图像法论文范文

时间：2023-03-31 17:18:12

图像法论文

图像法论文范文第1篇

论文摘要:当点扩展函数未知或不确知的情况下,从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来,图像盲复原算法得到了广泛的研究。本文在介绍了盲图像恢复算法的现状的基础上进一步研究其的发展方向。

一、引言

图像恢复是图像处理中的一大领域,有着广泛的应用,正成为当前研究的热点。图像恢复的主要目的是使退化图像经过一定的加工处理,去掉退化因素,以最大的保真度恢复成原来的图像。传统的图像恢复假设图像的降质模型是己知的。而许多情况下,图像的降质模型未知或具有较少的先验知识,必须进行所谓的盲恢复。其重要性和艰巨性而成为一个研究热点。目前所能获取的观测图像是真实图像经过观测系统成像的结果。由于观测系统本身物理特性的限制,同时受观测环境的影响,观测图像和真实图像之间不可避免地存在着偏差和失真,称观测系统对真实图像产生了降质。图像恢复的目的就是根据降质的观测图像分析和计算得出真实图像。

二、图像盲恢复算法的现状

总体来说,图像盲复原方法主要分为以下两类:一是首先利用真实图像的特别特征估计PSF,然后借助估计得到的PSF,采用经典的图像复原方法进行图像的复原。这类方法将PSF的估计与图像的复原过程分为2个不同的过程,因而具有较少计算量的特点；二是PSF辨识和真实图像估计相结合,同时辨识PSF和真实图像。这类算法较为复杂,计算量较大。另外,对于点扩展函数也考虑了空间变化的复杂情况。针对目前的盲复原算法的现状,根据退化模型的特点,重新将算法分为空间不变的单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法3类。

（一）单通道空间不变图像盲复原算法

在这类算法中,最为常用的是参数法和迭代法。

1）参数法。所谓参数法,即模型参数法,就是将PSF和真实图像用某一类模型加以描述,但模型的参数需要进行辨识。在参数法中,典型的有先验模糊辨识法和ARMA参数估计法,前者先辨识PSF的模型参数,后辨识真实图像,属于第1种类型的图像盲复原算法,因而计算量较小；后者同时辨识PSF和真实图像模型参数,属于第2种类型图像盲复原算法。

2）迭代法。所谓的迭代法,不是通过建立模型而是通过算法的迭代过程,加上有关真实图像和PSF的约束来同时辨识PSF和真实图像的方法。迭代法是单通道

图像盲复原算法中应用最广泛的一类算法,它不需建立模型,也不要求PSF为最小相位系统,因而跟实际更为接近。在这类算法中,迭代盲复原算法(IBD),基于非负性和决策域的递归逆滤波器算法(NAR2RIF),基于高阶统计特性的最小

熵算法等最为典型。

（二）多通道二维图像盲复原

多通道二维图像盲复原,这类方法将数字通讯领域应用的一维多通道盲原分离算法扩展到二维情况并用于图像的盲恢复。这类算法中有两种代数方法,一种是先辨识模糊函数,再采用常规的恢复算法进行复原；另一种是直接对逆滤波器进行估计。此类算法的优点在于不需对初始图像进行估计,也不存在稳定性和收敛性问题,对图像以及模糊函数的约束是松弛的,算法具有一般性。但是第1种算法要求采用复原算法具有收敛性；第2种算法对噪声敏感。

（三）空间改变的图像盲复原方法

在许多实际的应用中,模糊往往是空间变化的,但由于处理工作的难度,目前的研究较少,基本有相关转换恢复和直接法两类。

相关转换恢复的基本思想是区域分割,即将整幅图像分为若干局部区域,然后假设在各个局部区域模糊是空间不变的,利用空间不变的图像复原有关算法进行复原。这类方法都是基于窗口的模糊辨识技术,图像的估计取决于窗口的大小,由于模糊参数是连续变化的,在范围较大时空间不变的假设是不成立的,因而模糊的估计精度较差,而且这种方法只能针对部分空间变化的模糊进行处理,缺乏通用性;其次在区域的边上存在振铃现象。

直接法的基本思想是直接对图像进行处理。如采用简化的二维递推卡尔曼滤波器进行图像模型和模糊模型的直接转换方法,其缺点是只能针对有限的模型,而且模型数增加,计算量会显著增大；采用共轭梯度迭代算法,但只见到一个31×31的文本图像处理的结果报道,对于大图像处理效果尚需进一步的研究；将空间变化图像系统建立成马尔苛夫随机模型,对复原过程,采用模拟退火算法进行最大后验估计的方法,这种方法避免了图像的窗口化,并能克服模糊参数不连续性造成的影响,但这种方法只能局限于将模糊过程建立成单参数的马尔苛夫随机模型的情况,而且计算量也较大。

三、图像盲恢复的应用前景

(1)现有算法的改进以及新的算法研究。现有各种算法还存在许多不足,有必要对算法进一步改进。如IBD算法中,如何选择初始条件才能保证算法的收敛;如何选择算法终止条件才能保证恢复的质量;如何选择滤波器中的噪声参数才能减少噪声的影响。又如NAR2RIF算法中,如何进一步解决噪声敏感问题,支持域的确定以及如何将算法扩展到非均匀背景的情况等。提出新的算法更好地解决图像盲复原问题,也是今后研究的热点。

(2)基于非线性退化模型的图像盲复原算法。在实际应用中,严格来讲,所有的退化模型都是非线性的。对模型采用线性化的方法进行近似处理,虽然算法简单,但对非线性严重的情况处理效果并不理想。基于多项式以及神经网络两种参数模型处理非线性信号盲分离算法,算法扩展到二维图像情况需要进一步研究。研究基于非线性退化模型的图像盲复原算法也是下一步研究方向之一。

(3)去噪处理算法研究。加性噪声的存在,使图像的复原问题变成了一个病态问题,而且由于一般假设只知道噪声的统计特性,因此要从退化图像中完全去除噪声是不可能的。另外,由于噪声的存在,恢复的效果并不理想,结合降噪的图像盲恢复的算法研究有很现实的意义,这方面也进行了部分工作。为克服噪声的影响,一般采用先进行降噪,后进行复原；二是将降噪和复原同时进行这两类方法。目前,大多数算法中将噪声描述成高斯噪声进行研究,在实际应用时有较大局限性。对于非高斯情况的研究采用基于噪声的高阶统计特性的去噪算法研究也是很重要的研究方向,也可采用其他类型的方法进行降噪,利用自组织映射的非线性独立组件分析方法进行图像降噪处理算法。

(4)实时处理算法。算法的的复杂性是制约算法应用的一个重要方面。可采用正则化的离散周期Radon变换的方法将二维的卷积转化为一维进行处理,以提高算法的速度；也可采用神经网络的实时处理算法。算法的实时性是算法实际应用的先决条件。

(5)应用研究。算法的应用是推动算法研究的动力。虽然图像盲复原算法在天文学、医学、遥感等方面获得了较大的应用,但将算法应用到一般的工业图像实时检测、机器视觉、网络环境下的图像传输恢复、刑事侦破等方面还有大量的工作要做。

参考文献：

[1]薛梅,杨绿溪.用于含噪二值图像的改进NAS-RIF图像盲复原算[J].数据处理.2006.17.(2).

图像法论文范文第2篇

一、引言

二、图像盲恢复算法的现状

总体来说,图像盲复原方法主要分为以下两类:一是首先利用真实图像的特别特征估计PSF,然后借助估计得到的PSF,采用经典的图像复原方法进行图像的复原。这类方法将PSF的估计与图像的复原过程分为2个不同的过程,因而具有较少计算量的特点;二是PSF辨识和真实图像估计相结合,同时辨识PSF和真实图像。这类算法较为复杂,计算量较大。另外,对于点扩展函数也考虑了空间变化的复杂情况。针对目前的盲复原算法的现状,根据退化模型的特点,重新将算法分为空间不变的单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法3类。

(一)单通道空间不变图像盲复原算法

在这类算法中,最为常用的是参数法和迭代法。

1)参数法。所谓参数法,即模型参数法,就是将PSF和真实图像用某一类模型加以描述,但模型的参数需要进行辨识。在参数法中,典型的有先验模糊辨识法和ARMA参数估计法,前者先辨识PSF的模型参数,后辨识真实图像,属于第1种类型的图像盲复原算法,因而计算量较小;后者同时辨识PSF和真实图像模型参数,属于第2种类型图像盲复原算法。

2)迭代法。所谓的迭代法,不是通过建立模型而是通过算法的迭代过程,加上有关真实图像和PSF的约束来同时辨识PSF和真实图像的方法。迭代法是单通道

熵算法等最为典型。

(二)多通道二维图像盲复原

多通道二维图像盲复原,这类方法将数字通讯领域应用的一维多通道盲原分离算法扩展到二维情况并用于图像的盲恢复。这类算法中有两种代数方法,一种是先辨识模糊函数,再采用常规的恢复算法进行复原;另一种是直接对逆滤波器进行估计。此类算法的优点在于不需对初始图像进行估计,也不存在稳定性和收敛性问题,对图像以及模糊函数的约束是松弛的,算法具有一般性。但是第1种算法要求采用复原算法具有收敛性;第2种算法对噪声敏感。

(三)空间改变的图像盲复原方法

在许多实际的应用中,模糊往往是空间变化的,但由于处理工作的难度,目前的研究较少,基本有相关转换恢复和直接法两类。

直接法的基本思想是直接对图像进行处理。如采用简化的二维递推卡尔曼滤波器进行图像模型和模糊模型的直接转换方法,其缺点是只能针对有限的模型,而且模型数增加,计算量会显着增大;采用共轭梯度迭代算法,但只见到一个31×31的文本图像处理的结果报道,对于大图像处理效果尚需进一步的研究;将空间变化图像系统建立成马尔苛夫随机模型,对复原过程,采用模拟退火算法进行最大后验估计的方法,这种方法避免了图像的窗口化,并能克服模糊参数不连续性造成的影响,但这种方法只能局限于将模糊过程建立成单参数的马尔苛夫随机模型的情况,而且计算量也较大。

三、图像盲恢复的应用前景

(3)去噪处理算法研究。加性噪声的存在,使图像的复原问题变成了一个病态问题,而且由于一般假设只知道噪声的统计特性,因此要从退化图像中完全去除噪声是不可能的。另外,由于噪声的存在,恢复的效果并不理想,结合降噪的图像盲恢复的算法研究有很现实的意义,这方面也进行了部分工作。为克服噪声的影响,一般采用先进行降噪,后进行复原;二是将降噪和复原同时进行这两类方法。目前,大多数算法中将噪声描述成高斯噪声进行研究,在实际应用时有较大局限性。对于非高斯情况的研究采用基于噪声的高阶统计特性的去噪算法研究也是很重要的研究方向,也可采用其他类型的方法进行降噪,利用自组织映射的非线性独立组件分析方法进行图像降噪处理算法。

(4)实时处理算法。算法的的复杂性是制约算法应用的一个重要方面。可采用正则化的离散周期Radon变换的方法将二维的卷积转化为一维进行处理,以提高算法的速度;也可采用神经网络的实时处理算法。算法的实时性是算法实际应用的先决条件。

参考文献:

[1]薛梅,杨绿溪.用于含噪二值图像的改进NAS-RIF图像盲复原算[J].数据处理.2006.17.(2).

图像法论文范文第3篇

高中物理知识性强，有些规律要通过学生自己理解、总结，有些规律与生活中的现象相悖，着重学生各方面能力的培养。二是学生的年龄特征决定的，初中学生主要是培养形象思维，而高中学生必须由形象思维上升到抽象思维，提高思维深度。从教材看来，思维形式的提高也很明显。初中教材从具体的事物、具体的自然现象中总结规律；高中教材将具体的实物抽象为理想的模型，比如质点、点电荷。通过研究这些理想模型的运动来总结规律。为了学生能适应高中物理的学习，在高中教材里仍然附了很多实物和图像。

因此我认为高中物理教学过程中应该更多的采用图像法。高中教材里所附的这些实物和图像在教学过程中不可忽略，它可以起到意想不到的效果。这些图像有：力学中，力的图示、质点、匀速直线运动的位移图像，速度图像、振动图像、波形图；热学中，等容图像、等温图像；电学中，点电荷、电场线、磁场线、交变电流的图像；光学中的光路图等等。这些图像是通过应用物理的方法从实物、从实验中抽象出来的或是应用数学手段总结出来的。它能够形象的反映物理规律，表达物理知识。比枯燥的文字、公式更容易理解和掌握。

在讲授电场时，通过实验演示，很多同学都相信互不接触的电荷间具有力的作用。力是物体间的相互作用，因此电荷之间应该存在一种物质，这种看不见、摸不着的特殊物质是什么呢？从而引入了"电场"。有的同学还不理解，进而人为的引用一种客观上不存在的线来描述电场，即电场线。将无形的物质用有形的东西来表示，大部分同学明白了。可以看出在教学中采用图像法具有形象直观、易掌握等优点。当然有时也会遇到一些麻烦。

在讲授匀速运动的时间位移图像时,有些学生由于没有很好的掌握位移的概念，又不结合实际分析，轻易地把该图像理解为物体的运动轨迹。也有少数学生读不懂这类图像，在数学中这是很简单的直角坐标和正比例函数关系，在此有必要对比着讲解。又如讲振动图像时，也有学生把图像与振子的轨迹混淆，将振子的振动过程分析不清。学习了波形图后，教师在讲清讲细的同时，如果学生自己不理解两类图像的含义，要分清楚振动图像和波形图又是一难点。这些细节之处看起来不重要，然而这是培养学生分析问题、应用数学手段处理问题的能力和提高思维能力的最佳例子。实际上解决物理问题关键在于构建物理模型，将实物和文字表述用理想模型和图像表示出来。学生要做到这点，要靠平时多看、多练。这一步不能突破，那么学生学习高中物理的效率就不高。同时也要求教师在课堂上多示范。

图像法论文范文第4篇

米歇尔的论述向我们提供了这样的观念:一是在语言学、符号学中隐藏着图像转向的能量。在以往的语言研究中，图像承担着与语言文字一样传达意义的功能，只是比较起来显得初级;二是对非语言符号的研究。从传统上看，我们只能用语言具有的意义范式或模型去研究非语言符号，这样一来，语言被扩展到各种符号的表意行动中，反而忽视包含图像在内的视觉符号自身的意义;三是我们应该注意到话语与视觉、文字与图像之间存在的缝隙，注重视觉图像与视觉感知在建构世界和创造文化秩序中的独立性。正是在这个意义上，从理论思维的角度，视觉图像向语言文字发起挑战，开始撼动语言在哲学与文化领域中的中心地位。“语言学转向”强调的是世界是由语言建构的，语言符号之间的不断转换产生了世界的意义。换句话说:意义的产生不过是一种语言到另一种语言的转换过程，这种转换完成了语言对世界的编码。从这个意义上说，我们生活的世界不是一个经验和实体的世界，而是一个语言符号的世界，我们的知识和认识是由语言来塑造的，在语言的主宰下，语法、句法、语用、词汇、话语、语境、意义、文本、叙事、修辞等跟语言学相关知识被广泛运用到其它学科领域中，以至于语言学的模式和方法成为人文科学普遍的思维模式和方法，因此，“语言与存在”取代了传统的“思维与存在”的命题成为整个知识范式转换的重要表征，这也从根本上揭示了语言的本体含义，它远非工具，而被看作存在本身，正如维特根斯坦所宣称:全部哲学就是语言批判，想象一种语言就意味着想象一种生活方式。

从历史实践上看，作为人类交往活动中最常见的两种媒介形式，图像与语言文字相比所处的地位不一样。在文字发明之前，图像是先民表达和记录的方式;当文字出现之后，文字以语法和修辞结构来表达具有丰富的联想性和多义性的意义，而图像被降低为识字的辅助手段。因此，在很大程度上，图像被认为是感性的、直观的、平面的、零碎的，人们重视语言的理性逻辑，强调语言与图像的异质性，而忽视图像与语言之间的辩证关系，以及图像的独立性和意义的建构性。米歇尔发起了对语言主导文化的解构性批判，他认为:“文化的历史部分就是图像符号与语言符号之间争取支配地位的漫长斗争的历程，任何一方都是为自身而要求一个可以接近‘自然’的特权。在某些时刻，这种斗争似乎进入了沿着开放边界展开的自然交流;而另一些时刻(恰如莱辛的《拉奥孔》)这些边界关闭了，彼此相安无事。

