的视觉信息

图像是具有特定信息的某种集合体，本质上可认为图像是数据的集合。为了研究和分析图像，需对图像进行必要的处理，常用的图像处理方法可分为下列几种:

（一）电学模拟处理把光强度信号转换成电信号，然后用电子学的方法，对信号进行加、减、乘、除、进行浓度分割、反差放大、彩色合成、光谱对比等。电视视频信号中常用它。近期发展较快的ccd模拟处理方法，是根据ccd的特性，有三种处理功能;①模拟延迟，改变时钟脉冲频率就能实现模拟;②多路调制把并列输入的信号转换成串行的时序信号，或者建立它的反变换，可实现数据信息的重新排列:③它能作各响应的滤波器，而滤波器就是一个信号处理装置。ccd模数处理在设备、成本方面都有很大的优越性，在滤波技术方面较计算机更易于实现。

（二）光学一计算机混合处理混合处理一是先用光学办法对图像作预处理，再用数字方法做精处理。因而兼备了二者的优点，在某些场合得到应用。

二、图像处理技术基础

（一）图像处理技术。

图像处理技术是用计算机对图像进行分析，以达到所需结果的技术，又称影像处理。图像处理一般指数字图像处理,数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。

图像压缩，由数字化得到的一幅图像的数据量十分巨大，一幅典型的数字图像通常由500×500或1000×1000个像素组成。如果是动态图像，是其数据量更大。因此图像压缩对于图像的存储和传输都十分必要[2]。

有两类压缩算法，即不失真的方法和近似的方法。最常用的不失真压缩取空间或时间上相邻像素值的差，再进行编码。游程码就是这类压缩码的例子。近似压缩算法大都采用图像交换的途径，例如对图像进行快速傅里叶变换或离散的余弦变换。著名的、已作为图像压缩国际标准的jpeg和mpeg均属于近似压缩算法。前者用于静态图像，后者用于动态图像。它们已由芯片实现。

图像增强和复原,图像增强的目标是改进图片的质量，例如增加对比度，去掉模糊和噪声，修正几何畸变等；图像复原是在假定已知模糊或噪声的模型时，试图估计原图像的一种技术。图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。

（二）图像处理的应用。

在社会生产和科研活动中,人们要频繁的接触到图像,例如照片、图画、书报、医学x光片和卫星遥感图像等。图像是人们认识客观世界的重要知识来源。随着计算机的高速化和大容量化，图像信息的处理已成为可能口另外，由于摄像设备的小型化和高精度化，图像的画质有了显著改善。随着这些技术的进步，图像处理在工作站及个人计算机的小型机上已可以实现。数字图像出来主要采用计算机来实现，随着计算机软硬件技术的突飞猛进，以及图像处理的长足发展，使得数字图像处理技术无论在科学研究、工业生产、军事国防及现代管理决策部门等各行各业都得到越来越多的应用，其应用场合广阔、内容众多、形式新颖、门类齐全，可以说是方兴未艾，正向着实时化、大型化、小型化、远程化等多方面迅猛发展。

三、结论

总而言之，图像是指景物在某种成像介质上再现的视觉信息。图像是具有特定信息的某种集合体，本质上可认为图像是数据的集合。为了研究和分析图像，需对图像进行必要的处理。

图像处理是一项具有挑战性的课题，具有重要的理论意义和实际应用价值。本文在分析了图像处理技术的基础上，有利用模糊设计算法的思想，详细阐述了图像处理中的模糊算法以及其实现，应用实例来讲述一种较为简单的处理图像的方法，系统地分析了图像处理的基本知识，基本上掌握了在科学研究中获取知识的方法与途径。但是，也必须清楚地知道的是，我们对于图像处理的技术还处于很初级的水平，还有很多很多我们尚未解决的科研技术问题等待着我们去攻克，对于图像处理技术的研究工作任重而道远。

参考文献：

图像处理技术论文篇10

【关键词】计算机 图像识别 应用

1 计算机图像识别技术的特点及其发展现状

1.1 技术特点

计算机图像处理与识别技术又被称之为图像识别（Image Recognition，下面简称IR技术），它的技术核心是计算机与信息两种当前最为先进的技术，其中计算机系统是该技术得以实现的载体，主要负责完成各种输入图像的处理与分析，再将分析结果与数据库中的有关信息进行比对，从而实现对不同对象的准确识别。IR技术是时代进步的产物，它是一种非常强大的技术，可以帮助使用者从大量的图像当中得到有价值的信息，由此使得该技术在多个领域中获得了广泛的应用，其在对图像进行识别的过程中，主要是利用空间映射来获取基本的图像，然后再借助计算机的分析与处理能力，通过对图像特征的提取，并将之与数据库中存储的相关信息进行对比和匹配，确保了图像处理后的高清晰度和可识别性。IR技术之所以在各个领域内得到了广泛应用与其自身所具备的诸多特点有着密不可分的关系，下面对技术的一些特点进行简要阐述。

