图像编码.处理.识别技术综述

图像编码、处理、识别技术综述

摘 要：随着科技水平的发展和生活质量的提高，在生产生活中，实时处理图像技术被应用得越来越广泛，数字图像处理技术涉及信息科学、计算机科学数学、物理学及生物学，应用于生活中的各个领域。图形识别技术也越来越多地渗透到我们的日常生活中，详细叙述了图像处理、编码和识别技术，展望图像处理技术在现实生活种的重要性。

关键词：科技，图像处理，图像识别

1、图像编码技术

1.1图像编码基础

图像编码压缩是指在满足一定图像质量的条件下，用尽可能少的数据量来表示图像。编码技术比较系统的研究始于Shannon 信息论，从此理论出发可以得到数据压缩的两种基本途径。一种是设法改变信源的概率分布，使其尽可能地非均匀，再用最佳编码方法使平均码长逼近信源熵。使用此途径的压缩方法其效率一般以其熵为上界，压缩比饱和于10：1，如Huffman 编码、算术编码、行程编码等。另一种是联合信源的冗余度也寓于信源间的相关性之中，去除它们之间的相关性，使之成为或基本成为不相关信源，如预测编码、变换域编码、混合编码等，但也大都受信息熵的约束。总体上可以概括为熵编码，预测编码，变换编码，也称为三大经典编码方法。

随着人们对传统压缩编码方法的深入研究和应用，逐渐发现了这些传统方法的许多缺点。如高压缩比时恢复图像会出现方块效应，人眼视觉系统(HVS)的特性不易被引入到算法中等。为了克服这些缺点，1985年M ．Kunl 等人提出了第2代图像压缩编码的概念。经过近20年的发展，在这一框架下，人们提出了几种新的编码方法：分形编码、小波变换编码和基于模型的编码方法等。于是，对数据压缩技术的研究就突破了传统Shannon 理论的框架，使得压缩效率得以极大提高。

1.2图像编码基本原理

数字图像的冗余主要表现为一下几种形式：空间冗余，时间冗余，视觉冗余，信息熵冗余，结构冗余和知识冗余。图像数据的这些冗余信息为图像压缩编码提供了依据。图像编码的目的就是充分利用图像中存在的各种冗余信息，特别时空间冗余，时间冗余以及视觉冗余，以尽量少的比特数来表示图像。利用各种冗余信息，压缩编码技术能够很好地解决在将模拟信号转换为数字信号后所产生的带宽需求增加的问题，它是使数字信号走上实用化的关键技术之

一。虽然表示图像需要大量的数据，但是图像数据是高度相关的，或者说存在冗余信息，去掉这些信息后可以有效压缩图像，同时不会损害图像的有效信息。

1.3图像编码分类（第二代）

1.3.1分型编码

分形图像编码是在分形几何理论的基础上发展起来的一种编码方法。分形理论是欧氏几何相关理论的扩展，是研究不规则图形和混沌运动的一门新科学。它描述了自然界物体的自相似性，这种自相似性可以是确定的，也可以是统计意义上的。这一理论基础决定了它只有对具备明显自相似性或统计自相似性的图像，例如海岸线、云彩、大树等才有较高的编码效率。而一般图像不具有这一特性，因此编码效率与图像性质学特性有关，而且分形图像编码方法实质上是通过消除图像的几何冗余度来压缩数据的，根本没有考虑人眼视觉特性的作用。

分形图像压缩的概念是80年代中后期由Barnsley 等人提出的，其理论基础是迭代函数系统(IFS： Iterated Function System)理论，着眼点是利用自然图像普遍存在的自相似特性(几何尺度不论怎样变化，景物任何一小部分的形状都与较大部分的形状极其相似) ，将这些自相似的结构以某种函数映射关系的形式表现出来，当这些函数映射关系满足一定的条件时，就可通过迭代计算重建图像。所以，分形图像编码过程是找映射关系的过程，而解码过程则是依照映射关系迭代计算的过程。整个方法包括以下步骤：