所谓的颠覆关系就存在于这一斗争最有趣和最复杂的种种形态中”［2］(P187)。在这里，米歇尔强调了语言与图像之间漫长的斗争过程，认为两者之间辩证复杂的张力关系构成了文化的发展。如果说传统文化是语言实施着对图像的压制和控制，那么，进入当代的视觉文化时代，图像应该站在与语言构成对立面的基础上，消解语言中心主义的局面，通过制造图像和观看图像承担世界意义的建构。但是，图像的兴起以及形成的对语言的挑战，并不意味着图像取代语言成为知识体系和文化秩序的主宰，而是将图像在语言中心论的框架中解放出来，摆脱语言论的控制，在关注语言与图像之间的“互文”性阐发中重新挖掘和创造图像，让图像再度被发现，让图像彻底释放出自己的知识能量。

图文之争与当代文学理论研究的新思路

图文之争的介入给当代文学理论注入了新鲜血液。随着图像意识的增强，文学与传媒、文学与图像、文本形式、文学的存在方式、图像叙事与文本叙事等诸多问题越来越多地进入到文学理论研究的视野，成为人们关注的热点问题。如米歇尔在《图像理论•序》所说的那样:我们生活在一个视觉文化时代，所有的媒体都是混合媒体，所有的再现都是异质的，文学与视觉艺术之间的互动关系构成了再现，它们与权力、价值和人类的利益纠缠在一起，影响到文化模式的变化。一种阅读文化与一种观看文化之间的差异不仅是一个形式问题;它含蓄地指出社会性和主体性所采取的形式，一种文化所构成的各种个体和制度。在这里，我们可以发现:文学与图像的关系问题可以在媒体再现中找到交汇点。换句话说，图像与语言之间的关系并不是一种单纯的异质关系，两者之间的研究也不是一种简单的、毫无价值的平行对照，相反，两者之间内在的互动关系以及构成的外部关联使得不同艺术之间的关系研究成为可能。从这个意义上说，图像与语言的关系为文艺理论和美学研究提供了更广阔的空间，因为两者之间的关系在很大程度上突破了传统文艺理论观念。

从历史上看，在语言学研究范式的框架中，文学理论研究的中心和旨归是文学语言本身，认为语言是一种线性的、稳定和逻辑的符号，先行地设定文化、文学发展变迁的规律。在这种观念中，语言占据主导优势，而图像只是语言之外与人的感性层面相关联的不可靠的形式，图像与语言根本无法联袂，亦无法在一种张力的结构中生发出更高意义上的思维模式。20世纪后期以来，随着视觉文化和读图时代的来临，单纯的语言学思维方法已经不能完整有效地对当今文学图像化和传媒化趋势作出有力的阐发，同时它也无法表征当前层出不穷的文学审美现象。

因此，当前文艺理论研究必须摆脱传统文艺理论研究中的不合理方式，关切当代传媒视野中的文学现实问题，在正视语言学等研究方法的同时，侧重考虑在图像与文字之间寻找文艺理论研究的生长点。本雅明是建构此种研究范式的积极实践者和探索者，他在研究摄影与电影的过程中预言电影将成为未来语言的者，认为以文字和书籍为代表的传统印刷文化必将受到以图像为主的机械复制文化的冲击，这昭示着图文之争在现代文学艺术发展过程中将成为一个待解的问题。与本雅明不同，利奥塔从解构理论的角度对西方传统文艺理论中存在的理性与感性、理智与欲望、话语与图像、推论和感知等二元对立模式进行批判性考察，为感性、欲望、图像和想象力的存在寻找依据，解构西方传统的元叙事话语和思维模式，达到攻击现代性的目的。鲍德里亚比本雅明和利奥塔走得更远，他在由电脑所创造的虚拟图像世界中，反思和批判传统的文学生成和存在方式，认为虚拟图像比真实存在更完美真实。

在此观念下，文学艺术与现实之间的关系应该重新设置和厘定，也就是说:图像与现实的脱节、虚拟与真实界限的消解，使得传统的“文学艺术模仿生活”的观念出现问题，这无疑对当代文艺理论研究产生重要影响。本雅明、鲍德里亚在文化和艺术层面上对图文关系的探索，深刻地表明文艺理论对图文关系的重视源于当代文化给作者和读者带来的新的创作和阅读感觉经验，它是对当下文学艺术发展的理论总结和建构。显然，西方文化领域对图文关系的研究已达到了一个很高的水平，其方法和思路不同于传统的美学与文艺理论研究，已进入到图像文化分析、社会历史分析、符号政治经济学分析的综合、交叉的层面，其研究主旨是在揭示图像与文学差异、互动和互通的特征，进而进入图文生产、消费与社会权力表达、文化模式变迁之间的复杂关系的探究上。

当前国内文学理论研究领域，图文关系的研究也逐渐深入展开，这主要沿着两种思路进行:一是在文化研究的语境中，探讨图像与语言文字的关系，强调图像的强势原因、表现方式和审美效果等。这是当前文学遭遇图像时代问题的一种“宏大理论”式的阐发，这种研究并没有在图像与语言之间折叠、缠绕的复杂关系中解决文学变化的具体问题;二是沿着“文学是语言的艺术”的历史命题，在文学与传媒的关系日益紧张的今天，根据文学和视觉艺术两者的交叉渗透，从文学语言的角度来关注视觉艺术，同时强化从图像的角度来审视文学，试图在文学与图像之间建构一种互文性的文学理论。具体而言:从文学语言的角度研究视觉图像，就是理解图像如何借助物理时空的张力结构，来接近文学并通过语言立“象”达到充满想象力的审美至境。

反之，从图像的角度来分析文学语言，就是理解图像如何赋予文学语言新的意义，探索图像在文学语言塑造过程中所具有的重要功能，比如研究表明两者之间的关系可以归纳为三种历史形态:以图言说、语图互仿和语图互文，以此揭示语图关系发展的规律。显然，以上所说两种研究的价值取向不同:前者侧重语言与图像的对立，以此勾画出当代文化模式的变迁，以及带来的审美方式的变化;后者则侧重语言与图像两种媒介所具有的思维方式交融凝聚到文学本身，回答文学在传播过程中因媒介不同而发生了怎样的变化。如果说前者侧重外部研究，那么后者则是从内部探讨文学的根本性问题。

值得注意的是:在叙事学中，传统的文字叙事所固化的领域开始成为语图关系研究的重要目标，从而形成一种崭新的叙事文本研究，此研究围绕图像与文字两种不同的叙事特点，主要从叙事学的角度来考察图像与文字之间错综复杂的关系，突出图像对叙事文本的模仿和再现问题，旨在解构文字叙事在叙事传统中的绝对主流，摆脱与语词共存和竞争中图像的压抑性地位。通过图像与文字之间复杂关系的梳理，让两者在交互叙事中建构不同的价值维度，以此彰显不同的审美意义。诸如此类的研究对于我们今天重新理解文学有太多的启示，这昭示着当前文艺理论研究观念的重要转变，这些探索对于建构文学理论研究范式具有启发性和创新意义。

图文之争与当前文学理论研究的几点反思

20世纪80年代以来，国内文艺理论界关于本质主义与反本质主义一直存在论争，不同观点的研究者在本质建构和拆解的论争中宣扬自己的文学理论观念。图像与文学的关系问题作为文艺理论研究的现实问题，在为文艺理论营建新的研究思路的同时，跳出本质主义、历史主义和解构主义等思维模式，力求返回文学活动本身，沿着亚里士多德所设定的文学媒介理论的路线寻求“拯救文学现象”，这无疑将为我们重新反思文学理论研究提供了契机。

首先，文艺理论研究应从文学现实出发，避免抽象化。何谓文学现实?在我看来，其实质就是被文学本质思维模式所遮蔽的文学发展过程中文学与其他文化形式交织、文学本身新变的现实问题。在本质主义与反本质主义理论观念指引下，文学理论研究大都围绕原典或抽象概念的演绎展开讨论，试图勾画出一幅以理念存有为深层基础的文学图景。这是一种本质先行的理论模式，此种模式直接规定文学之为文学的本质，达到一种理论自身的自洽性和完美性，最终，文学现象被置换成一个抽象化、一元化的世界，文学活动的朴素性和现实性逐渐消失。

图像与文学的关系问题不同，它是当代传媒文化现实中文学发展出现的真问题，它带动文学活动各要素在传媒世界中发生了新变。比如依照新媒体观念，图像、语言和其他文本都混杂其中构成超文本文类，读者面对如此复杂而丰富的文本世界目不暇接，此种变化打乱了以往文学理论设定和裁量文学的标准。因此，文学理论必须真正面对这些问题，从学理层面加以阐发，进而把当代文学理论研究向前推进。

其次，回归文学本身的问题也是一个值得反思的文学理论问题。传统的语言学研究范式注重文学的文学性研究，认为语言是文学的内在规定性和永恒性。这是它的功绩，也是它的偏颇。因为，它在把文学的文学性研究推上高峰的同时忽视了语言以外、或者与语言相关的知识场域(比如，文学与其他艺术语言之间的关系)。当前盛行的文化研究，打破了文学理论学科的界限，以超越文学社会学的姿态，把触角渗透到生活的各个方面，使得文学研究的边界变得模糊，文学本身的问题几乎成了一个被遗忘的话题。在这样的情形下，我们也深切地感受到文学基础理论知识体系的松散和脆弱。在两种研究方式面前，我以为，图像与文学的关系是文学理论重新思考文学自身问题反弹的重要表现，它介乎语言和文化之间，寻找理解和阐发文学的新维度，同时这也是对强调文学性研究的形式主义文论和强调文化权力的文化研究的一种反驳和超越。从这个意义上说，语图关系研究意味着在经典意义上的理论研究之外拓展出新的文艺理论研究思路。最后，应该提倡文学理论研究的多元主义理念。

图像法论文范文第5篇

关键词：混沌；图像加密；研究

中图分类号：TP301 文献标识码：A 文章编号：1009-3044（2016）17-0224-02

1 前言

自从计算机技术出现以来，互联网所具有的特性就被人们所关注。在该环境下，人家可以做各种想做的事情，比如通过互联网对各种文本、视频以及音频等信息进行处理，并且这些信息数据中都包含了需要传输的私密图像信息。但是随着互联网的空间不断开放，传输机密信息的危险性非常大。因此在传输机密图像信息过程中，就必须要对图像加密与解密，才能够确保传输过程的安全性。在这种形势下，研究图像的加密方法具有实用价值。

2 引用混沌密码学的必要性

混沌密码学就是将混沌理论融入到密码学中就成为一种交叉学科，该学科被人们高度关注。因混沌系统拥有的独特特征比较适合密码学。自然也就是被密码学的研究高度重视。但是互联网技术不断安放在，人们从网络中需要传输的信息不断增多，特别是一些图像数据占据着重要比例。主要是混沌比较适合使用在图像加密中；同时人们对传输图像的安全性要求不断提高，因此研究这种图像加密算法属于热点问题。听过研究人员不断努力，混沌理论研究上逐渐趋于成熟，也在该图像加密的算法上获得了一定成就，不断提出了一些经典的加密算法。而且混沌理论就要有为随机性，初值比较敏感等各种特征，而且这些特征和密码学的特征比较吻合。当然引入了混沌理论，也促进了密码学的快速发展。通过这种混沌理论就能够设计出更多的算法，并且各种算法都具备极好的安全和加密速度，同时数字图像不断普及，特别是在互联网中传输的图像不断增多，人们也就更加重视所传输图像自身的安全性，这些因素都能够推动这种加密算法的快速发展。

3 基于混沌的图像加密方法

和本文数据相比较，图像数据具有独特性质，因此对于图像的特性，假如依然采用文本加密算法，根本无法满足效率所需。因此加密算法必须要针对其自身特性，合理选择设计。

3.1 图像加密算法

（1）图像像素空间的置乱；采用二维仿射变化置乱图像的方法主要有：二维Baker图像的置乱变换、二维Fibonacci―Q图像置乱变换以及二维Amold图像置乱变换。而时常所用像素位置的改变置乱方法有：基于Hilbert曲线图像置乱方法，基于生命游戏图像置乱方法，基于换幻方图像置乱方法等等。

首先二维Arnold变换图像置乱方法；假设单位上存在一个点坐标（x，y），可得出点（x，y）变化到点（x’，y’）变换是：

其次改变图像像素的置乱法，这种方法就能够把像素矩阵和某一类矩阵进行变换过程形成对应关系，就能够形成了像素迁移路线，当然要确保首元素与尾元素是不可能形成回路。像素就会顺着转移路线移动，必定改变了像素的位置，如果把原始图像像素从头到尾移动一遍，就完成了图像加密。

（2）扩散图像的像素值；当对图像像素空间实施置乱之后，并没有改变图像的像素值，而且置乱前后图像中直方图并没改变，但是要提升图像加密安全性，还必须要替换图像的像素值，也就是扩散图像的像素值。当然扩散图像的像素值方法并不是唯一的，而是有许多种，可将像素值映射至其他区域来选择计算像素本身，可在相邻像素间采取异或运算等。

3.2 基于混沌的图像加密分析

因混沌系统自身特性与密码学特征比较相似，因此把混沌使用到密码学中具有极大的前景，将这种理论使用到伪随机序列的生成器。无论是置乱图像的像素还是扩散像素，伪随机序列都发挥着重要的作用。尤其是置乱像素过程中，就能够通过这种序列转换矩阵；在扩散像素中，就能够通过这种序列改变像素值，当然也可以采用这种方法为扩散算法实施选择。

实施图像加密的主要目的就是将图像中所携带的信息隐藏起来，就算攻击者通过非法手段获得加密图像，也不可能从图像中获得所需要的任何信息，加密时，大部分都是通过两个步骤实现，即为置乱图像的像素空间和扩散图像的像素值。如果加密系统的安全要求并不高，并且要提升加密速度，处理过程中只需要图像置乱或图像扩散即可。但是系统加密需要的安全性比较高，那么就应该多次迭代图像置乱与图像扩散，从而加强加密的效果。基于混沌的图像加密方法，其一般数学表达式为：[R=Da（Cb（P，Kc），KD）]；该式中P表示明文，R为密文，C为置乱函数，D为扩散函数，[Kc]值为置乱函数的密钥，[KD]为扩散函数的密钥，a为扩散次数，b为置乱次数。基于这种加密的密钥空间，就可采用如下式子进行表示：[S=（Sbc，SaD）]；在此式中，[Sbc]即为置乱秘钥的空间，[SaD]为扩散秘钥的空间。

3.3 设计步骤

因为混沌理论照中包含着许多内容，比较常见的混沌函数有一维，二维以及三维区分，在设计加密算法就只需要采用一个混度系统，当然也可以使用到多个系统之中。因此设计该算法之时，就必须要考虑到加密系数所用环境，还必须要满足加密速度以及安全性的要求。如果加密速度的要求不高，但安全性要求不高，就可以采用一维或者二维混沌系统设计加密算法；但是安全性的要求比较高，加密速度较低，就要设计加密复杂一些，如采用三维混沌系统。本文就以一维Logistic映射函数探讨混沌加密法。

（1）加密算法

因为一维函数比较简单，就是因为简单研究过程相对比较容易，并且极易进行控制。相对而言，一维函数比较成熟，因此在图像加密算法中使用比较广泛，并且也成为一种比较优秀的加密算法。这种加密算法的速度较快，并且因研究比较透彻，所以算法也比较稳定可靠。其迭代公式为：[XL+1=uX1（1-XL）]。

