数字图像处理系统及应用实例(课堂PPT).ppt

,楷书,第二级,第三级,第四级,第五级,*,楷 体,楷书,第二级,第三级,第四级,第五级,*,第,11,章,数字图像处理系统及应用实例,1,数字图像处理系统,2,应用实例,1,1,数字图像处理系统,数字图像处理系统结构框图,2,1.1,数字图像处理系统的分类,通用和专用,:,通用系统主要用于方法研究、大型计算、多媒体技术研究、视频制作等,专用型处理系统一般用于特殊用途，处理任务单一，但对系统体积、重量、处理速度、功耗、成本等有特定的要求，数字信号处理器（,DSP,）,3,高、中、低档,高速信号处理芯片设计而成，采用多,CPU,或多机结构，具有适合图像和信号处理特有规律的并行阵列图像处理器,中档系统以小型机或工作站为主控计算机，加上图像处理器构成。这类系统具有较强的交互处理能力，同时，由于用通用机做主控机，因而在系统环境下，具有较好的再开发能力,低档的计算机图像处理系统由计算机加上图像采集卡构成，其结构简单，是一种便于普及和推广的图像处理系统,1.1,数字图像处理系统的分类,4,从图像传感器的敏感区看,可分成可见光、红外、近红外、,X,射线、雷达、伽玛射线、超声波等图像处理系统,从采集部件与景物的距离上来分,可分为遥感、宏观和微观图像处理系统,1.1,数字图像处理系统的分类,5,1.2,计算机图像处理系统的基本构成,1,图像采集部件,2,图像处理部件,3,识别结果的输出部件,一种是根据图像处理的结果做出判断,另一种则是以图像为输出形式。输出方式有屏幕输出、打印输出和视频硬拷贝输出,6,2,应用实例,2.1,生物医学图像的处理,2.2 DSP,组成的目标检测与识别系统,2.3,高分辨率遥感影像道路提取,2.4,立体视觉系统,2.5,车牌识别,7,2.1,生物医学图像的处理,细胞图像自动分割流程图,边缘检测,目标定位,区域生长,目标分割,8,免疫细胞,图像自动分割的过程示意图,a),一幅免疫细胞图像,b),边缘检测的结果,c),目标定位并与,b),叠加的结果,d),计算目标中心点,e),计算目标所在矩形,f),在矩形框内分割图像,a)b)c),d)e)f),2.1,生物医学图像的处理,9,a),原图,b),边缘检测的结果,椭圆目标的位置检测过程示意图,c),从边缘点沿梯度方向做扇形,d),累加器累加的结果,e),对,d,取阈值并与,b,叠加,f),计算中心点,2.1,生物医学图像的处理,10,2.2,DSP,组成的目标检测与识别系统,1,DSP,实现目标检测识别的基本框图,11,2,图像算法的处理流程,目标,分割,目标,识别,目标,跟踪,视频,合成,图像,预处理,图像处理流程,2.2,DSP,组成的目标检测与识别系统,12,3,算法中的关键技术,1,）,空域高通滤波将小目标进行增强，提高它的信噪比,。,2,）,自适应门限分割技术。,3,）,图像特征匹配，通过多帧检测，识别出真正的目标。,2.2,DSP,组成的目标检测与识别系统,13,2.3,高分辨率遥感影像道路提取,1,用灰度级标准差检测直线,假设图像空间中的一条角度为 、截距为 的直线 ，映射其灰度级标准方差到参数空间上的一点 ，该点的值 可由以下公式求得,14,该变换的原理如图所示,a),图像空间,b),在方向上投影,c),映射方差特征到参数空间,2.3,高分辨率遥感影像道路提取,15,2,梯度矢量均值约束的线目标检测,对原始图像进行梯度变换，对梯度矢量进行统计，用梯度矢量均值来代替上一节 处的值，就得到了梯度矢量在参数空间中的统计特性。,2.3,高分辨率遥感影像道路提取,16,2.4,立体视觉系统,1,）,视觉导航,智能视觉导航越野车,17,立体视觉系统的硬件结构,障碍物检测流程,2.4,立体视觉系统,边缘检测,特征融合,计算视差,计算距离,18,2,）,利用立体视觉原理进行地图绘制,地图绘制算法流程,2.4,立体视觉系统,边缘检测,轮廓匹配,计算视差,计算距离,精细匹配,19,轮廓匹配结果,2.4,立体视觉系统,20,边缘精细匹配结果,2.4,立体视觉系统,21,带纹理的重建三维建筑图像,2.4,立体视觉系统,22,结合,GIS,系统的三维建筑重建图像,2.4,立体视觉系统,23,一、研究意义,主要用于高速公路收费系统，大大提高车辆过关的速度。,2.5,车牌识别,24,二、车牌识别技术,1,、,IC,卡识别技术,IC,卡卡内存储了该车的车牌号码以及其他一些信息，当汽车通过设有车辆检测装置的路口时，,IC,卡系统将与路口的计算机系统进行对话，使之辨识出该汽车的车牌号码和其它相关内容，从而可以实现监督和管理。,缺点：（,1,）整套装置价格昂贵，硬件设计复杂；（,2,）不适合异地作业，且须制定全国统一的标准；（,3,）无法核对车、卡是否相符，也是,IC,卡技术存在的缺点。,25,2,、条形码技术,通过在车辆的侧面印刷条形码,(,其中包括地区、车型、车牌号码等基本信息,),，当条形码扫描器阅读出这些信息后，就可以完成识别任务。,缺点：（,1,）条形码识别技术对于扫描器要求很高；（,3,）须在全国范围有统一的标准，推广起来也很困难。,3,、图像处理技术,26,二、基于图像分析的车牌识别技术研究,（谭志标，硕士论文）,1,、识别流程,27,2,、图像采集,两种触发采集方式：,（,1,）,外设触发,。采用线圈、红外等检测器检测车辆到达信号，触发采集设备抓拍。,（,2,）视频触发。采用运动目标序列图像分析处理技术，实时监控车道上车辆的运动状况，当发现车辆通过时，触发抓拍。,28,29,3,、车牌定位,（,1,）灰度转换,（,2,）边缘检测及二值化,（,y,方向梯度；二值化）,30,31,（,3,）图像增强,使用膨胀算法，使与白色象素连接的背景点,(,黑色象素,),合并到目标象素中，结果是使白象素区域增大，空洞缩小。,（,4,）车牌区域检测,车牌区域检测就是利用车牌字符垂直边缘紧密连接的特征来检测的。,32,33,34,（,5,）颜色分析,颜色分析就是根据待定车牌区域的颜色信息判断车牌的颜色。我国现行的牌照中，最多的是黄底黑字,(,大车,),、蓝底白字,(,中小车,),。在灰度图像中，黄底黑字车牌的字符灰度比背景低，而蓝底白字则字符灰度比背景高，二值化之后黑白正好相反。所以，在定位过程中，要判断该车牌的颜色，然后才能分析字符的纹理，如果是背景灰度比字符灰度低时，先要反色处理，统一成字符为黑色，背景为白色。,35,（,6,）车牌切割,获取车牌颜色后，就可以把车牌区域统一二值化成为字符为黑象素，背景为白象素的二值化车牌图像。,由于车牌可能倾斜，用上述车牌区域检测方法定位的车牌图像可能会不完整，有些字符的边缘区域可能会被切走，因此我们在处理这个区域时，先把定位的坐标在原图上往外扩展几个象素，保证该区域包括完整的车牌。,36,4,、字符分割,5,、字符识别,37,