(1)将原图(集合X) 予分割为若干分形子图X(m)，m=1，2，3⋯M ；

(2)对每一个子块X(m)提取IFS 代码；

(3)对IFS 代码进行编码、传输(或储存) ；

(4)译码形成IFS 代码；

(5)由IFS 代码构造X(m)的重构子块Y(m)；

(6)由Y(m)构造X 的重构图Y 。这种分形图像压缩方法的实现不需要对图像有什么先验知识的了解。

1.3.2模型编码

基于模型的图像编码技术是近几年发展起来的一种很有前途的编码方法它利用了计算机视觉和计算机图形学中的方法和理论，其基本出发点是在编、解码两端分别建立起相同的模型，针对输入的图像提取模型参数，或根据模型参数重建图像。模型编码方法的核心是建模和提取模型参数，其中模型的选取、描述和建立是决定模型编码质量的关键因素。为了对图像数据建模，一般要求对输入图像要有某些先验知识。目前研究最多、进展最快的是针对可视电话应用中的图像序列编码。这类应用中的图像大多为人的头肩像。

基于模型的图像编码方法是利用先验模型来抽取图像中的主要信息，并以模型参数的形式表示它们，因此可以获得很高的压缩比。然而在模型编码方法的研究中还存在很多问题，例如：(1)模型法需要先验知识，不适合于一般的应用。(2)对不同的应用所建模型是不一样的。(3)在线框模型中控制点的个数不易确定，还未找到有效的方法能根据图像内容来选取。(4)由于利用模型法压缩后复原图像的大部分是用图形学的方法产生的，因此看起来不够自然。(5)传统的误差评估准则不适合用于对模型编码的评价。

1.3.3小波变换编码

一维连续小波变换可看成原始信号和一组不同尺度的小波带通滤波器的滤波运算，从而可把信号分解到一系列频带上进行分析处理，将其离散化后即为离散小波变换。

小波变换图像编码压缩的核心问题是要对子带图像进行小波分解系数的量化和编码。低频子带图像包含原图像的大部分能量，即包含图像的基本特性。它在图像重构算法中起主导作用，对重建图像的质量有很大影响，因此这部分信号应精确保留。高频子图像的系数分布符合广义高斯分布，对其系数进行粗量化编码较为有效。这也完全符合人的视觉特性，根据对人眼视觉系统的研究可知，人眼视觉灵敏度具有明显的低通特性，而且对不同方向上的敏感度也不一样，尤其是对倾斜方向的刺激不太敏感，如人眼对对角线方向子图像系数误差敏感度较低，因此可对对角线方向子图像进行粗量化高压缩。小波变换后的能量主要集中在低频系数分量，而其他高频系数分量大多为零值，这为高倍率压缩提供了可能。通过选择合适的具有平滑特性的小波基，就可消除重建图像中出现的方块效应，减小量化噪声，获得较好的重建图像质量。

小波变换图像编码压缩方法可分为如下两大类：基于传统的图像编码方法、基于分形理论的小波变换图像编码方法。

1.4图像编码评价

随着众多图像压缩算法的出现，如何评价图像压缩算法就成为重要的课题。一般来说，评价图像压缩算法的优劣有以下4个参数：

（1）算法的编码效率

（2）编码图像的质量

（3）算法的适用范围

（4）算法的复杂度

2、图像处理技术

2.1图像基础

图像是人类智能活动重要的信息来源之一，是人类相互交流和认识世界的主要媒体。随着信息高速公路、数字地球概念的提出，人们对图像处理技术的需求与日剧增，同时VLSI 技术的发展给图像处理技术的应用提供了广阔的平台。图像处理技术是图像识别和分析的基础，所以图像处理技术对整个图像工程来说就非常重要，对图像处理技术的实现的研究也就具有重要的理论意义与实用价值，包括对传统算法的改进和硬件实现的研究。

2.2图像处理技术分类

像处理技术基本可以分成两大类：模拟图像处理（Analog Image

Processing ）和数字图像处理（Digtal Image Processing）。数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。其优点是处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力，一般来说只要改变软件就可以处理内容[1]。困难主要在处理速度上，特别是进行复杂的处理。数字图像处理技术主要包括如下内容：

几何处理（Geometrical Processing）、算术处理（Arithmetic

Processing ）、图像增强（Image Enhancement）、图像复原（Image

Restoration ）、图像重建（Image Reconstruction）、图像编码（Image Encoding ）、图像识别(Image Recognition)、图像理解（Image

Understanding ）。

2.3图像处理研究方面

数字图像处理研究的内容有以下几个方面：

（1）图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。

（2）图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

（3）图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立" 降质模型" ，再采用某种滤波方法，恢复或重建原来的图像。