当3.56994564时，一维混沌迭代序列必然会收敛到一个特定值。该算法加（解）密的流程如下图所示：

图1 算法加（解）密流程图

其一，提取出原始的图像矩阵P，大小是m*n（原始矩阵的行像素数为m，列像素数为n）；

其二，取[x0∈（0，1）]，那么[u∈（3.5699456，4）]；重复迭代计算m*n次，就能够得到一个长度是m*n，具备伪随机性、不重复序列为；

其三如果对多得到的序列X排序时，排序标准可以从小到大顺序，也可从大到小顺序，本文就是以从小到大方式排序，这样就能够获得有序序列；[X=（x1，x2，……，xm*n）]

其四依据X中各元素处于Y中位置，就能够获得索引向量为[Index=（d1，d2，……，dm*n）]；[di∈（1，2，……，m*n）]，而且Index中各个元素都不相等，

而索引向量也是矩阵进行置乱像素的基本依据，把向量Index依照列重构，就能够得到一个矩阵，其大小是m*n，这个矩阵就是位置矩阵。

其五按照位置矩阵中所对应的元素值就能够把原始图像置换成大小相同的矩阵S，S=P（L），最终所得S即为加密图像矩阵。在这个过程中[x0]与U即为算法中两个密钥。最终结果如图2、图3所示：

参考文献：

图像法论文范文第6篇

关键词：图像增强粗集理论均值滤波

中图分类号：TN929.11 文献标识码：A 文章编号：1007-9416（2015）11-0000-00

1引言

图像增强的目的是要改善图像的视觉效果，是一种基本的图像预处理手段，通过增强图像中的重要信息来改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的局部或整体特性，将原来一些不清晰的图像变得清晰或强调一些感兴趣的特征，扩大了图像中不同物体特征之间的差别，抑制了一些不感兴趣的特征达到改善图像质量、丰富信息量，加强了图像判读和识别效果，满足图像在某些特殊分析中的需要。

图像增强可以有效改善原始图像的视觉效果同时可以对原始图像进行某种程度的滤噪。为计算机的后续处理提供了方便，其实质是有目的的抑制了图像中一些次要信息而加强了图像中某些重要信息。但是由于图像信息本身之间具有较强的相关性和图像存在的复杂性，在处理过程中在各个不同层次都有可能会出现不确定性问题，将粗粗集理论应用于图像的分析和理解，在有些场合比传统计算的方法（即使用一些精确、固定和不变的算法表达和解决问题的相关方法）具有更好的效果。近年来许多学者提出了用粗糙集理论用于研究不确定性问题，它不仅为智能信息处理提供了一种新的处理技术，同时也为信息科学和认知科学提供了一种新的科学逻辑和研究方法。近年来有些学者已将粗集理论用于图像处理相关方面的研究、分析。粗集理论作为一种新的计算方法（新计算方法的指导思想就是利用现有规则所允许的不确定性和部分真实性，以得到便于处理、鲁棒性和成本都较低的一种解决方案）与遗传算法、神经网络等方法一样，是极具发展潜力的智能信息处理技术。本文首先把图像看成是一个知识系统，根据粗集方法，基于其不可分辨关系，分割成不同的区域，提出了一种基于粗糙集理论的图像增强方法，获得了良好的增强处理效果。

2基于粗集理论的图像增强方法

利用粗集理论中不可分辨关系和近似空间等相关概念，首先把待处理图像定义为一个近似空间，则该近似空间存在一个等价关系，同时在待处理图像I中定义一个粗近似集为。

待处理图像的可移动窗为（），中心像素灰度值为，可以将该处理窗分成4个一维子窗口，分别为水平、垂直、和水平分别成45度和135度的四个子窗口如图1所示。

图1子窗口示意图

我们可以分别定义待处理图像的每个可移动窗中子窗口上的等价关系为：

（3）

其中是中心像素的灰度值，是第个子窗口，是待处理图像可移动子窗中的一个预定的等价误差类。则用表示子窗口内一定不存在灰度突变，用表示子窗口内可能存在灰度突变。于是可以定义在每一子窗口中满足这一等价关系的像元数目为，同时定义近似精度在每一个子窗口内：

（4）

其中集合的元素数目用表示。

我们同时再用来定义待处理图像的可移动子窗口的均值：

（5）

这样对原始图像通过粗集处理后可以得到一个新的线性加权图像（即增强后的图像为：

（6）

其中是图像的第个像素的灰度值，图像可移动窗中第k个子窗口的均值用表示，可移动窗中第k个子窗口的均值近似精度用表示，参数用来控制原始图像和粗集处理后的图像之间的平衡，一般取值大于1。

3实验结果

通过利用上述粗集处理，根据灰度相似性利用粗集中不可分辨关系对待处理图像进行了划分，待处理图像的处理窗内水平、垂直、45度和135度的4个一维子窗口4个不同方向子窗口划分得到四个相应的粗集及其近似精度，然后通过近似精度加权求得子窗口的均值加权和，并以此均值加权和代替待处理窗的中心像元的灰度值，以达到增强图像、平滑噪声的效果。由于采用了四个不同方向上的一维子窗口，并通过四个子窗口的近似精度加权求和，使得灰度相似方向上的子窗口均值对增强结果贡献相对较大，达到抑制了噪声的同时使得图像边缘也得到了保护和加强。

参考文献

[1]张朝全，周绍景.梁颖.基于粗集与FCM的快速图像分割改进方法[J].昆明冶金高等专科学校学报，2015，03：60-64.

[2]陈德刚.模糊粗糙集理论与方法[M].北京：科学出版社，2013.11.

图像法论文范文第7篇

1.1.1医学图像处理的特点及重要性

医学图像处理技术包括很多方面,如:图像恢复、图像重建、图像分割、图像提取、图象融合、图象配准、图像分析、图像识别等等。进行医学图像处理的最终目的是实际应用于医学辅助、工业区生产、科学研究等方面,所以其具有较广泛的应用价值和研究意义。医学图像处理的对象是各种不同模态的医学影像。在医学临床的使用中,医学影像主要有超声波(UI)、X-射线(X-CT)、核磁共振成像(MRI)、核医学成像(NMI)等。随着计算机技术的发展,医学影像技术已成为一门新兴交叉学科,目前是计算技术与医学结合技术中发展最快的领域之一。借助有力的医学图像处理技术手段,极大的改善了医学影像的质量和显示方法,其成果使临床医生能更直接、更清晰地观察人体内部组织及病变部位,确诊率也得到了提高。这不仅使医学临床诊断水平在现有的医疗设备的基础上得到极大地提高,并且能使医学研究与教学、医学培训、计算机辅助临床外科手术等实现数字化应用,从而为医学研究与发展提供坚实的基础,在医学应用中具有不可估量的实用价值。

医学图像与普通图像相比,具有以下几方面的特点(1)医学图像具有灰度上的含糊性。表现为两方面:一方面是由于成像技术上的原因带来的噪声扰,往往使物体边缘的高频信号被模糊化;另一方面,由于人体组织的螺动等现象会造成图像在一定程度上产生模糊效应。(2)局部体效应。处于边界上的像素中,通常同时包含了边界和物质,使得难以精确地描述图像中物体的边缘、拐角及区域间的关系,加之假如出现病变组织,则其会侵袭周围正常组织,导致其边缘无法明确界定。

1.2论文的研究目标及工作

1.2.1论文主要涉及的三方面基础理论

论文主要涉及马尔科夫随机场(MRF)理论、模糊集理论及Dempster-shafe证据理论三个方面的基础理论,下面分别作介绍:1)马尔科夫随机场(MRF)理论基于随机场的图像分割方法是一类考虑像素点间的空间关联性的统计学方法。其实质是从统计学的角度出发,将图像中各像素点的灰度值看作是具有一定概率分布的随机变量,从而对数字图像进行建模。Cristian Lorenz等人,在医学图像分割中提出了一种可应用于任意拓扑结构的新型统计模型。根据马尔科夫随机场图像模型,利用最大后验概率准则(MAP),提出一种迭代松弛算法。MRF模型能够区分不同纹理的分布,其特别适用于纹理图像的分割。但使用MRF模型进行分割的关键问题在于参数估计,所以分割的效果往往取决于对参数估计的准确度。为此通常在分割与参数估计间进行轮流迭代计算,例如:先初始化参数,在此基础上分割,再利用分割的结果对参数进行进一步的估计,然后再分割,如此直到满足收敛条件。然而此类方法只能利用单一的图像信息,不能综合利用多种图像信息。

第二章马尔科夫随机场(MRF、理论及其应用

马尔科夫随机场简称,是英文Morkov Random Fields的缩写。它包含了两层意思:一个是马尔科夫(Morkov)性质;一个是随机场性质。它是基于统计学的分割方法在医学图像分割的应用中,最为常用的一种方法。图像具有高度的空间信息相关性,而马尔科夫随机场(肿)恰好具有有效描述空间信息相关性的特点,加之其具有完善的数学理论和性质,所以广泛的被应用于图像的处理中,如:图像的恢复、纹理的提取、模板的匹配和图像的分割等。娜于图像的分割,对噪声有很好的抑制作用;同时是基于模型的方法,所以容易与其它方法结合是它的优点。在本文中主要用于脑部—图像的预处理及前期的分割。下面介绍马尔科夫随机场(MRF )的基本理论及其在本文中的应用。

2.1马尔科夫随机场CMRF )基本理论

2.1.1一维马尔科夫(MARKOV)随机过程

过程(或系统)在Zg时刻(即? = /q)的状态己知,若过程在/Q后面的时刻,即的状态与过程在时刻之前(即

2.2图像中马尔科夫随机场、MRF )模型的建立

2.2.1邻域系统与势团(Cliques)

由本文2.1.2小节中马尔科夫随机场(娜)的定义中,任何满足条件1)非负性的概率都由条件2)中的描述马尔科夫(MARKOV)性的条件概率所唯一确定。条件2)中的条件概率所描述的也称为随机场F (本文中也即数字图像)的局部特性。而条件2)中的条件概率的直接求得是很困难的,由概率论中条件概率的公式可知要求的尸C/i 需要知道即需要知道随机场的联合分布,而马尔科夫随机场)是用条件概率来定义的,不能很好反映的联合分布。也就意味着由马尔科夫随机场(MRF )的局部特性来定义整个场的全局特性是存在困难的。以上问题的解决要归功于Hammersley-Clifford定理,该定理给出了马尔科夫随机场随机场(MRF )与吉布斯随机场(GRF )的等价关系,从而可以用吉布斯(Gibbs)分布来求解中的概率分布问题。

1.1论文研究的目的和意义………………1

1.1.1医学图像处理的特点及重要性……………… 1

1.1.2医学图像分割中存在的问题、现状及发展………2

1.1.3医学图像分割的方法………………

1.2论文的研究目标及工作………………6

1.3本文组织结构………………9

第二章马尔科夫随机场(MRF、理论及其应用………………11

2.1马尔科夫随机场、MRF )基本理论……………… 11

2.2图像中马尔科夫随机场QMRF )模型的建立………12

2.3估计准则与优化算法………………16

2.4本章小结………………19

图像法论文范文第8篇

关键词：艺术；视觉文化；图像；图；影像碎片；艺术学理论

中图分类号：J0 文献标识码：A

2012年6月在南京举办了“图像与表演国际学术研讨会”。与会者就图像与表演之间的关系各自做了主题发言和探讨。这是一个基于艺术学理论的实践研究主题的学术会议，目的在于探讨不同艺术门类之间的关系，以及探讨不同门类艺术的共同规律，并以此寻求艺术的本质与艺术原理。当代各种媒体视屏的传播功能，使人们感到图与图像在传播中的“读图时代”是不可抗拒的。但是如何理解“读图时代”中“图”的概念和含义，是图还是图像，如何区别，一些学者试图把戏剧戏曲和影视中截取的“图”作为“图像”，并以此探讨“图像与表演”的课题。但问题也就随着学者们的探讨出现了。图与图像，我们究竟作何理解。它们仅是概念不同而内涵一样吗？显然，由于一些学者把图与图像混用，或看成没有区别的视觉文化，因而探讨结果依然是表演艺术范畴之内的问，题，并没有涉及到图像——造型艺术的问题。表演艺术与造型艺术之间的关系和规律没有得到有效的解决。因此，“图像与表演”或者说造型艺术（美术学），与表演艺术（戏剧戏曲影视学）的关系，需要依赖艺、术学理论的原理来思考图与图像的概念与内涵等问题，并以此解决好这两种艺术门类之间的学理关系。

一、图与图像

“读图时代”似乎成为我们这个时代的一个显著特征。实际上，“图”与“图像”是两个完全不同的概念，其内涵也不同。所谓读图时代的“图”并非都是图像，故此人们才感受到读图时代越来越简单与平面化。读图时代的“图”多是一种后文化时代的产物，其特征是简单、浮躁、肤浅、无深度、游戏性，最大限度的碎片化。“碎片化”是“图”的总体特征，我们也可以将“图”称为“图片”，但不可称为“图像”。图像，具有独立性、完整性、自足性和系统性的特征，它不是偶然的符号集合。图像的“孕育性”具有图像学和叙事学的意义，可阐释，可叙事，包含了某种意义（象征、隐喻等），是“图”与“像”的整合，具有独立意义的传播功能。中国传统文化中的治学方法是“左图右史”。即“置图于左，置书于右；索像于图，索理于书。”（郑樵《通志略·图谱略》）“图”指的是图形，“像”指的是图形中深藏的含义。《说文解字》云：“像，似也”。段玉裁注：“然韩非之前或只有象字，无像字。韩非以后小篆即作像。许断不以象释似，复以象释像矣。系辞日，爻也者，效此者也。象也者，像此者也。又日，象也者，像也。……盖象为古文，圣人以像释之。虽他本像亦作象。然郑康成、王辅嗣本非不可信也。凡形像、图像、想像字皆当从人，而学者多作象，象行而像废矣。”段注提到了“图像”，意在解释“像”的出处与来历，像与爻辞功能大体一致，故圣人以像释之。《易·系辞上》云：“仰以观于天文，俯以察于地理，是故知幽明之故。”《易·系辞下》又云：“仰则观象于天，俯则观法于地”。“观天文”实为观天象（像），与“索图于像”，说明了二者合二为一的“图像”，自有深妙的玄机。《易·系辞上》所指的“河出图，洛出书，圣人则之”的“图”，当为“图像”理解，很有玄机可阐释。当今“图像”与西说融合，基本上属于美术学（造型艺术）意义的范畴，有独立的自足的编码符号系统。即显示了母题、主题、意象、形象、结构以及相关联的系统，这与西方图像志与图像学有关分析和阐释的对象——图像的理论有关。因此，图像一系列的编码符号（图像逻辑）隐藏有深刻的含意，具有阐释学和叙事学的意义。不仅如此，作者（艺术家）赋予给图像的精神与情感是丰富的和完整的。当然，一些折射了历史、文化、民族、社会等价值的具有可阐释性、叙事性的摄影作品，也因此可作为图像来分析和阐释。

图不具有上述所说的图像的编码符号与意义。图是时间过程中一瞬间截取的片段，是非独立性、非自足性和非系统性的时间碎片，不孕育整个时间过程，其精神和情感也是散碎的。因而，图不具有图像学的意义，也无叙述性。如一些出现在影视、戏剧戏曲或舞蹈表演中一个画面的截取图——剧照，不具有图像学的意义。也就是说，无法从图像志的辨析到图像学的阐释，没有叙事的性质。如同连环画中每一页都是图，不完整，没有独立性，不可阐释。概言之，图的碎片特性，缺乏图像逻辑的系统。正因为如此，连环画的图才配以文字，并且由众多的图构成一本可阐释的、可解读的具有完整性的连环画。连环画的每一页仅仅是孤立的图，而不是图像。影视、戏剧戏曲和舞蹈等中截取出来的图——剧照，仅仅是图而已，而不是图像。今日流行的动漫（学科上归属影视戏剧戏曲学）、网络上流传的照片，等等，皆为图，非图像。正是应为这些“图”充满了我们的视觉世界，我们才惊呼读“图”时代的来临。但仅仅是“图”的到来，而非真的“图像”的到来。因为我们的视觉文化大都是图，所以我们感到今天的“读图时代”越来越简单，越来越觉着肤浅。而真正的图像却受到图的冲击，使我们难以辨认，或根本没有认识到图像本身到底是什么。于是有的学者认为图像与表演无法辨分：图像就是表演，表演就是图像。这种认识是值得商榷的，主要问题在于把图与图像混同了。

