基于matlab的图像预处理技术研究【开题报告】

《基于matlab的图像预处理技术研究【开题报告】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

毕业设计（论文）开题报告题目：　　　　　基于matlab的图像预处理技术研究　　　　　　　　　　　　　　　　　　　　专业：电子信息工程1选题的背景、意义众所周知，MATLAB在数值计算、数据处理、自动控制、图像、信号处理、神经网络、优化计算、模糊逻辑、小波分析等众多领域有着广泛的用途，特别是MATLAB的图像处理和分析工具箱支持索引图像、RGB图像、灰度图像、二进制图像，并能操作*.bmp、*.jpg、*.tif等多种图像格式文件，如果能灵活地运用MATLAB提供的图像处理分析函数及工具箱，会大大简化具体的编程工作，充分体现在图像处理和分析中的优越性。图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要手段。拒统计，在人类获取的信息中，视觉信息约占60%，听觉信息约占20%，其他方式加起来才约占20%。由此可见，视觉信息对人类非常重要。同时，图像又是人类获取视觉信息的主要途径，是人类能体验的最重要、最丰富、信息量最大的信息源。通常，客观事物在空间上都是三维的(3D)，但是从客观景物获得的图像却是属于二维(2D)平面的。图像存在方式多种多样，可以是可视的或者非可视的，抽象的或者实际的，适于计算机处理的和不适于计算机处理的。图像处理它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响， 由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，图像处理技术都发挥了巨大的作用。图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（ComputerTomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。近年来计算机技术的飞速发展和数早图像技术的日趋成熟，例如传统的交通管理带来巨大转变，先进的计算机处理技术，不但，可以将人力从繁琐的人工观察、监测中解放出来，而且能够大大提高其精确度，例如汽车牌照自动识别系统在这样的背景与目的下发展飞速。汽车牌照信息的采集和识别对于交通车辆管理、园区车辆管理、停车场管理等都有着重要的作用。对车牌图像的预处理能有效地提取其中的有用信息，增强识别的可靠性。车牌图像预处理是车牌识别系统的前提条件，它直接关系着系统后续早符分割和识别的准确性。为了便于图片的分割和字符的识别，原始图像应具有适当的亮度和对比度。但是由于光照条件的不稳定变化、图片不整洁、摄像头与牌照的距离或角度不合适以及速度较快等因素，都将引起图像质量严重下降，包括模糊、光照不均、亮度太低、对比度太小、倾斜等现象。这些都影响了图像字符的分割进而降低了车牌识别率。因此，必须通过采取图像预处理措施减少非日标了图像和噪声的十扰，以提高识别率。图像的预处理技术，本研研究探讨其图像归一化、二值化、图像增强、图像平滑和图像的倾斜校正等过程。2相关研究的最新成果及动态 随着技术不断发展，人们获取图像的途径越来越多，使图像融合处理的图像种类也越来越多。传统的融合方法已经不能满足需要，要求对不同的图像数据融合问题提出有效的解决方法，而发展迅速的基于认知的智能计算为许多问题找到了很好的解决办法。在深入讨论图像融合预处理基础上，再结合神经网络理论、遗传算法和统计理论等，为解决图像融合问题提供有效方法，这种方法主要包括两大部分：第一部分为图像融合预处理，包括图像滤波、图像分割和图像匹配。第二部分为图像融合算法研究。研究主要围绕图像融合全过程而展开，完成的主要研究工作如下：1、针对常规方法对降质图像恢复效果差的缺陷，设计了利用隐含Markov树和小波变换的图像恢复算法。在图像经过Wiener反卷滤波后，利用具有平移不变性的双树—复数小波变换进行小波分解，而后在复数小波域中采用隐含Markov树进行去噪，最终实现受白噪声干扰图像的恢复，取得了良好的效果。2、针对形变目标分割计算量大、模型表达复杂，采用了交叉熵及曲线进化对图像进行分割。基于类间差异性最大的分割原则，利用交叉熵来构造能量函数，将分割问题转化为求能量函数最小化问题；通过最小化能量函数导出用水平集方法表示的曲线进化方程，而后利用快速算法进行求解，实现图像的有效分割。