（4）图像分割图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。

（5）图像描述图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。

（6）图像分类（识别）图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。

3、图像识别技术

3.1图像数字化表示

为了利用计算机来处理图像，首先必须把连续的图像变换成离散的数字图像。一幅数字图像f(x，y) 是在其空间坐标和灰度上都离散化，并进行数字编码的图像。图像f(x，y) 在空间坐标上的离散化称为采样，图像f(x，y) 在灰度上的离散化称为量化。经过采样和量化，图像f(x，y) 可以用一个矩阵来表示，取行和列的交点标出图像的每一个像素，每一个像素对应一个灰度值。为实现数字化，灰度值必须离散。一般量化与采样数值都取为2的整数幕。

3.2图像处理数学基础

1、数学形态学

数学形态学是一种应用于图像处理和模式识别领域的新的方法，他建立在严格的数学理论基础之上。随着数学形态学逻辑基础的发展，其应用开始向边缘学科和工业技术方面发展，在工业控制，放射医学，运动场景分析等都有应用。虽然数学形态学是一门综合了多学科知识的交叉科学，其理论基础颇为艰深，但其基本观念却比较简单，用于描述数学形态学的语言是集合论。数学形态学中的主要概念有：腐蚀，膨胀，开运算，闭运算，击中和击不中运算。用这些算子及其集合组合来进行图像形状和结构的分析，包括图像分割，特征提取，边缘检测，图像滤波，图像增强和恢复等方面的工作。

(1) 腐蚀：是用结构元素S 在被研究的对象A 中移动，当S 全部在A 中时，S 的原点的位置留下，而其他的部分腐蚀掉。

(2) 膨胀：先做结构元素S 的映射，S 的映射在A 上移动，当S 的映射至少有一个点和A 重合是，其原点的位置将被保留下来。

(3) 开运算：是腐蚀和膨胀的综合，即先用S 腐蚀A ，再用S 膨胀A 。

(4) 闭运算：跟升运算正好相反，既先膨胀，再腐蚀。

(5) 击中：被研究对象X ，结构元素S1和S2，且S2和S1的交集是空集，击中的结果是X 被S1腐蚀的结果与X 被S2膨胀的结果之差。

2. 算法的数学基础

数字图像处理分为两种方法：空域处理法和频域处理法。空域处理法主要用在图像的点运算，比如几何变换等。频域处理法主要是用在图像的特征提取，图像增强，图像滤波，图像复原，图像压缩和图像识别等领域。

3.3图像识别技术

随着计算机技术与信息技术的发展，图像识别技术获得了越来越广泛的应用。例如医疗诊断中各种医学图片的分析与识别、天气预报中的卫星云图识别、遥感图片识别、指纹识别、脸谱识别等，图像识别技术越来越多地渗透到我们的日常生活中。

图像识别技术的涵义很广，主要指通过计算机，采用数学技术方法，对一个系统前端获取的图像按照特定目的进行相应的处理。图像识别包括诸如条码识别、生物特征识别(人脸识别、指纹识别等) 技术、智能交通中的动态对象识别、手写识别等。可以说，图像识别技术就是人类视觉认知的延伸。是人工智能的一个重要领域，随着计算机技术及人工智能技术的发展，图像识别技术越来越成为人工智能的基础技术。它涉及的技术领域也越来越广泛，应用越来越深入。其基本分析方法也随着数学工具的不断进步而不断发展。现在，图像识别技术的应用范围已经远远突破视觉的范围，而更多地体现为机器智能、数字技术的特点。

4、总结

第二代图像编码将视觉系统特性引入到图像编码技术，分形图像编码是以分形几何理论为基础，基于模型的图像编码是利用了计算机视觉和计算机图形学中的理论，而小波变换图像编码则引入了小波分析理论。尽管它们理论基础不同，但它们均在不同情况下不同程度地提高了编码质量。

数字图像处理技术的发展涉及信息科学、计算机科学、数学、物理学以及生物学等学科，因此数理及相关的边缘学科对图像处理科学的发展有越来越大的影响。近年来，数字图像处理技术日趋成熟，广泛用于空间探测、遥感、生物医学、人工智能以及工业检测等领域，并促使这些学科产生了新的发展。

参考文献：

[1]数字图像压缩原理及常用压缩编码方法农机化研究 2005年5月第3期

[2]图像识别技术浅论 内蒙古电大学刊 2008年第8期

[3]数字图像处理技术现状与展望 Computer Era No．9 2005