图像包含了最基本的单位或元素——母题、主题、意象、结构以及与之相关联的符号等。人们通过对母题的分析与辨认，最后进行图像学对主题的阐释与研究，这是对图像的基本研究路径和研究手段。这就涉及到图像的符号以及编码问题。19世纪西方产生的图像学理论主要是对古希腊和中世纪宗教艺术的图像进行研究的一种方法，并由此使艺术史研究进入到人文主义的学科中。法国艺术学家埃米尔·所著的《图像学：12世纪到18世纪的宗教艺术》便可使我们了解图像学研究的对象，并由此也了解西方“图像”一词所指的含义了。图像学成为艺术史学家对图像隐藏的某种文化、思想、宗教或历史最完美的解释。阐释和研究的这些图像本身有这样几种特征：其母题或主题隐含或象征了某种意义，显现了它的历史性、社会性、政治性、宗教性和叙事性的特征。西方最早被认可为图像的不是别的，正是那些被今天称为宗教的和古典的“艺术”。它们是由“艺术家”依据某种意图而创作的。某个艺术（图像）体现了某个“艺术家”思考和表达的意图，或者表现了他者（教会或赞助者）的意图。“在12和13世纪意大利和法国艺术中我们可以找到许许多多类似的例子，即，艺术家直接和精心地从古典的母题中借用了母题，却把异教的题材改变成基督教题材。”母题、主题、意象等，都是经过艺术家或赞助者的意图来编译符号构成了图像不可缺少的元素并由此产生了意义，从这个层面上说，图像还具有符号学的意义。结构是图像隐含的内容之一，是符号系统的编码程序。如何构图画面，如何取舍母题或意象，并从各种构成关系中产生某种特定的主题，这就是创作者所要思考的结构要素。西方中世纪的宗教图像，是创作者与赞助人（教会组织）共同完成的艺术（图像）形态。当代学者研究与阐释它们，提出了图像学的研究方法，同时还提出了一个肖像学（圣像学）的概念，“肖像学是艺术史中研究与艺术形式相对的艺术题材或含义的一个分支。”正是因为这些中世纪的艺术（图像）具有象征意义、为现代人难以知晓的隐喻，以及它们隐藏的事件和某种可叙事的关联情节，才被研究者称为图像。在西方，图像显然包含了中世纪的宗教绘画与雕刻，通过运用图像学方法研究，揭示这些图像在中世纪宗教文化系统中的现象和宗教文化的形成与变迁，以及图像所暗示出来的宗教思想与其它观念。图像学研究不仅仅是针对宗教艺术图像的研究，也包含对古希腊艺术（图像）的研究，其实际目的还是因为中世纪宗教艺术中，借用了古典艺术的母题，但因某种主题的需要而使母题发生了变异。图像学正是要阐释这种变异而叙事新主题的含义。因此，图像学研究和阐释的是，西方各个时期图像所显示的文化形成和变迁，以及这些图像隐藏的文化、社会、宗教、思想与政治的意义。西方现代图像学转向对所有图像领域的研究与阐释，因为图像中最要的是它包含了思想与观念，显示了图像中某种历史与观念。

不难理解，图像就是我们今天说的造型艺术，是空间艺术的概念，非时间艺术的概念，是艺术家的独立创作的作品（图像）。艺术家在创作作品（图像）时，都有自己的思路、观念和企图，这就是我们说的一整套艺术构思和技术，也可以说是“编码系统”，故此自成独立的系统。一些摄影作品，由于摄影师有意识地选取某些重大的事件进行抓拍，使其作品本身具有了叙事性因素，随着时间的推移成为将来历史中的某个重要事件，再经过一些艺术化形式的处理，如构图剪裁、光线等暗房技术的处理，使摄影作品成为可阐释和可叙述的图像。还有一些摄影作品，经过摄影者后期制作处理，即后期编码，使其成为图像。当代一些广告摄影作品，之所以也可以称为图像，是因为这些广告被摄影师按照商家和市场（客户）的消费观念的需求，以及时代文化时尚包括审美属性等，即我们通常说的“设计意图”，进行了“观念”的处理，做了后期编码制作，使其突出商业与市场价值的效应并体现了设计师的设计理念，体现了“我消费，故我在”的当代消费文化时代的观念，具有独立的意义。当然广告这类图像比起我们前面描述的图像来讲，因为广告图像注重的是商业价值和商业效应，它缺少叙事学的意义，即使阐释也是单向的，隐含的人文思想较少。总之，广告设计经过“编码系统”的处理，较多的是体现了某个阶段的时尚设计观念或创意理念，自身也构成了独立的、可解读的和阐释的价值体系。

质言之，图像应该具有这样几个术语来指向它的全部意义：形式、形象、母题、主题、意象与象征（寓言）。

图或图片，无上述我们说的这些基本元素。之所以说“读图时代”是肤浅的、无深度的，甚至是游戏性的，就在于“读图时代”的图没有独立性，没有编码的符号系统，缺乏隐含的历史性独特含义，没有叙事的结构。这就是造成我们今天焦虑读“图”时代肤浅的根本原因。尤其是今日的各种媒体在传播过程中的视觉文化现象，基本上是贴“图”视觉现象。因此，才被认为当今是“读图时代”。也有西方后现代文化理论家认为媒体与语言发生的词与物的关系，使当代的视觉文化现象具有“图像转向”的意义。但是，“不管图像转向什么，应该清楚的是，它不是回归到天真的模仿、拷贝或再现的对应理论，也不是更新的图像‘在场’的形而上学，它反倒是对图像的一种后语言学、后符号学的重新发现，将其看作是视觉、机器、制度、语言、身体和比喻之间复杂的互动。它认识到观看（看、凝视、观察实践、监督以及视觉）可能是与各种阅读形式（破译、解码、阐释等）同样深刻的一个问题，视觉经验或‘视觉读写’不能完全用文本的模式来解释。”这里我们看到了，即使西方后现代文化理论阐释图像并使图像转向成为后现代文化阐释，图像依然脱离不了上述的“术语”。不是任何“图”都是可以作为“图像”来认识的。

二、表演艺术中的碎片影像

表演是时空艺术，它包含了造型元素，又必须需要时间完成叙事。它包括了早期传统的舞蹈、戏剧戏曲和后来工业社会的电影电视。这些是不同历史阶段的表演艺术形式和现象，虽有差异，但其艺术的本质和规律是不变的。时间艺术是需要在一段时间内展现其叙事的结果，它不暗示某种未完结的内容或含义。因此，“时间”就是表演艺术的主要叙事方式。然而作为空间艺术的那些图像，它们的叙事是在阐释者的阐释中完成的，故此阐释（破译、解码等）是空间艺术的主要叙事方式。表演艺术的“时空”也是它的存在的方式；作为造型艺术的图像的“空间”是它存在的方式。艺术分类学依据艺术的存在方式分类，把艺术分为时间艺术与空间艺术，表演一类的同时具有时间与空间性质，故为时空艺术。也正应为如此，表演某些性质又复杂一些。在一般人的心理上，读图看似比较简捷和容易，一眼望去尽收眼底。现代人们的生活方式越来越紧张，时间越来越“少”，人们沟通的方式依赖电脑等多媒体视屏技术，视觉文化便在各种媒体上呈现。“读图时代”正是这种社会生活现状中产生的。“读图时代”的中的“图”的概念是混杂的，事实上是包含了“图”与“图像”。但是，表演艺术中截取下来的图（剧照或还不如剧照的图），以及动漫作品中截取下来的图，只能是图，或称为影像碎片，不能作为图像。这种影像碎片的图，貌似成为了空间艺术，其实不然。原因就在于它不可阐释，不可叙事。它阐释的符号是乱码，叙事的主要方式——时间没有了。也不是空间的艺术，因为它是从时间艺术中抽离出来的瞬间碎片的影像，没有经过编码系统的过程，不具有自足性的独立特征。

在南京举行的“图像与表演”主题的国际学术会议，主办方是中国艺术学理论（原艺术学）学科的发源地、全国唯一的“艺术学理论”重点学科的东南大学艺术学院，也是全国首家艺术学理论的博士点授予权单位和全国首家艺术学理论博士后流动站单位。其举办“图像与表演”会议的宗旨与目的不言而喻，就在于探讨造型艺术（图像）与表演艺术（影视戏剧戏曲）之间的某些关系。这是一个基于艺术学理论实践层面研究课题的国际学术会议。一些研究者把注意力放在了表演艺术中的图与表演本身的研究视野中。他们几乎都把图与图像混淆了，以至于有的学者认为，当今的图像与表演无法分清。造成这种误读的根本原因，就是没有打通最关键的三个门类艺术——美术学、音乐学与舞蹈学，缺乏研究和架构艺术学理论的学术能力，错把“图”当作“图像”了。因而，所研究的图像与表演之间的学理问题，实际上依然是表演艺术自身的问题。即用戏剧戏曲影视中截取下来的图片，探讨戏剧戏曲和电影自身的问题，与造型艺术的图像没有关联。甚至一些与会者，还把一些采用社会学方法收集的一手资料图片，作为图像来理解。这些一手资料的图片对于帮助和了解研究者考察某个民族的传统文化习俗，具有资料性的考证意义和价值。但仅是图片资料，非图像资料。

艺术学理论学科的重要创始人张道一先生，很早就对从事艺术学理论研究者提出了要求，他指出研究者必须将美术、音乐与舞蹈这三门打通，这是从事艺术学理论研究者所必须具备的基本要求和学术能力。张道一先生在“艺术三要素”中，始终反复强调了研究者要打通艺术的“三大块”：美术、音乐与舞蹈，掌握它们、了解它们共同规律和基本原理。不仅如此，张道一先生还强调要抓住艺术的“三要素”：思维、载体、技巧，才能抓住艺术的真谛，“可以说思维、载体、技巧是创作艺术的三条腿，三足鼎立不但站得稳而且走得远。”张道一先生的“艺术三要素”分别从艺术创作与艺术理论两个方面探讨了艺术“三大块”与“三要素”的关系问题。目的就是阐明艺术学理论研究的基本原理和基本理论必须建立在打通美术、音乐与舞蹈三门学科基础上，建立在艺术实践中对艺术的思维、载体和技术的掌握的基础上。一个从没有从事过造型艺术创作的艺术学理论研究者，对图与图像的理解自然难度很大。他无法理解“图像”为什么是独立的系统，为什么“图”就不是独立的系统。艺术离不开思维，这是最基本的。造型艺术的图像首先是需要艺术家的思维，他要在作品中表达自己的思想、观点、看法和态度，使作品具有某种意义。载体是艺术呈现的物质形式，没有物质这个载体，艺术永远不能够实现物质化，艺术品无法产生，艺术家的思想、观念、看法和态度等，都只能装在他的头脑中，表达不出来。选择什么物质作为承载艺术的载体，是艺术的本体问题，物质关系到艺术的语言、表达和技术等艺术的本体问题。但是，有了思维和载体，不等于就有了艺术作品。艺术家如何表现他的思想和观念等，还必须依赖于艺术的技巧。如果一个造型艺术家（画家、雕塑家），没有掌握一定的艺术技巧，再好的思想或想法也是无法表现出来的，或者创作不出来好的艺术品。艺术技巧的好坏不但影响到艺术家思想观念的表达，也影响到艺术作品的品质和艺术价值。这三者是相互叠加与印证作品（图像）的自足系统的，使艺术作品（图像）产生了独立的、完整的图像学与叙事学的意义，具有文化与艺术的价值和意义。

表演艺术中截取某个瞬间的图，仅仅是整个时空艺术中的一个“碎片影像”。对这样的碎片影像作完整的描述，只能将无数碎片影像叠加起来还原到时间的方式逻辑系统中才能做到。这样做实际上依然还原为表演艺术的形态，或者就是连环画的形态。把电影转换为“连环画”的这种形态，是上世纪70年代我国很流行的一种阅读方式，用碎片影像组成一组一组的画面，图片的下面配上一段文字说明，这就是“电影连环画”。我把这种阅读形式称为看“静态电影”。这就说明了“图”不是“图像”。我们不能把影视戏剧戏曲中截取的影像——图，这些乱码碎片，当作图像并试图进行阐释。企图对碎片影像这样的图作图像学的阐释和叙事学的文本诠释，其结果都是无法进行的。即便试图对这些影像图进行阐释与诠释，阐释或诠释者也是依据已知的表演艺术的过程与结果作某种诠释性的“复制”工作。即使像米歇尔这样的后现代文化理论者，在其《图像理论》中也说，“不管图像转向什么，应该清楚的是，它不是回归到天真的模仿、拷贝或再现的对应理论”。图的不可阐释性和不可叙事性，使其图本身不具有深刻性，不具有孕育事件前后的延续性，图的乱码和碎片性决定它自身的肤浅，无深度、戏谑性以及无风格等特征。也许正是因为图的这些特征，恰恰碰巧对应了后现代主义的文化理论，人们才开始意识到“读图时代”的“图”之浅薄。

图像法论文范文第9篇

关键词：艺术；视觉文化；图像；图；影像碎片；艺术学理论

中图分类号：j0 文献标识码：a

一、图与图像

阐释。

不难理解，图像就是我们今天说的造

艺术，是空间艺术的概念，非时间艺术的概念，是艺术家的独立创作的作品（图像）。艺术家在创作作品（图像）时，都有自己的思路、观念和企图，这就是我们说的一整套艺术构思和技术，也可以说是“编码系统”，故此自成独立的系统。一些摄影作品，由于摄影师有意识地选取某些重大的事件进行抓拍，使其作品本身具有了叙事性因素，随着时间的推移成为将来历史中的某个重要事件，再经过一些艺术化形式的处理，如构图剪裁、光线等暗房技术的处理，使摄影作品成为可阐释和可叙述的图像。还有一些摄影作品，经过摄影者后期制作处理，即后期编码，使其成为图像。当代一些广告摄影作品，之所以也可以称为图像，是因为这些广告被摄影师按照商家和市场（客户）的消费观念的需求，以及时代文化时尚包括审美属性等，即我们通常说的“设计意图”，进行了“观念”的处理，做了后期编码制作，使其突出商业与市场价值的效应并体现了设计师的设计理念，体现了“我消费，故我在”的当代消费文化时代的观念，具有独立的意义。当然广告这类图像比起我们前面描述的图像来讲，因为广告图像注重的是商业价值和商业效应，它缺少叙事学的意义，即使阐释也是单向的，隐含的人文思想较少。总之，广告设计经过“编码系统”的处理，较多的是体现了某个阶段的时尚设计观念或创意理念，自身也构成了独立的、可解读的和阐释的价值体系。

质言之，图像应该具有这样几个术语来指向它的全部意义：形式、形象、母题、主题、意象与象征（寓言）。

二、表演艺术中的碎片影像

从时间艺术中抽离出来的瞬间碎片的影像，没有经过编码系统的过程，不具有自足性的独立特征。

艺术的过程与结果作某种诠释性的“复制”工作。即使像米歇尔这样的后现代文化理论者，在其《图像理论》中也说，“不管图像转向什么，应该清楚的是，它不是回归到天真的模仿、拷贝或再现的对应理论”。图的不可阐释性和不可叙事性，使其图本身不具有深刻性，不具有孕育事件前后的延续性，图的乱码和碎片性决定它自身的肤浅，无深度、戏谑性以及无风格等特征。也许正是因为图的这些特征，恰恰碰巧对应了后现代主义的文化理论，人们才开始意识到“读图时代”的“图”之浅薄。

图像法论文范文第10篇

【关键词】Contourlet变换;D-S证据理论;多聚焦图像融合

Multi-focus Image Fusion Algorithm Based on D-S Evidence Theory

FAN Fu-wei HU Hong-ping BAI Yan-ping

（North University of China， Taiyuan Shanxi 030051，China）

【Abstract】The different characteristics of the image reflect the difference between the image pixels from different angles.We synthesis fusion coefficient using characteristics of different neighborhood of images as the basis of basic probability assignment making use of clusters of D-S evidence theory under Contourlet transformation in my thesis and propose the algorithm of multi-focus image fusion based on the evidence theory.It shows that the algorithm can effectively integrate multiple neighborhood features of the image which is provided with a good fusion effect according to the simulation experiment.

