还剩21页未读,继续阅读
本资源只提供10页预览,全部文档请下载后查看!喜欢就下载吧,查找使用更方便
文本内容:
图像获取与表示课件•图像获取•图像表示•图像处理CATALOGUE•图像识别目录•图像应用01图像获取图像传感器类型主动式传感器如激光雷达,通过向外发射信号并接收反射回来的信号来获取图像被动式传感器如数码相机,仅通过接收场景中的自然光线来获取图像互补金属氧化物半导体(CMOS)传感器一种常见的数码相机传感器,能够将接收到的光线转换为电子信号阴极射线管(CRT)传感器一种早期的显示技术,通过加热阴极射线管来生成图像图像获取方式透射式反射式直视式扫描式如反射式投影仪,通过如直接观察显示器,通如扫描仪,通过扫描图如投影仪,通过将光线将光线反射回来显示图过直接观看显示器来获像并将其转换为数字信透射过图像来显示像取图像号来获取图像获取参数分辨率动态范围表示图像的清晰度,通常以像表示图像中亮部和暗部的对比素数量表示度范围色彩深度成像质量表示图像中颜色的数量和精度,表示图像的总体质量,包括分通常以位深度表示辨率、色彩深度、动态范围等因素02图像表示像素表示像素表示是最基本的图像表示方法,它将图像转换为像素值的集合像素表示将图像看作一个矩阵,每个矩阵元素代表一个像素,包含像素的亮度、颜色等信息这种表示方法简单直观,但忽略了图像的结构和语义信息特征表示特征表示是一种提取图像结构信息的方法,通过提取图像中的特征点、边缘、纹理等结构信息来表示图像特征表示方法通常包括SIFT、SURF、ORB等,它们通过检测图像中的关键点,提取关键点的特征描述符,将图像表示为一组特征向量这种表示方法能够更好地捕捉图像的结构和语义信息,但在特征提取和匹配过程中需要较高的计算成本深度学习表示深度学习表示是一种基于神经网络的深度学习表示方法包括卷积神经网络图像表示方法,通过训练深度神经网(CNN)等,它们通过训练大量的图络自动提取图像的特征像数据,自动学习图像的特征表达这种表示方法能够更好地捕捉图像的VS语义信息,并且具有较好的鲁棒性和泛化能力但需要大量的训练数据和计算资源,训练过程较为耗时03图像处理图像增强010203对比度增强色彩增强锐化处理通过调整像素的亮度范围,通过改变像素的颜色,改通过强化图像中的边缘和提高图像的对比度,使图善图像的色彩表现,使图细节,提高图像的清晰度像的细节更加清晰可见像更加生动图像去噪均值滤波中值滤波高通滤波通过将像素周围的像素值通过将像素周围的像素值通过保留高频成分,去除平均化,减少噪声的影响按大小排序,用中值替换低频成分,从而消除噪声中心像素的值,有效去除椒盐噪声图像分割阈值分割边缘分割通过设定一个阈值,将图像分为前景通过检测图像中的边缘信息,将图像和背景两部分分割成不同的区域区域分割根据像素之间的相似性,将图像分割成若干个区域04图像识别特征提取颜色特征提取纹理特征提取通过颜色直方图、颜色矩等统计方法,提取利用灰度共生矩阵、小波变换等方法,提取图像中的颜色信息图像中的纹理信息形状特征提取局部特征提取通过边缘检测、轮廓跟踪等技术,提取图像利用SIFT、SURF等算法,提取图像中的关中的形状信息键点和特征描述符分类器设计决策树分类器支持向量机分类器基于决策树算法,构建分类器模型,利用支持向量机算法,构建分类器模对图像进行分类型,对图像进行分类神经网络分类器贝叶斯分类器利用深度学习技术,构建卷积神经网基于贝叶斯概率理论,构建分类器模络等模型,对图像进行分类型,对图像进行分类识别结果评估准确率评估召回率评估通过计算分类器正确识别的样本数与总样通过计算分类器实际识别的正样本数与所本数的比例,评估分类器的准确率有正样本数的比例,评估分类器的召回率F1分数评估ROC曲线评估通过计算准确率和召回率的调和平均数,通过绘制ROC曲线并计算AUC值,评估分评估分类器的性能类器的性能05图像应用计算机视觉目标检测01利用图像处理和计算机视觉技术检测图像中的目标物体,如人脸、车辆等图像识别02通过训练模型对图像进行分类、识别,如图像分类、物体识别等场景理解03分析图像中的场景,提取场景中的信息,如场景分割、场景分类等医学影像分析医学影像诊断医学影像处理医学影像分析利用医学影像技术,如X光、CT、对医学影像进行预处理、增强、利用计算机视觉技术对医学影像MRI等,对疾病进行诊断分割等操作,提取病变信息进行分析,辅助医生做出诊断安全监控人脸识别通过摄像头捕捉人脸信息,进行身份验证和监控行为分析分析监控视频中人员的行为,如异常行为检测、行为识别等视频监控实时监控视频,对异常情况进行报警和记录THANK YOU感谢观看。