3、针对图像配准的速度与精度问题，改进了基于小波分解和互信息的图像配准算法。采用分层配准策略，加快了配准的速度；利用Parzen窗来估计概率密度，采用二阶梯度法求解配准度量互信息的最优值，提高了配准的精度和速度。该方法可以应用于实时图和参考图之间有仿射变换的情况，并作为图像匹配制导关键技术之一。4、针对一般小波重构复杂的缺点，采用了提升策略进行自适应小波变换。这种算法可以很自然地实现信号的完全重建而并不需要其它额外信息，将该方法应用于图像融合中，把图像的近似信号进 行平均，细节信号选取较大的进行融合。仿真实验证明该方法能很好的提取图像的细节分量，具有抗干扰能力，并可应用于多传感器遥感图像融合中。5、针对目前的神经网络图像融合方法的缺陷，提出了一种改进的基于模糊核聚类和神经网络的图像融合方法。采用小波变换进行混合噪声图像的滤波，设计模糊核聚类算法进行图像聚类操作，提高了融合效果和实时性。通过仿真试验，并与其它的神经网络图像融合方法进行比较，结果表明该方法是有效的。6、针对基于神经网络以及模糊神经网络的图像融合方法存在内部结构和参数难以调整的问题，提出了一种基于遗传进化模糊神经网络(FNN)的图像融合方法。方法采用模糊神经网络(FNN)作为单幅图像的聚类算法，以融合后图像的峰值信噪比为适应度函数，利用遗传算法调整模糊神经网络(FNN)的内部参数，从峰值信噪比的角度，最大程度地提高了图像融合效果。仿真试验表明，与基于SOM网络和基于模糊神经网络的图像融合方法相比，这种方法是非常有效的。7、针对传统图像融合方法鲁棒性差的缺点，设计了一种基于估计理论期望值最大的图像融合方法。从多感测器成像模型出发，设计出图像的形成模型，分别基于图像的模型以及期望值最大方法，推导出估计真实场景的迭代过程，最终得到融合图像。探讨了基于拉普拉斯金字塔、梯度金字塔、小波、小波框架以及方向滤波器金字塔等方法的多尺度展开的融合情况，并与EM方法做了比较，数字仿真表明，图像受到噪声污染时采用EM算法进行融合具有较强的鲁棒性。3课题的研究内容及拟采取的研究方法（技术路线）、研究难点及预期达到的目标图像预处理主要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。图像的预处理流程：图像的顶处理主要流程如图1所示，主要包括图像灰度化，图像去噪，图像增强，边缘化，二值化等。图1：图像预处理过程难点：在于怎么把图像更有效，更快捷，更有正对性的处理，因为图像预处理应用在每个行业当中，他们想达到的目标也不一样，所以希望能更有效的应用于广泛的研究当中去。随着应用的需求和科技的发展，图像处理有了一些新的研究趋势和特点：多学科领域交叉综合；新理论新方法不断出现；视觉机理研究深入；实现技术研究进展迅速；应用更实用化等。在这个数字化的时代里，对于图像预处理的应用也在扩大，人们也会越来越依赖图像与处理的，希望研究能为人们今后的研究生产提供更有效更快捷的服务。4研究工作详细工作进度和安排2010.12 任务书下达，查阅相关资料。2010.12任务书下达，查阅相关资料。2011.1.10之前完成文献综述，2篇外文文献翻译。2010-2011第2学期开学第1周完成开题报告。2010-2011第2学期2-4周查阅并学习图像预处理的几种算法。2010-2011第2学期5-7周学习matlab编程语言，并熟悉该仿真软件得使用环境。2010-2011第2学期8-9周用matlab实现图像与处理算法的仿真。2010-2011第2学期10-11周撰写论文。2011.5.27-29毕业答辩。5参考文献［1］阎建国，高亮等图像处离技术在车牌识别中的应用[J]电了技术应用，2000.1。［2］王建平，感军，朱程辉.琴于小波分析的视频图像字符特征提取方法研究[J].微电了与计算机2002.4。 ［3］周金萍MATLAB6.5图形图像处理与应用实例[M],利学出版社，2003.8。［4］孙兆林MATLAB6.x图像处理[M]清华大学出版社，2002.5。［5］帝毓晋.图像工程(上册):图像处理与分析。北京:清华大学出版社，1999.2。［6］徐建华图像处理与分析，北京科学出版社，1992。［7］张引.基于空间分布的最大类间方差牌照图像二值化算法[J].浙江大学学报:工学版,2001,35(3):272–275。［8］崔屹.数字图像处理技术与应用[M].北京:电子工业出版社,1997。［9］张云刚,张长水.利用Hough变换和先验知识的车牌字符分割算法[J].计算机学报,2004,27(1):130–136。