【Key words】Contourlet Transformation; D-S Evidence Theory; Multi-focus Image Fusion

0 引言

图像融合是指综合提取两个或多个多源图像信息，获得对同一场景或者目标准确、全面和可靠的图像，使之更加适合于人眼感知或计算机的后续处理。图像融合充分利用多个被融合图像中所包含的冗余信息和互补信息，是计算机视觉和图像理解领域中一项新技术。图像融合根据所处的阶段不同，通常在三个不同的层次上进行，即像素级融合，特征级融合和决策级融合[1]。

目前，像素级图像融合方法可以分为三类：传统简单的融合方法、基于塔式分解和重建的融合方法和基于小波变换的融合方法[2]。后两种方法都是讲图像分解为低频子带和高频子带，对不同的子带分别不同的融合方法建立融合系数。目前，建立融合系数所依据的邻域特征有邻域方差[2-3]、邻域空间频率[4]、邻域梯度[5]、邻域能量[6]以及邻域信息熵等。各种邻域特征方法均取得较好的融合效果，那么综合多个邻域特征的融合效果是否优于基于单一特征的融合效果？本文利用D-S证据理论的聚集性，有效地合成邻域方差、邻域梯度、邻域能量等三个邻域特征来建立融合系数，提出基于D-S证据理论的多聚焦图像融合算法。

1 基础知识

1.1 D-S证据理论[7]

对于一个待判决的问题，假设人们能够认识到的所有可能结果用集合？专表示，则？专被称为识别框架。

定义：设？专是识别框架，如果映射m∶2？专|[0，1]满足以下两个条件：m（Φ）=0，■m（A）=1，则称m为基本概率赋值（BPA）或mass函数。

m（A）是A的基本概率赋值，它表示证据支持A的信任程度。若m（A）>0，则称A为基本概率赋值m的焦元。需要注意的是，基本概率赋值不是概率，因为它不满足可列可加性。

对于？专的每个子集A，信任函数bel（A）反映了分配到集合A及其子集的总信度：

bel（A）=■m（B）

由于信任函数不满足可列可加性，未分配给A的A的信度并不意味着肯定分配给A，但这些信度潜在地对A进行支持。于是引入似然函数pl（A）描述这种潜在信任程度：

pl（A）=1-bel（A）

定理（D-S证据理论合成公式）：

设m1，m2是识别框架？专上的两个基本概率赋值，则：

m（Φ）=0

m（A）=■■m1（E）m2（F）

是基本概率赋值，其中

N=■m1（E）m2（F）>0

是归一化系数。

合成运算反映了证据的联合作用，如果以？茌表示合成运算，则m=m1？茌m2。

D-S证据理论合成规则的性质：

1）交换性：m1？茌m2=m2？茌m1

2）结合性：（m1？茌m2）？茌m3=m1？茌（m2？茌m3）

交换性与结合性使证据合成不依赖于合成的顺序，因而可以通过增量的方式实现，这极大简化了证据合成的计算量。

3）聚集性：随着证据的积累，不确定程度会逐渐减少，当证据偏向一致时，大部分信息会聚集于少数的焦元，这一特性使得证据理论在信息融合领域得到广泛的应用。

1.2 Contourlet变换[8-9]

离散Contourlet变换也称塔形方向滤波器组（Pyramidal Direction Filter Bank，PDFB），具有多分辨率、局部定位、多方向性、近邻界采样和各向异性等性质其基函数分布于多尺度、多方向上，少量系数即可有效地捕捉图像中的边缘轮廓，而边缘轮廓正是自然图像中的主要特征。Contourlet变换是一种“真正”的图像二维表示方法。

Contourlet分解变换的实现可以看成是两个步骤：拉普拉斯金字塔（LP）分解和方向滤波器组（DFB）滤波。拉普拉斯金字塔变换实现图像的多尺度分析，由此得到一系列的带通及下采样图像。相比临界小波采样，LP分解在高维情况下每层仅产生一个带通图像，避免了扰频现象（因为LP滤波器组仅对低通图像下采样）;二维方向滤波器组将分布在同方向上的奇异点合成为一个系数，它应用于LP分解得到的每一级高频分量上，在任意尺度上分解得到2n数目的方向子带。LP分解与DFB方向滤波器组结合形成的双层滤波器组结构称为塔形方向滤波器组PDFB，由于PDFB实质上是以轮廓段的方式逼近原始图像，因此也称为离散Contourlet变换。源图像经过PDFB分解，得到一个低频分量和分布于多尺度、多方向上的高频分量。Contourlet变换变换滤波器组结构如图1所示：

图1 Contourlet变换变换滤波器组结构

1.3 图像的邻域特征[10]

1.3.1 邻域方差

定义：以（i，j）为中心，大小为m×n的邻域S内的方差为：

IS（i，j）=■

其中，f■（x，y）表示在区域S内对应点的像素值;■是区域S内像素点的平均值。

方差反映了图像的分散程度，方差越大，则图像的细节越丰富。

1.3.2 邻域平均梯度

定义：以（i，j）为中心，大小为m×n的邻域S内的平均梯度为：

G（i，j）=■■■■

图像的平均梯度可敏感地反映图像对微小细节反差的表达能力。G越大，图像层次越大，图像也越清晰。

1.3.3 邻域能量

定义：以（i，j）为中心，大小为m×n的邻域S内的能量为：

E（i，j）=■H（x，y）f■■（x，y）

其中，H=■。图像对应像素的区域能量越大，则图像的纹理特征越明显。

2 证据理论的融合算法

设有两幅不同聚焦的源图像A、B，下面给出了基于证据理论的多聚焦图像融合算法步骤：

1）将源图像A作为待配准图像，源图像B作为参考图像，对A、B进行配准;

2）用Contourlet变换分别对配准后的源图像A和源图像B进行分解，得到低频子带L与高频子带H;

3）对低频子带和高频子带分别采用不同的融和规则进行融合，低频子带L采用邻域能量取大融合规则，高频子带H采用基于证据理论的融合规则;

4）利用融合后的低频子带和高频子带利用Contourlet逆变换重建图像。

2.1 低频子带合成规则

低频子带融合采用基于邻域方差取大的融合方法。首先对源图像A、B的低频子带LA、LB分别提取邻域方差ILA、ILB，然后利用方差取大法建立融合系数ωLA、ωLB，则融合后的低频子带是：

L（x，y）=ωLA（x，y）LA（x，y）+ωLB（x，y）LB（x，y）

其中，ωLA（x，y）=■，ωLB（x，y）=1-ωLA（x，y）。

2.2 高频子带合成规则

图像的高频子带系数反映了图像中物体的形状、纹理、边缘、位置等重要细节信息，图像的局部特征并非单一像素所能表征，而是由某一区域内系数共同体现。本文采用D-S证据理论中的基本概率赋值来确定融合系数。首先，分别对源图像A和源图像B的个高频子带分别提取邻域方差、邻域梯度和邻域能量等三种特征，然后分别对各种特征归一化后作为基本概率赋值的依据。其表达式如下：

■

其中i=1，2，3。式中，F1、F2、F3分别表示邻域方差、邻域梯度、邻域能量;m1，m2，m3分别表示将邻域方差、邻域梯度、邻域能量归一化后的值。

由基本概率赋值的定义可知，将特征归一化后，mi∈[0，1]，可作为基本概率赋值的依据。根据D-S证据理论，本文算法的识别框架是？专={A，B}，？专上各个焦元的基本概率赋值为m1，m2，m3，则利用D-S证据理论合成后的基本概率赋值是

m■=m■■？茌m■■？茌m■■

则高频子带融合系数为ωHA=m■，ωHB=m■，融合后的高频子带为：

H（x，y）=ωHA（x，y）HA（x，y）+ωHB（x，y）HB（x，y）

3 仿真实验结果及评价

本文采用两幅不同聚焦的256×256的clock图像进行仿真实验。图2为右聚焦源图像，图3为左聚焦源图像，图4为采用本文算法融合后的图像。图5、图6、图7为在高频子带分别利用基于邻域方差、邻域平均梯度、邻域能量建立融和系数融合后的图像。从图中可以看出，本文的算法有较好的融合效果。

表1是对不同融合方法分别采用偏差、互信息、峰值信噪比、信息熵、均方根误差、空间频率等客观评价标准进行了评价对比[2，10]。通过对比可以看出，与采用单一特征的融合算法相比，本文算法具有较好的融合效果。

表1 不同融合算法效果的客观评价

4 结语

本文根据不同的图像特征，利用D-S证据理论建立融合系数对多聚焦图像进行融合。首先对两幅不同聚焦的源图像利用从Contourlet变换进行多尺度分解，得到高频子带与低频子带;然后对不同的子带采用不同的算法进行融合。仿真实验表明，本文提出的融合算法具有较好的融合效果。利用图像融合客观评价标准，通过与单一特征融合算法相比，基于D-S证据理论的融合效果由于单一特征的融合效果，具有一定的理论意义和实际价值。

【参考文献】

[1]韩崇昭，朱洪艳，段战胜，等.多元信息融合[M].清华大学出版社，2010.

[2]马强，刘栋，等.基于最小能量小波框架的多聚焦图像融合算法[J].计算机与数字工程，2013，41（2）：204-207.

[3]白蕊，杨万海，张艳妮，等.基于Contourlet变换的遥感图像融合[J].中国图象图形学报，2009，14（6）：1173-1177.

[4]郑睿，庞全.基于邻域方差加权平均的多聚焦图像融合法[J].机械制造，2009，47（541）：33-36.

[5]张建勋，谢婷婷.基于小波区域梯度的图像融合新算法[J].重庆理工大学学报，2012，26（10）：51-55.

[6]杨扬，戴明，周箩鱼，等.基于均匀离散曲波变换的多聚焦图像融合[J].红外与激光工程，2013，42（9）：2547-2552.

[7]肖文.基于证据理论的多属性决策关联问题研究[D].江西财经大学，2010.

[8]郁梅，易文娟，蒋刚毅.基于Contourlet 变换尺度间相关的图像去噪[J].光电工程，2006，33（6）：73-83.

图像法论文范文第11篇

关键词：数字图像处理；教学改革；课程建设；研究性教学

作者简介：宁纪锋（1975-），男，陕西韩城人，西北农林科技大学信息工程学院，副教授。（陕西杨凌 712100）

基金项目：本文系西北农林科技大学教学改革研究项目（项目编号：JY1102077）、西北农林科技大学本科优质课程建设项目的研究成果。

中图分类号：G642.0 文献标识码：A 文章编号：1007-0079（2013）34-0122-02

“数字图像处理”是西北农林科技大学（以下简称“我校”）信息工程学院为计算机科学与技术、软件工程、信息与计算科学等多个理工科专业所开设的一门专业必修课。该课程涵盖数学、物理、信号处理、心理学、计算机科学等多个领域的知识，与本科阶段的高等数学、线性代数、概率论、面向对象编程、数据结构、算法分析等多门课程密切相关，对后续的特征提取和图像理解等高级计算机视觉处理课程具有重要的基础作用。同时，它在“模式识别”、“人工智能”和“机器学习”等专业课程体系中起着重要的作用。[1-3]

一、课程改革的必要性

由于图像处理理论性强，内容抽象，算法较多，涉及的理论和方法既包含时域（空域）、变换域（频域为主）、数学形态学、地理学（如分水岭算法），还涉及到模式识别理论的一些知识，学生理解起来有一定难度，在解决实际问题时，面临着无从下手的困难。同时，图像处理技术应用较为广泛，随着数字成像设备的广泛使用和智能手机的普及，社会对图像处理人才的需求也日益增加，这些都对课程教学提出了更高的要求。在教学过程中发现“数字图像处理”的传统教学模式中，在课程定位、教学模式和教学内容上存在一些问题。

1.课程定位不明确

“数字图像处理”在本科教学过程中有着两种比较冲突的定位，导致课程教学过程存在两种倾向。一是不顾本科学生实际情况向研究生课程看齐，将重点放在数字图像处理理论内容。但这些内容与实际应用联系并不紧密，忽视它的应用性和实践性强的特点，从而导致理论与实践脱节，造成学生在编程能力上的欠缺。二是过分强调应用技能，把数字图像处理等同于讲授Photoshop等应用软件的使用，或以讲授MATLAB和Open CV图像处理函数为主，不重视原理和算法，忽略了对本科生科学素质和研究能力的培养。

2.传统教学模式与授课对象差异性的矛盾

“数字图像处理”通常要求先研修“高等数学”、“线性代数”、“概率论与数理统计”和“数字信号处理”等课程，但是一些本科专业并没有完整开设这些课程。例如，我校计算机科学与技术专业学习“数字信号处理”课程，但软件工程和信息与计算科学专业未开设该类课程。此外，在实验环节中，教师根据教学大纲设置的实验内容通常比较固定，而未考虑学生专业和背景知识的差异、统一的实验环境模式，使得有的专业学生因为知识储备不足，学习起来有一定困难；而有的专业学生则感觉学习内容简单、缺乏挑战性，使得教师讲授时在调动学生积极性、提高学生实践能力方面难以协调。

3.教材与学科发展不一致

数字图像处理内容涉及到矩阵运算、信号处理、概率论与数理统计等多个内容交叉学科，与新兴学科的发展密切相关。当前，在人工智能、模式识别和机器学习等新兴学科的推动下，数字图像处理技术发展越来越快。传统的教材或过于偏重推导理论，与应用实践偏离，或成为图像处理软件或函数（如 Photoshop、MATLAB或Open CV）的使用说明书，使得学生难以深入学习图像处理知识，影响对该门课程的掌握。

二、课程改革方法

根据授课专业对象的实际情况，在教学内容、教学方法、完善实验教学和考核等方面对该门课程进行一系列改革，充分利用图像处理实践性强的特点，依托我校在数字图像处理方面长期积累的理论和研究资源，将理论方法与实践应用有机结合，构建了全面系统的数字图像处理教学体系。多年教学效果表明，该教学模式有效克服传统数字图像处理教学存在的局限，极大增强了学生的学习兴趣，提高了学生的动手能力和创新素养。

1.完善课程内容体系，适应图像处理发展

数字图像处理是一门发展中的课程，每年都有许多新的研究理论和方法不断涌现，需对课程不断进行完善，以适应图像处理学科的发展。在保持图像处理课程核心内容的基础上，注重将最近的该学科具有代表性的成果纳入教学。精简和更新一些陈旧的和目前图像处理实际中很少使用的一些方法。其次，将一些现代经典的科研论文，以补充教材的形式，作为教学内容。将一些理论性较强，对数学基础要求较高的内容，如主动轮廓分割模型和目标跟踪方法等作为选学内容，供有兴趣的学生学习。

考虑到OpenCV和MATLAB的广泛使用，图像文件的读写已非常简单，因此，减少对图像文件格式的讲解；在图像分割与边缘检测中，删掉投影法与差影法内容，因为该方面内容在实际中已很少使用；在频域处理中，淡化对傅里叶变换理论和算法的讲解，重点放在其思想和应用上。

2.应用全方位教学手段，构建立体化教学资源

针对“数字图像处理”课程理论性和实践性较强、可视化程度较高的特点，综合利用图像、视频信息、可视化编程软件和网络资源等现代化教育技术，从课堂、实验、应用实践等诸多环节探索立体化教学资源。结合不同专业需求，运用MATLAB、Open CV等软件工具包开发图像处理实验平台，建立网络化辅助教学系统，使抽象概念和算法形象化，激发学生思维。例如，建立图像处理标准测试库，包括了图像去噪、图像分割、图像变换和特征提取与识别等核心内容涉及到的测试数据；在参考教材方面，提供了国内外知名大学出版的数字图像处理和计算机视觉教材及计算机视域的专著；在多媒体课件方面，提供多年从国内外知名大学网站上搜集到多个数字图像处理和计算机视觉的电子课件，供学生学习；在代码方面，提供了数字图像处理方面的经典和最新的一些科研成果的源代码或可执行软件，学生自己运行代码并分析实验结果，加深对图像处理课程的认识。