1.1.1 超大的信息处理量

IR技术是以计算机为载体，以系统软件和数据库作为支撑，在硬件与软件配置全部满足条件的前提下，它可以对大量的图像信息进行有效的处理，并在较短的时间内完成图像的识别。

1.1.2 超高的精确度

传统的图像识别由于受到技术水平的限制，只能够对单个的图像进行处理，通过将图像中的信息以数字化形式转换为2D数组，实现对图像的处理与识别，识别结果的精确度并不是很高。而IR技术借助了计算机系统强大的处理能力，并利用信息技术和数据库，使图像识别可以满足用户对图像精确度的要求。

1.1.3 超强的灵活性

利用IR技术进行图像识别时，借助计算机系统可对图像进行放大处理，这使得该技术变得更较灵活，再通过相关的运算方法便可完成整个图像的处理与识别过程。

1.2 发展现状

从IR技术的发展历程上看，其经历了以下三个阶段，第一个阶段是对文字信息的识别，第二个阶段是对数字化信息的处理，第三个阶段是对物体的识别。第一个阶段起始于上个世纪50年代，在当时，文字识别的主要对象是字母、符号等，很多领域中的专用设备对该技术进行了利用；第二个阶段是在上个世纪60年代中期，随着科技的不断发展，数字图像逐步被运用到了图像识别的研究领域当中，数字化的图像处理以其自身所具备的诸多优势，给图像识别的发展提供了条件；在前两个阶段的基础之上，IR技术利用人工智能化的各种研究成果实现了对物体的识别，至此该技术在各个领域及行业中得到了越来越广泛的应用。提升对图像的识别能力是IR技术发展过程中的核心及重点，目前，在业内专家学者的不懈研究下，该技术已经日趋成熟，经过计算机处理之后的图像信息，无论是在清晰度方面，还是在可识别性方面都有了非常显著的提升。

2 图像识别技术的应用及细节问题

现阶段，IR技术在各个领域及行业中获得了广泛应用，下面本文重点对该技术在交通、医学、安防和农业等几个领域中的应用及一些细节问题进行分析。

2.1 在交通领域的应用

在交通领域中，IR技术主要被应用于ITS系统当中，具体的应用范围包括以下几个方面：

2.1.1道路识别

在交通环境中，由于路况较为复杂，所以经常需要运用车载导航来识别不同环境下的路况信息，IR技术的应用，能够快速识别出各种不同的路况，从而为驾驶员提供有效的信息，确保了行车的安全性。

2.1.2车辆检测

对于交通监控系统而言，车辆检测是重要环节，而想要对交通路网中的各种车辆进行有效的识别与跟踪，就必须对车辆进行准确地分割，在此基础上才可以实现对交通流信息的测量与分析，换言之车辆检测是交通流各类参数测量的基础。利用IR技术能够将交通路网中的各种车辆进行准确地分割，为车辆计数、车流量、行车速度等交通流参数的测量提供了条件。

2.2在安防领域的应用

在当前的社会中，人们开始逐步认识到安防的重要性，由此推动了安防领域的发展，各种视频监控系统层出不穷。对于这类系统而言，在应用时，需要通过人工的方式对视频图像进行查看，这无形中增大了劳动强度。IR技术与安防技术的融合，使这一问题得到了有效的解决。基于IR技术的视频智能分析系统可以对前端采集到的图像信息进行智能分析，并将其中有效的信息提取出来，减轻了使用者的工作量，真正意义上地实现了视频监控自动化。

2.3 在医学领域中的应用

医学是与人类健康有关的重要领域之一，推动它的发展对于人类而言意义重大。目前，IR技术在医学领域中有着十分广泛的应用，尤其是在临床和病理研究中。例如，CT（电子计算机断层扫描），它实质上就是IR技术的扩展应用；又如微创手术中的手术导航技术，它是利用IR技术和医学影像，获悉患者的情况，据此制定最为合理可行的手术方案，并在手术前完成模拟操作。

2.4 在农业中的应用

我国是农业大国，农业的发展对于国民经济增长有着至关重要的作用。在农业生产中，应用IR技术可对农作物的生长过程进行监测与评价，还能对农产品进行质检。在农场中，通过IR技术可以进行病虫害的图像诊断，并对整个农场进行全景图像监控。

3 结论

综上所述，本文在简要阐述IR技术的特点及其发展现状的基础上，从交通、医学、安防和农业等几个领域，对IR技术的应用及细节问题进行了分析。期望通过本文的研究，能够在促进IR技术发展的同时，使其在更多的领域中得到更广泛的应用。

参考文献

[1]杨劲峰，陈清，韩晓日.数字图像处理技术在蔬菜叶面积测量中的应用[J].农业工程学报，2012（10）：78-79.

[2]杨小冬.宁新宝.自动图像识别系统图像分割算法的研究[J].南京大学学报，2014（12）：124-126.

[3]孙凤杰，崔维新，张晋保等.远程数字视频监控与图像识别技术在电力系统中的应用[J].电网技术，2012（5）：81-84.

[4]陈兵旗，孙旭东，韩旭.基于机器视觉的水稻种子精选技术[J].农业机械学报，2013（11）：99-101.

作者单位