3.以学生发展为本，建立多元化的考核评价标准

在传统方式下，教师常以期末考试和出勤率来评价学习效果，忽略了对学生参与学习活动和学习过程的评价。大部分学生往往在考试前突击学习，没有真正掌握扎实的知识。因此，本教学改革以过程控制为中心，以能力提高为目标，对考核方式进行改革，实行常规考核与过程性考核相结合的方式，准确把握学生的真实成绩，全面衡量和控制教学质量，既要考学生的基本理论，更要考他们运用知识和方法设计图像处理方案、完成图像处理实际任务的能力。在授课过程中，注重课堂考察环节，加强师生交互，动态掌握学生对授课内容的理解。开展专题讨论课程，让学生大胆提问，锻炼学生创新思维能力，对表现突出的学生增加平时分。

4.开展研究性课堂教学探索

在教学改革中，精选了若干图像处理经典和前沿专题讨论，包括论文、程序源代码和辅助材料。在课程一开始就布置任务给学生课下自学，并安排学生上台讲授，其他学生提问，教师给予点评，并组织学生一起讨论，加深对图像处理课程的认识，培养学生综合运用知识的能力，提高创新素养。

例如，在图像分割专题讨论中，以经典Mean Shift分割为主要内容，Graph Cut和交互式分割两个方向作为补充内容，开展专题讨论。因为这些广泛使用的算法涉及到高等数学、线性代数、概率论、数据结构和算法设计等多门所学课程。通过自学、上课讨论和教师点评，学生对以前所学基础和专业知识有了更深层次的理解。同时，这些算法都面向彩色图像，克服了教材中以灰度图像为主要分割对象的不足。

5.开展研究性实践教学

传统“数字图像处理”课程实践教学强调基本算法的实现，未强调算法之间的逻辑联系，忽略了数字图像处理基本算法的综合训练。在改革中，保留图像处理基本核心算法，将科研项目融入教学实践中，通过设计研究性综合实践项目，注重学生对所学知识的综合理解和提升。例如，“图像去雾”综合训练实践，以如何有效果去除图像中的雾增强图像质量为目标。该任务以2009年国际计算机视觉和模式识别会议（CVPR）的最佳论文《基于暗通道通先验的单幅图像去雾》[4]为主要内容，涉及到图像处理的多个基本算法，同时也包含了物理学和光学的一些知识。通过将新的实践教学手段应用到教学中，突出对学生思维能力、科研能力和创新能力的培养。

三、结论

通过分析数字图像处理目前存在的课程定位模糊、传统的教学模式与授课对象差异性的矛盾和教材内容与学科发展脱节等问题，笔者根据学科专业特点，结合授课教师的科研项目，从完善课程内容体系、构建立体化教学资源、多元化考核评价标准和开展研究性教学探索等五个方面进行开展数字图像处理教学改革。多年教学效果表明，该教学方法克服传统教学方法所存在的弊端，极大地提高了学生的自主学习能力。学生较好地掌握数字图像处理的核心内容，了解当代图像处理的代表性成果和前沿趋势，综合应用能力和创新素养明显增强，为培养具有较强适应能力的应用型和创新型人才打下坚实的基础，适应了新世纪对信息技术人才的培养要求。

参考文献：

[1]何东健.数字图像处理[M].西安：西安电子科技大学出版社，2008.

[2]杜云明，郝兵，刘文科.“数字图像处理”课程任务驱动教学模式的实践[J].中国电力教育，2013，（10）：113-114.

图像法论文范文第12篇

关键词：粗糙集；粗糙熵；图像分割

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2013）33-7562-04

1 概述

图像分割指把图像分成各具特性的区域并提出感兴趣的目标，它是图像处理到图像分析的关键步骤。图像的阈值分割是一种简单有效的方法，应用非常广泛。它通常是利用图像的灰度特征来选择一个或多个最佳灰度阈值，并将图像中的像素点按照阈值划分为若干个区域，从而提出感兴趣的目标。在该方法中，如何确定最佳阈值是进行图像分割至关重要的环节，为此图像阈值分割一直是数字图像处理领域的一项重要研究内容。长期以来，人们已提出了多种选取阈值的方法，如直方图阈值法，最大熵阈值法，Otsu阈值法等。

粗糙集是一种很新的理论[1]，该理论的核心概念是对象的不可分辨性和集的近似性。近年来粗糙集理论在图像处理中已广泛的应用，如文献[2]运用粗糙集理论中的相似关系来解决图像中的聚类问题，可以有效的消除噪声。文献[3]对彩色图像信息的相关性和不精确性，用粗糙集近似概念对图像直方图颜色信息进行分类，提高了分割的效率。文献[4]用粗糙集近似特性对医学图像粗糙表示，确定图像的正域、负域和边界域的位置，可以精确提出有意义的区域。

本文是基于粗糙集理论的近似概念对灰度均匀的图像进行分类，找到最佳阈值对图像进行分割。由于图像灰度和空间的模糊性，图像的边界区域是不确定的，因此可以用粗糙集理论上近似和下近似概念来描述图像的目标，背景和边界区域。集的近似能力可以用粗糙熵来衡量，当粗糙熵最大时，图像边界区域不确定性趋于最小，这时所选择的阈值可以对图像的目标和背景进行正确的分类。实验表明这是一种有效的分割方法。

2 图像的粗糙分类

2.1 粗糙集理论

给定一个有限的非空集合[U]称为论域，[R]为一等价关系，则称知识库[K=（U，R）]为一个近似空间。若论域中存在子集[X?U]，我们根据关系[R]定义的基本集合[Yi（i=1，2...n）]来描述集合[X]，为了准确地说明某些 [Yi]在[X]中对象的隶属度情况，这里考虑两个子集：

[R_（X）=?Y∈U/R：Y?X] （1）

[R（X）=?Y∈U/R：Y?X≠Φ] （2）

分别称它们为[X]的[R]下近似和[R]上近似。[R_（X）]是根据知识[R]，[U]中所有一定能归入[X]的元素的集合，它是所有包含于[X]集合的[Yi]并。[R（X）]是根据知识[R]，[U]中可归入[X]的元素的集合，它是所有与[X]的交不为零的[Yi]并。[BNR（X）]是根据知识[R] 既不能归入[X]也不能归入[-X]的元素的集合，我们把[BNR（X）=R（X）-R_（X）]称为[X]的[R]边界域。集合（范畴）的不确定性是由于边界域的存在而引起，集合的边界域越大，其精确性越低。对于属性[R]的近似精度定义为：

[dR（X）=card（R_（X））/card（R（X））] （3）

其中[card（）]表示该集合的元素数目。精度[dR（X）] 用来反映对于了解集合[X]的知识的完全程度，当[dR（X）=1]时，[X]的[R]边界域为空，集合X为R可定义的。当[0

[PR（X）=1-dR（X）] （4）

[X]的[R]粗糙度与精度恰恰相反，表示的是集合[X]的知识的不完全程度。

2.2 基于粗糙集理论的子图划分

对于一幅灰度级为[L]的[N×N]个像素组成的二维图像[U]，设像素[X]为[U]中的一个对象，称知识库（知识系统）[K=U，R]为一个图像近似空间。图像中每一点像素的灰度值用[Pi]表示。把原图像分成[Gi]个互不重叠的小块，有一些分块包含的是目标像素，有一些分块包含的是背景像素，而有一些分块即包含背景，又包含目标像素。对于图像目标和背景灰度值在两个不同的灰度区间的图像，从灰度直方图可知两者相交的地方就是目标和背景的边界区域，因此把背景的灰度值区间定义在[0，1，2，3...T]，目标灰度值区间定义在[T+1，T+2...L-1]，找到合适的[T]值，确定边界区域的位置，目标和背景就可精确地分开。由粗糙集理论的上近似、下近似以及边界域的概念来定义图像中每一块所包含目标和背景像素的程度。

目标灰度的下近似表示： [OT=?Gi|Pi>T，Pi]是分块[Gi]中每个像素的灰度值[] （5）

目标灰度的上近似表示：[OT=?Gi|Pi>T，][Pi]是分块[Gi]中存在像素的灰度值[] （6）

背景灰度的下近似表示：[BT=?Gi|Pi≤T，][Pi]是分块[Gi]中每个像素灰度值[] （7）

背景灰度的上近似表示为：[BT=?Gi|Pi≤T，Pi]是分块[Gi]中存在像素灰度值[] （8）

目标的边界区域：

[QOT=OT-OT] （9）

背景的边界区域：

[QBT=BT-BT] （10）

用R粗糙度来定义目标和背景的不确定程度：

[ROT=1-|OT|/|OT|=（|OT|-|OT|）/|OT|] （11）

[RBT=1-|BT|/|BT|=（|BT|-|BT|）/|BT|] （12）

| |指集合包含的元素数目。因为边界即在目标区域又在背景区域中，粗糙度越小，说明目标和背景的边界区域越小，两者越接近重合。选择合适的阈值[T]满足粗糙度[ROT]，[RBT]同时达到最小，此时目标和背景的边界域[QOT=QBT]，两者完全重合，即为图像目标和背景相交的边界。

3 粗糙熵

3.1粗糙熵的引入

对目标和背景边界域的确定，阈值[T]的选择至关重要。直方图阈值法虽然是可取的方法，但并不精确。对于一幅灰度均匀的图像，如果其图像的直方图具有两峰一谷，但两峰值相差较大，有宽且平的谷底，直接用双峰之间的谷点作为门限值误差太大，容易将目标和背景点混淆。如下图（2），从一幅eight.tif灰度直方图中可以看到阈值[T]并不能确定，选择范围在130～210之间。

引入信息论中熵的概念，来精确的计算阈值[T]。把目标区域和背景区域看做成两个信源，由目标和背景区域的粗糙度，定义目标区域粗糙熵为：

[REOT=-ROTlogROT] （13）

背景区域粗糙熵为：

[REBT=-RBTlogRBT] （14）

根据熵的概念和性质，两个独立信源联合熵等于它们各个熵之和，所以目标和背景区域粗糙熵为：

[RET=-（ROTlogROT+RBTlogRBT）] （15）

选择阈值[T]的准则是使它们的熵之和取最大，这就是所谓最大熵准则下的最佳门限[9]。因为随着粗糙度[ROT，RBT]的减少，粗糙熵值在不断的增大，当两者达到最小时，粗糙熵值达到最大，此时所选用的[T]值就是最佳阈值。所以粗糙熵的最大值可以定义为：

[T*=argmaxRET] （16）

求解出最终的[T*]，此时所对应的[T]值就是最佳分割阈值，说明了目标和背景的粗糙度最小。但同时也应该知道图像分块的大小影响粗糙熵的最大值，所以决定图像的分割质量是由[T]值的选择和分块的大小共同决定的。

3.2 熵最大求解算法

因为图像背景和目标的灰度区间为[0，1，2，...T]和[T+1，T+2...L-1]，从灰度直方图中可以选择[T]值的范围，每一个[T]值，就对应一个粗糙熵[RET]，当粗糙熵值最大时，就确定了最佳阈值。对一幅灰度均匀的图像首先从灰度直方图选择阈值[T]的范围，然后把图像划分为互不重叠的小块，分块中最大灰度值为[max-Pi]，最小灰度值为[min-Pi]。求解[T*]的算法为：

Step1 给目标和背景的上近似和下近似设置初值为零。即[OT=0，OT=0，BT=0，BT=0]。

Step2 从图像的灰度直方图选择阈值的范围为[T∈a，b] 。

Step3 把图像分成c个互不重叠的小块，确定每块的灰度最大值[max-Pi]和最小值[min-Pi]。

Step4 从[T]值选择范围中选择第一个值[a]，

若[T

若[max-Pi≤T]，则[BT=BT+1]；

若[min-Pi≤T] ，则[BT=BT+1]。

Step5 用式（11），（12），（15）计算[T]值所对应的粗糙熵。Goto Step4，选择下一个[T]值，计算其对应的粗糙熵，一直到[b]值选择结局。

Step6通过每一个[T]值所计算出粗糙熵的值，比较大小，当粗糙熵最大时，所对应的[T]值为最佳阈值[T*]。

4 实验分析

通过最佳阈值[T*]的求取，从分块的图像中找到表示目标灰度的下近似所包含的分块，对原图像进行二值化分割，得到明显区分的目标和背景的二值图。二值图[g（x，y）]可由下式表示：

[g（x，y）=1若f（x，y）>T*0若f（x，y）≤T*] （17）

[f（x，y）]是原图分块中所有像素的灰度值。

在VC++6.0`环境下对两幅图像采用本文的方法，直方图阈值法和Otsu阈值法进行分割，比较分割的结果。对一幅灰度均匀的eight.tif图像（有[256×256]像素）进行分割的结果如图3：a 是原图，其灰度直方图具有明显的双峰一谷，因为图像包含的细节较少，可把图像划分为较大的[4×4]分块，减少计算时间。对比分割的结果会发现，直方图阈值法由于选择的阈值不准确，导致一部分目标像素点分割时被归入背景中。但本文的分割方法比Otsu分割的效果稍差一些，因为图像分块过大，像素包括的过多，在阈值[T]的求解中，为了使熵最大，导致了背景像素点的错误分类。

图4是对一幅灰度均匀flower图像的分割结果。因为图像包含的细节较多，故分块的大小为[2×2]。直方图阈值法分割的结果最差，许多像素被误分，但本文的方法和Otsu阈值法几乎取得相一致的分割结果，是因为图像分块较小，目标和背景像素都得到正确的分类。

4 结论

本文根据粗糙集理论对图像的目标和背景近似分类，通过计算粗糙熵的最大值，精确出图像的边界，进行阈值分割，实验获得较好的分割效果。但对一幅具有多层次，细节丰富的图像，分块过程将变得非常繁琐，阈值求解的计算量加大。因此如何优化图像的分块，采用新的求解阈值的方法，不断的改进创新将是下一步的研究的方向。

参考文献：

[1] Pawlak Z. Rough Sets， Theoretical Aspects of Reasoning about Data[M]. Dordrecht：Kluwer Academic Publishers，1991.

[2] Choubeg S K，Deogun Js，A comparion of feature selection algorithms in the context of rough classifiers[J]. IEEE，International Conference，1996，1122-1128，

[3] Akash Mohabey， A. K. Ray. Rough sets Theory based Segmentation of Color Image[J].IEEE，Internation Conference，2000，338-342.

[4] Shoji Hirano，Rough representation of a region of interest in medical image[J].International Journal of Approximate Reasoning，2005（40）：23-34.

[5] 刘宏建，刘允才. 一种基于粗集理论的图像分割方法[J].红外与毫米波学报，2004（6）：456-464.

[6] 张朝全，刘辉，雷赟. 一种基于粗集与FCM结合的图像分割方法[J].江西理工大学学报，2011（1）：60-65.

图像法论文范文第13篇

关键词：成像系统；数据；SAR图像；统计特性；图像压缩

中图分类号：TN391文献标识码：A文章编号：1009-3044(2012) 04-0896-04

Review of Investigation on SAR Image Compression Techniques

LIU Jian, CHENG Ying-lei

(Telecommunication Engineering Institute, Air Force Engineering University, Xi’an 710077, China)

Abstract: The amount of SAR image information has been growing exponentially with the fast development of the spacebore and airbore SAR imaging system, which makes tremendous difficulties for the data collection, storage and transmission during application of the SAR imaging system. In order to overcome the image storage and transfer difficulties，effective image compression techniques have to be adopted. In this paper, the SAR image compression techniques with new advances in the world have been elaborated and summarized in four methods: (1)vector quantization, (2)wavelet transform, (3)content-based coding, (4)compressed sensing. Based on the analysis, statistical property and essential attributes of the SAR image information, we pointed out the main problems in different methods, and the development trends of the SAR image compression algorithm are prospected.

Key words: imaging system; data; SAR image; statistic property; image compression

1概述

合成孔径雷达(Synthetic Aperture Radar, SAR)因具有全天候，全天时对地球表面进行观察的能力以及不受天气、光照等条件的限制和空间分辨率高的特点，使得SAR在民用和军事方面发挥着越来越大的作用。自从50年代Wiley首次提出SAR的概念以来，SAR技术不断发展，许多新概念的提出，如运动补偿、自聚焦、聚束照射、多视处理、逆SAR(ISAR)和干涉SAR等不但完善了SAR技术，而且扩展了它的应用范围。纵观国外合成孔径雷（SAR）的发展过程可以看出，合成孔径雷达（SAR）已经开始经历单波段向多波段、单极化向多极化、固定人射角向多人射角、单工作模式向多工作模式的逐渐发展，天线也经历了固定波束视角、机械扫描、一维电扫描及二维相控阵的发展过程[1]。SAR系统获得的数据量是巨大的，美国SAR地面处理系统ASF(Alaska SAR Facility)每天处理的SAR数据为9600MB[2]，早在1991年发射的ERS-1卫星的星载SAR数据率已经达到105Mb／s，机载和星载SAR系统都产生大量的遥感数据，通常SAR的数据传输率为每秒数百兆比特，并且随着国内外合成孔径雷达（SAR）的不断发展，分辨率的不断提高，星载、机载雷达的不断出现，这无论是对大容量存储还是高速传输都提出了巨大挑战，因此研究SAR图像的高效压缩具有重要意义。

与光学图像不同，SAR数据具有高的动态范围、固有斑点噪声、像素相关性小和纹理边缘处具有重要的高频率成分等特性，经典的图像压缩算法并不适应于SAR图像，对SAR图像进行压缩是十分困难的。目前尚未有一种通用的高效SAR图像压缩算法，这便促使当前寻求对SAR图像高效压缩的形势更加迫切。

2 SAR图像的统计特征及其特点

图像的统计特性对压缩编码是十分重要的，因为从数据本身来说，实现数据压缩的本质在于对数据统计冗余的压缩。SAR图像的特征可以由均值、方差、最大值、最小值和相关系数等统计特征来简单描述。其中均值主要反映了SAR图像幅值中直流分量的大小；方差主要体现了SAR图像中内容的活动性；最大值和最小值描述了SAR图像的动态范围。

与光学图像不同，SAR图像服从特定的统计特性，通常说来，单视SAR幅度图像服从瑞利分布,而多视图像服从2N个自由度的Γ分布。同时由于受到乘性相干斑噪声的干扰，使得SAR图像中相邻像素的相关性降低[3],因此相比一般的光学图像，其特点十分显著。

3 SAR图像的压缩编码概述

根据编码方法的不同图像编码技术可分为“第一代”图像编码和“第二代”图像编码的概念，“第一代”图像编码包括熵编码，预测编码，变换编码以及矢量量化编码，是以信息论为理论基础，旨在去除图像数据中统计冗余的一类编码技术。但是，“第一代”图像编码在去除冗余信息的能力已经接近极限，基于SAR图像的上述特点，采用“第一代”的图像压缩方法对SAR图像的压缩是十分困难的，其压缩比不高。“第二代”图像压缩编码包括子带编码，分形编码，小波变换，模型基编码和神经网络等。它并不局限于信息论框架，其充分利用人的视觉生理心理和图像信源的各种特征，因此获得了较高的压缩比。针对SAR图像的特点，近20年来，学者们提出了许多针对SAR图像的压缩方法，它们大多都是对不同编码技术的改进与结合，如基于矢量量化、SAR图像内容、小波变换、压缩感知等SAR图像压缩方法，这些方法都在SAR图像压缩方面展现出一定优势，并且可以根据需要灵活运用于图像的编码过程中，以便提高编码效率和性能。

3.1基于矢量量化编码的SAR图像压缩

矢量量化（VQ）是标量量化的推广，其基本思想是利用像素之间的相关性将输入数据划分为若干组，在量化时以组为单位进行量化，效率较标量量化有显著提高。SAR图像像素之间相关性比较弱，但考虑到矢量量化在信源弱相关的条件下，也能取得比较好的压缩效果，因此将矢量量化用于SAR图像压缩中取得了一定进展，矢量量化算法已被建议用于SAR图像压缩[5]。针对适量量化算法中码书自适应性不强的特点，文献[6]提出了一种更为高效的新型自适应LBG矢量量化算法,该算法在LBG算法码书中利用点到线的垂线关系基础上进行了改进,进一步的自适应化迭代进而获得了更小的残差，并应用于干涉高光谱图像的无损压缩中，压缩性能有了显著提高。邓云凯[7]提出了一种基于改进矢量量化的SAR图像压缩算法，针对SAR图像纹理丰富，容易受到斑点噪声影响的特点，改进算法将区域整体图像信息从量化空间中分离出来，只对主要是纹理信息的剩余信息进行量化而且删除了每次聚类后含有最少矢量的胞腔。该算法有效的减少了量化空间大小，使生成码字分布更加合理，不仅提高了SAR图像整体压缩效果，同时在斑点噪声抑制方面做出了有益的工作。

但是矢量量化编码技术一个缺点是其复杂度大，并且随着维数的增加呈指数级增加，严重影响高维的矢量量化器的实现。以码书的训练为例，其码书形成过程是非常耗时的，不适应于实时性要求较高的应用。而且码书并不具有通用性，因此，虽然人们提出了许多矢量量化编码技术，但是并未广泛的应用到实际的系统之中。

3.2基于小波的SAR图像压缩

小波变换是变换编码的一种，与傅立叶等变换不同，小波变换具有良好的时频特性，通过伸缩和平移可以对图像进行多尺度分析，能有效的提取图像中的内容，因此在图像编码中得到广泛应用。随着小波包技术、多小波技术、嵌入式小波零树图像编码（EWZ）技术、分层小波树集合分割算法（SPIHT）技术的相继出现，小波图像压缩被认为是当前最有发展前途的图像压缩算之一。JPEG2000于2000年被确定为静态图像的新一代编码标准,其中最大改进是用小波变换代替余弦变换。以小波变换为基础，发展了多种针对SAR图像的压缩算法，文献[8][9]研究使用JPEG2000对SAR图像进行压缩，并针对SAR图像的特点对算法进行相应的调整和优化，其基本思想是在使用JPEG2000对SAR图像进行压缩之前，首先使用滤波器对图像进行平滑处理，减少噪声的影响，这种方法取得了较好的效果。基于分层树的集合划分（Set Partitioning In Hierarachical Trees,SPIHT）算法也是小波变换压缩编码的典型应用，文献[10]给出了利用改进SPIHT算法实现对SAR图像的压缩，运用了统计方法对小波系数按其幅值分布区间进行重排，并设计阈值对重要比特进行优先传送。文献[11]提出了一种基于提升格式小波的SPIHT图像压缩算法,该算法采用Daubechies9/ 7双正交小波的提升格式进行小波变换,然后采用SPIHT算法对变换系数进行编码,可实现任意码率的压缩，对SAR图像实现任意码率的压缩也具有一定指导意义。

为了有效改善小波变换在图像方向性信息方面表示的不足，有学者提出了Contourlet和Bandelet两种变换[12][13]，它们具有多分辨率、局部化和方向性等特征，能很好地刻画图像轮廓和纹理，所以在新一代图像压缩中常与小波变换结合使用。文献[14]提出了一种基于Bandelet和SPIHT算法的压缩方法，文献[15]将第二代Bandelet变换应用到SAR图像压缩上，在bpp值较高的情况下，提高了SAR图像的压缩性能。文献[16][17]研究了基于小波的Contourlet变换，采用传统的张量积小波变换取代其中的拉普拉斯金字塔式变换可获得非冗余的变换形式，然后用方向滤波器组把高频子带分解为多个方向子带，之后对每个方向子带进行Bandelet变换,从而更稀疏表示了图像的边缘和纹理，达到压缩的目的，这对具有丰富纹理特性的SAR图像压缩也具有借鉴意义。

但是小波变换依然存在发展的空间。首先对同一幅图像,使用不同小波基进行图像压缩,效果往往是不同的，如何选择最优的小波基将成为图像压缩成为难点。其次小波图像压缩还远远没有充分利用人眼视觉特性,进一步将人眼视觉特性应用到小波压缩编码中,可更深层次地发掘图像压缩编码的潜力。

3.3基于内容的SAR图像压缩

SAR图像具有极低的相关性，这就导致传统的以去除图像相关性为目标的压缩技术在对SAR图像进行处理时很难在压缩性能上获得突破，因此，新的基于图像内容的压缩方法得到了广泛关注。其基本思想是首先对图像进行分割，分离出目标区域和背景区域，针对不同的区域采用不同的压缩方法，以达到高效压缩的目的，其流程图如图2所示。在基于SAR图像内容的压缩算法中，文献[18]使用自动目标识别算法对目标区域进行检测，并采用子带编码和矢量量化编码为目标区域分配更多的比特，取得了较好的效果。文献[19]对SAR图像使用自动目标识别方法进行分割，并产生目标区域和背景区域，对背景区域进行高倍率有损的压缩，而对目标区域使用无损的压缩，从而使SAR图像得到高效的压缩。

但是基于内容的图像压缩要求寻找到较好的图像分割算法，而当前针对SAR图像的目标自动检测方法也处于发展阶段，没有较通用的算法。因此，将高效图像分割算法与图像压缩算法合理的结合在一起是基于内容的SAR图像压缩方法必须面对的问题。

3.4压缩感知在图像压缩方面的应用

自Donoho、Candes以及Tao等人提出压缩感知（Compressive

Sensing，CS）理论[21][22][23]以来，它便在信号、图像压缩方面起到重要作用。与通常的数据采样定理不同，该理论提出可以用远远少于传统采样定理所需的采样点数或观测点数恢复出原信号或图像，它将信号的采样、压缩及编码合并在了同一步骤中，在采样的过程中直接提取信号的少量重要信息，并用它们来重构图像。文献[24]分别选取了10K、25K、20K、25K个采样值对Lena图进行压缩，达到了较好的效果。压缩感知算法正处于蓬勃的发展阶段，已在SAR图像成像前的压缩处理中取得了成果，但是针对SAR图像的压缩感知研究仍处于起步阶段，还未能达到其他压缩方法的效果。

4结束语

近几年，国家加大了对机载和星载SAR的研制计划，使得SAR在民用和军事方面发挥着越来越大的作用，现已有可观的SAR系统投入运行，而这些又对SAR图像的传输和存储提出了更高的要求。国内外研究者针对SAR图像提出了许多应用理论，但对其的研究还不够系统、不够细致，没有形成系统的体系。而当前尚未建立起对SAR图像压缩编码系统的性能评估的系统的指标，而是单纯的将光学图像压缩编码的评价指标直接套用于SAR图像，这仍有待于进一步解决。单一的理论并不能彻底的解决SAR图像压缩的瓶颈，在单个理论发展的同时，只有将不同的压缩方法合理的结合在一起，才能在SAR图像压缩中取得更大的进展，目前已有学者将小波理论与分形理论结合在一起，或将小波理论与矢量量化技术结合在一起。值得指出的是，基于内容的SAR图像压缩可以根据实际情况的需要，自适应的选择压缩的方法，这样有利于结合不同编码技术的优点，将会成为未来SAR图像研究的热点。随着感所感知理论的出现，大量研究者已将它运用到信号和图像的压缩中，关于SAR图像的基于压缩感知理论的研究虽然起步不久，但随着对其研究的深入，也必将在SAR图像的压缩史上添上一笔。

参考文献：

[1]张直中.机载和星载SAR导论[M].北京:电子工业出版社,2004.

[2] Nancy I de,Jean Veronis.Introduction to the Special Issue on Word Sense Disambiguation: The State of the Art[J].Computational Linguistics,1998,24(1):l-40.

[3]谢海慧.SAR相干斑抑制及图像压缩的小波域方法[D].成都:电子科技大学,2004.

[4]余楚才.SAR图像数据压缩技术研究[D].成都:电子科技大学,2009.

[5] U Benz,K Strodl,A parison of Several Algorithms for SAR Raw Data Compression[J].IEEE Trans. Geoscience and Remote Sensing,1995,33(9):1266-1276.

[6]温佳,马彩文.改进自适应LBG矢量量化算法在干涉高光谱图像压缩中的应用[J].光谱学与光谱分析,2011,31(4):1033-1037.

[7]邓云凯.基于改进矢量量化的SAR图像压缩算法[J].系统仿真学报,2010,22(1):179-187.

[8] Peng Zhou,Baojun Zhao.Novel Scheme for Sar Image Compression Based on JPEG2000[C].The Ninth International Conference on Electronic Measurement & Instruments,2009:204-209.

[9] H. Xingsong,L. Guizhong,Z. Yiyang.SAR Image Data Compression Using Wavelet Packet Transform and Universal Trellis Coded Quantization[J].IEEE Transactions on Geoscience and Remote Sensing, November,2004,42(11):2632-2642.

[10] C. Namrata Mahender,Mohammed Hamzah Abed.SAR Image Compression using SPIHT Algorithm[J].International Journal of Computer Applications,2011,22(8).

[11]余平,马小虎.基于LS9/7小波的图像压缩算法研究[J].微电子学与计算机,2008,25(9):109-111.

[12] Do M N.Vetterli M.The contourlet transform:an efficient directional multiresolution image representations[J].IEEE Transactions on Image Processing,2005(12):2091-2106.

[13] Pennec E,L,S Mallat.Image Compression with Geometrical Wavelets[J].In Proc.of ICIP’2000,Vancouver, Canada,2000,1(9):661-664.

[14] L. Hanqiang,H. Biao,W. Shuang,J. Licheng.SAR Image Compression Using Bandelets and SPIHT[C].Proceedings of 2006 CIE Interna? tional Conference on Radar,Shanghai,China,2006.

[15]金海燕,王彬.基于第二代Bandelet变换的SAR图像去噪压缩[J].微电子学与计算机,2010,27:104-108.

[16]宋蓓蓓,许录平.一种基于小波的Contourlet变换的图像压缩算法[J].西安交通大学学报,2007,41(4):480-483.

[17]孙文方,宋蓓蓓.联合Contourlet和Bandelet的变换在图像压缩中的应用[J].西安电子科技大学学报,2007,34(4):611-615.

[18] N. Jin-Woo.Optimized Encoder Design Algorithm for Joint Compression and Recognition[J].Proc,SPIE,Signal Processing,Sensor Fusion, and Target Recognition,1995,7(2484):236-245.

[19] Nasser M N,Joseph P S,Heesung K.High Compression of SAR Imagery for Battlefield Surveillance[C].Proc.SPIE, Algorithms for Synthet? ic Aperture Radar Imagery III,1996,2757:397-408.

[20] W. Aili,Z. Ye,G. Yanfeng.SAR Image Compression Using HVS Model[C].Proceedings of 2006 CIE International Conference on Radar, Shanghai,China.

[21] Donoho pressed sensing[J].IEEE Trans Information Theory,2006,52(4):1289-1306.

[22] Baraniuk R.A lecture on compressive sensing[J].IEEE Signal Processing Magazine,2007,24(4):118-121.

图像法论文范文第14篇

关键词：粗糙集；医学图像增强；属性直方图；不可分辨等价关系

中图分类号：TP391 文献标识码：a DoI: 10.3969/j.issn.1003-6970.2012.02.034

Medical image enhancement using rough sets and bound histogram

ZHaNG Lu, XIe Gang(Taiyuan University of Technology, College of Information Engineering, Taiyuan 030024,China)

【Abstract】a medical image edge detect method based on granular computing. Integrality and uncertainty may occur in many different levels in the process of medical image because of the complication of image information. It is a crucial problem to partition an image into different sub-images when rough sets theory is applied in image enhancement. the improved histogram, a histogram bound by some prior knowledge, is used for partitioning an image into different sub-images, furthermore, all image enhancement method based on rough sets and bound histogram is proposed. there are three steps in the method. first, the gray-level threshold is determined by otsu algorithm based on bound histogram. Second, based on the indiscernible relation, according to the threshold, an image is partitioned into sub-images for background, object and noise. Noise pixels can be removed by median filtering. Third, the denoised sub-images of background and object are enhanced respectively and they are combined to form a final enhanced image. Regard lung tissue in the chest CT picture as the target area, experimental results show that the image is remarkably enhanced and the boundaries of a region of interest keep unchanged in shape .

【Key words】Rough Sets; Medical image enhancement; Bound histogram; indiscernibility equivalent relatio

0 引言

图像增强处理是改善图像质量的重要技术，它是将图像中感兴趣的信息有选择地突出、强化，目的是增加图像的对比度，改善灰度层次，提高图像的“可懂度”。徐立中等提出一种粗糙集图像增强方法[1]属性把图像分成不同子图，对子图进行对比度增强。叶灵伟等按属性对图像作粗糙分类增强变换，得到增强输出图像，粗糙集增强的图像在灰度层次和边缘清晰程度方面均优于常规的图像增强方法。徐宁和杜明辉将粗糙集图像增强用于CT图像处理中[2]。

20世纪80年代，波兰华沙大学Z. Paw lak教授提出了粗糙集理论( rough sets theory，简称粗集)，用以研究不确定、不完整和不精确信息的分析和知识获取问题[3]。粗糙集基于不可分辨关系划分将知识颗粒化，而上下近似、约简、近似精度等粗糙集概念有利于知识的描述和简化，从而为智能信息的处理提供了有效的处理技术。而图像信息具有较强的空间复杂性和相关性，处理过程中经常会遇到不完整性和不确定性问题，因此将粗糙集理论应用到图像处理中，有时会具有比一般的硬计算方法更好的性能[4]。

属性直方图是一种受约束的直方图，具有简化问题的功能和使用灵活的特点。本文将文献[5]中一维属性直方图概念推广到二维情形,给出了二维属性直方图的定义，并在此基础上提出了一种基于属性直方图和粗糙集理论的图像增强方法。通过实例说明了该方法的实现过程，并给出了实验结果。

1 二维属性直方图

将灰度级为L、大小为M×N的图像的所有像素视为论域U={(x,y)/:0≤x≤M-1,0≤y≤N-1},(x，y)表示像素。

设Q为论域U上的某种属性集，(x，y)∈Q表示像素(x,y)具有某种属性。对于图像U，Q上的二维属性直方图定义为由pQ(i,j)-i,j (或nQ(i,j)-i,j形成的离散图线，pQ(i,j)表示为pQ( i , j )=nQ N( i Q, j ) (1)其中：nQ(i,j)表示图像U中具有属性Q且灰度值和邻域平均灰度值分别为i和j的像素数目；NQ表示图像U中具有属性Q的像素总数。由式(1)有

式中：L1、L2分别为属性集Q中像素的最小灰度值和最大灰度值；L3、L4分别为属性值Q所限定范围内邻域平均灰度值的最小值和最大值。

二维属性直方图仅仅考虑了图像中具有某种属性的像素，从某种意义它是一种残缺的直方图；正因为这种残缺性，使其能够舍弃通常意义的二维直方图中一些具有一定先验知识的干扰成分或具体问题不关心的成分。简化二维直方图，从而使基于二维直方图的图像处理方法得到简化和变得可行。对于同一幅图像，Q不同，相应的二维属性直方图也不同。因此，同一幅图像可以对应多个二维属性直方图，这一点与通常意义的二维直方图不同。正是由于这种不同，使用时可以通过改变Q而得到同一幅图像的不同Q的二维属性直方图，这使二维属性直方图的使用较通常意义的二维直方图更为灵活；如果Q=Ω(Ω为论域U上的全集)，二维属性直方图变为通常意义的二维直方图。可见，通常意义的二维直方图仅仅是二维属性直方图的一种特例。利用二维属性直方图解决问题的关键是如何确定二维属性直方图，而确定二维属性直方图的关键是根据具体问题和先验知识构造属性直方图Q。Q的一般构造式为{( , )/: [( , )]}

Qx yx y=Φ (3)这里，[( , )]x yΦ表示像素(x，y)具有某种先验知识Φ，也可以说具有某种约束Φ。

2 基于粗糙集理论的增强算法

利用粗糙集理论进行图像增强可以首先对图像进行粗糙分类，然后进行增强变化。为此，首先定义条件属性C={c1,c2}，其中c1为像素灰度值属性，c2为噪声属性。设图像分为目标区和背景区，灰度值属性c1={c10,c11}，c10,c11分别代表两个区域的灰度值特征。噪声属性c2={c20,c21}，c20,c21分别代表图像上的非噪声特性和噪声特性。可以用c20代表2×2或4×4像素组成子块的平均灰度值与相邻子块平均灰度值之差的绝对值均小于某个阈值，用c21代表子块的差值绝对值均大于某个阈值。子图的划分就是利用不可分辨关系的等价概念，按条件属性C分类。

2.1 根据c1划分子图

等价关系Rc1定义为：如果两个像素的灰度值都满足f( i , j )fP1，则两个像素是Rc1相关的，即属于等价类，表示为 Rc1( i , j )={(i , j )/:f ( i , j )fP1} (4)

式中f(i,j)表示像素(i,j)的灰度值，P1为灰度阈值。Rc1(i,j)表示所有“较亮”的像素集合，对应图像背景区，其非集Rc1( i , j )表示所有“较暗”的像素集合，对应图像目标区。

2.2 根据c2划分子图

等价关系Rc2定义为：子块sm,n与相邻子块sm±1,n±1的平均灰度值之差的绝对值取整均大于某个阈值P2，即

Rc2(s )=Um Un{sm, n/intsm, n?sm±1,n±1fP2} (5)

式中－sm,n表示子块sm,n的平均灰度值，－sm±1,n±1表示子块sm±1,n±1的平均灰度值。Rc2(s)表示噪声像素集合。

将上述划分的子图合并为I1和I2：I1=Rc1( i , j )?Rc2(s )，I2=Rc1( i , j )?Rc2(s )。可见，I1和I2分别为剔除噪声后图像的背景区和目标区的像素集合。图像增强就是根据不同的要求对I1和I2进行不同的增强变换。图像增强时，涉及阈值P1、阈值P2的选择问题。阈值P2可通过考察图像噪声统计特征来估计，阈值P1的选择是关键。本文根据属性直方图利用Otsu算法确定图像分割阈值，并以此分割阈值作为阈值P1。

图像增强变换的步骤如下：

(1)将子图I1补全，即在所有“较暗”的像素和噪声像素位置处，分别用阈值P1和噪声子块处的宏块的平均灰度值填充，构成I1′。

(2)将子图I2补全，即在所有“较亮”的像素和噪声像素位置处，分别用阈值P1和噪声子块处的宏块的平均灰度值填充，构成I2′。

(3)对背景区I2′作直方图均衡变化得I1″，对目标区I2′作直方图指数变换得I2″。

(4)去掉I1″和I2″中与填充像素对应的像素，将I1″和I2″重叠，得到增强图像。

3 应用实例和结果分析

3.1 医学CT图像简介

医学CT全称：computed tomography，是一种功能齐全的病情探测仪器，它是电子计算机X射线断层扫描技术简称。CT的工作程序是这样的：它根据人体不同组织对X线的吸收与透过率的不同，应用灵敏度极高的仪器对人体进行测量，然后将测量所获取的数据输入电子计算机，电子计算机对数据进行处理后，就可摄下人体被检查部位的断面或立体的图像，发现体内任何部位的细小病变。

CT图像是由一定数目的由黑到白不同灰度的像素按矩阵排列所构成。这些像素反映的是相应体素的X线吸收系数，不同CT装置所得图像的像素大小及数目不同。大小可以是1.0×1.0mm，0.5×0.5mm不等；数目可以是256×256，即65536个不等。显然，象素越小，数目越多，构成图像越细致，即空间分辨力（spatial resolution）高。CT图像是以不同的灰度来表示，反映器官和组织对X线的吸收程度。因此，与X线图像所示的黑白影像一样，黑影表示低吸收区，即低密度区，如含气体多的肺部；白影表示高吸收区，即高密度区，如骨骼。但是CT与X线图像相比，CT的密度分辨力高，即有高的密度分辨力（density resolutiln）。因此，人体软组织的密度差别虽小，吸收系数虽多接近于水，也能形成对比而成，这是CT的突出优点[6]。本文就是以肺组织为图像增强的目标区域，并在良好的解剖图像背景上显示出病变的影像。

3.2 实验结果

图1 原始胸部CT图像

Fig.1 The original CT chesr images

(a)-直方图均衡化增强(b)-直接对比度增强(c)-本文方法图像增强

图2 实验效果图对比

Fig.2 Effect of contrast experimentt

通过对图1中以肺组织为目标区域的人体胸部CT图像的多种增强方法进行处理试验，进而对实验效果图与原CT图像、人体肺部脱血切片标本的比较。观察者可以明显地发现，本文所采用的基于粗糙集和属性直方图的图像增强处理的效果图清晰醒目、灰度层次感强、细节表现突出，在图像上清晰观察并区分出目标区域（肺组织）的细节或层次，对周围组织具有足够的物理对比度。大多数图像增强算法都会使图像失真，而本文基于粗糙集和属性直方图的图像增强算法完全的保留了目标区域（肺组织）的灰度值和结构，合理的保真了目标区域（肺组织）子图，对比传统的图像增强方法，在目标区域保真的问题上取得重大突破。

4 结论

提出了二维属性直方图的概念。它是对一维属性直方图概念的推广，具有理

论意义与应用价值。二维属性直方图具有简化问题的功能和使用灵活的特点，适用于具有某种先验知识的场合。在无任何先验知识时，它将退变为通常意义的二维直方图。

将粗糙集理论用于图像增强，以人体胸部CT图像增强为例说明处理过程，并给出了增强结果。通过大量的实验和对比可以看出，本文提出的增强方法可明显改善图像的视觉效果，且不会损害图像的边缘。结果表明本文方法具有可行性，且适用于图像有某种先验知识的场合。

参考文献

[1] 徐立中, 王慧斌, 杨锦堂.基于粗糙集理论的图像增强方法[J].仪器仪表学报, 2000, 21(5):514-515. XU L Z,WANG H B,YANG J T. Image enhancement based on rough sets[J].Journal of Scientific Instrument,2000,21(5):514-515.(in Chinese)

[2] 徐宁，杜明辉.基于边缘检测的CT 图像粗糙集增强算法[J].医疗设备信息, 2003(9):15-17. XU N,DU M H. Rough sets of CT images based on edge detection enhancement algorithms[J].Medical Equipment,2003(9):15-17.(in Chinese)

[3] 李孟歆，吴成东.粗糙集理论在图像处理中的应用[J].计算机技术与发展，2009(3):208-211. LI M X,WU C D. The application of rough sets theory in image processing[J].Computer Technology and Development,2009(3):208-211.(in Chinese)

[4] 张东波，黄辉先.粗糙集在图像边缘增强滤波中的应用[J].计算机工程与应用，2006(20):67-69. ZHANG D B,HUANG X H. Rough sets in image edge enhancement filter[J].Computer Engineering and Applications,2006(20):67-69.(in Chinese)

图像法论文范文第15篇

关键词：刑事模糊图像 Retinex算法增强

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2012）11-0133-01

数字图像技术的发展给刑事科学技术工作带来了极大的方便，刑事图像技术也由传统的刑事照相技术发展为成熟的数字刑事图像技术。新时期的刑事图像技术学致力于刑事科学技术的光学成像研究和刑事图像处理研究，模糊图像的处理是刑事图像处理工作中极具挑战性的难题。

1、刑事模糊图像形成因素

模糊图像处理是对由于介质、客观环境等因素造成的模糊图像和退化图像进行校正处理，使其清晰化，以利于图像研判。刑事图像的模糊有多种因素造成：一是非正确曝光退化，如非线性退化等；二是离（散）焦模糊，对焦不实使物体不能清晰的成像于焦平面上；三是运动模糊，运动模糊是指在曝光瞬间，照相机与被摄物体间有相对运动；四是噪声干扰致使图像模糊不清；五是监控视频模糊，如安装位置不合适、光线太暗或太亮、目标运动过快、摄像镜头对焦不实等，往往使影响资料变得模糊不清。

2、Retinex算法原理及应用特性

2.1　Retinex理论概述

Retinex（视网膜“Retina”和大脑皮层“Cortex”的缩写）理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统（Human　Visual　System）的图像增强理论。该算法的基本原理模型最早是由Edwin　Land（埃德温·兰德）于19世纪70年代提出的一种被称为具有颜色恒常性的色彩理论，并在颜色恒常性的基础上提出的一种基于此理论的图像增强方法。Retinex　理论的基本内容包括物体的颜色是由物体对长波（红）、中波（绿）和短波（蓝）光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩具有一致性，不受光照非均性的影响，即Retinex　理论是以色感一致性（颜色恒常性）为基础的。鉴于Retinex原理，对于观察图像S中的每个点（x，y），用公式可以表示为：

S（x，y）=R（x，y）.L（x，y）

其中，S（x，y）为所观察的图像，R（x，y）是反射物体图像，L（x，y）为入射光图像。

2.2　Retinex算法的应用特点

Retinex理论的基本思想就是将原始图像看成是由照射图像和物体反射属性组成，照射光图像直接决定一幅图像中像素能够达到的动态范围，物体反射属性决定了图像的内在性质，因此，在原始图像中去除或降低照射图像的影响从而保留本质的反射属性是Retinex理论的基本思想。Retinex算法具有锐化、颜色恒常性、动态范围压缩大、色彩逼真度高等特点。

传统的图像增强算法，如线性变换、非线性变换、图像锐化等只能增强图像的某一类特征，如压缩图像的动态范围，或增强图像的边缘等。Retinex算法可以在动态范围压缩、边缘增强和颜色恒常三方面达到平衡，因此可以对各种不同类型的图像进行自适应性地增强。

3、Retinex算法对数字模糊图像处理的适用

3.1　Retinex算法对图像的预处理

在多种以Retinex为核心的算法中，单尺度（Single-Scale　Retinex，SSR）算法和多尺度（Multi-Scale　Retinex，　MSR）算法是最具有代表性和最成熟的算法。利用多尺度Retinex灰度图像增强算法对灰度图像进行增强，在图像的预处理阶段对噪声进行滤除，做到改善图像颜色恒常性，压缩图像动态范围，提高对比度，有效显示淹没在阴影、光照等区域中的细节，为下一步的特征提取提供必要的条件。

3.2　Retinex算法对场景模糊图像的增强

场景的干扰常常致使物体成像模糊，如雨雾天条件下，户外景物的对比度和颜色发生退化，计算机视觉系统无法正确检测与跟踪场景中目标，这就需要对雨雾天图像或视频作清晰化处理。Retinex　理论及相关算法是图像增强的新思路，其理论基础是色彩的恒常性，它通过模拟人眼观察场景的方式，恢复因图像采集设备限制而丢失的场景细节，达到增强图像对比度，还原物体真实色彩的目的。

3.3　Retinex算法对图像细节特征的增强

在图像处理和计算机视觉领域，特征提取被广泛运用，其效果很大程度上取决于图像的质量。图像在采集的过程中，多变的光照条件、物体间相互遮挡、采集设备自身限制等因素都会影响图像质量，要想对质量差的图像进行特征提取非常困难。基于Retinex理论的图像增强算法能减少计算时间，将多种计算函数相结合，能够有效地重建图像细节达到增强图像的目的，使增强后的图像更适合于细节特征的提取。

Retinex算法是数字图像处理的新算法，与其他传统图像处理算法相比，具有很大的优势，能大量保留提取图像的细节特征。在刑事图像处理工作中，技术人员所感兴趣的就是对侦破案件有用的细节特征。刑事图像工作遇到的问题及其产生原因都是其他领域图像处理所共有的，因此，Retinex理论同样适用于刑事图像处理研究，将基于Retinex理论的各种改进的Retinex算法直接应用到刑事模糊图像处理工作中，势必会给当前的刑事模糊图像处理工作打开新的局面。

参考文献

[1]李权合，毕笃彦，时平，何宜宝.基于Retinex和视觉适应性的图像增强[J].中国图形图像学报，2010，15（12）：1728-1732.

[2]乔小燕，姬光荣，陈雾.一种改进的全局Re　tinex图像增强算法及其仿真研究[J].系统仿真学报，2009，21（4）：1185-　1197.

图像法论文范文

精品推荐

扩展阅读

推荐期刊

中国体视学与图像分析

中国图象图形学报

福建乡土

图象识别与自动化