稀疏表示的相关研究
(1) 目标图像检测与图像分割技术
基于时域的目标检测和图像分割技术
a. 基于直接差分的运动目标检测技术
b. 基于运动补偿的运动目标检测技术
1) 光流场技术
2) 空域相位相关技术
3) 频域相位相关技术
4) 参数仿射模型法
5) 基于空域特征的运动估计
c. 基于背景重建的运动目标检测技术
(2) 基于空域的目标检测和图像分割技术
a. 直方图阈值分割法
优点:直观简单
缺点:只考虑了像素的颜色或灰度特征没有考虑到像素间的空间约束特征
b. 基于区域的图像分割法
考虑到了像素的颜色灰度特征以及空域特征,但其本身是一种串行处理方式,处理方式较慢是基于区域的图像分割技术的主要缺点
c. 基于边缘检测的图像分割技术
d. 基于模糊理论的图像分割技术
引入模糊理论来表达图像分割中的不确定性
e. 基于神经网络的图像分割技术
优点:神经网络所具有的并行非线性特点决定了其能够构造最普遍的分类函数模型进行图像分类。
缺点:计算较复杂,用于训练的时间较长
f. 基于Markov随机场模型的图像分割技术
g. 其他: 基于形态学的分割算法、基于小波分析的图像分割算法
(3) 基于时空域结合的目标检测和分割技术
步骤:
a. 提取联合标志
b. 确定区域边界
c. 基于运动相似性的区域融合
(4) 人类视觉系统
视觉感知从总体上看是一个客观的三维世界到主观解释、理解空间的一个映射过程。视觉的形成过程可分为两个阶段:第一个阶段为:人眼视网膜对于外部世界的成像,这是一个三维空间信息到二维视网膜的映射。第二个阶段为:在视觉系统内部,从视网膜形成的表象二维空间到大脑视皮层的解释理解空间的映射。
视觉认知特性:
1) 高维信息平行处理
视网膜首先将成像得到的电信号图像信息进行编码,得到包括颜色、形状、纹理、运动等特征的高维视信息后,再将其通过不同的神经通道平行的传输给图像处理子系统一大脑视皮层,进行视信息的解释和理解。三条神经通道所携带的关于颜色、运动、深度和形状等信息必须通过大脑视皮层的整合才能形成完整的视知觉。
人类视觉系统的高维视觉信息平行处理机制为目标图像检测与分割技术中高维视觉识别特征模型的建立提供了重要的生物学基础。
2) 视觉的分段认知机制
图像视觉信息的认识过程有两个不同的阶段。一是初始阶段,仅与物体的察觉有关,只对物体的一些有意义的基本特性(如颜色、朝向、大小或运动)进行编码。第二个阶段是真实的注意过程,将注意力集中在感兴趣物体的某些特殊性质上,从而强调该物体的突出特征,同时忽略其它特征和其它物体。
人类视觉的分段认识机制为目标图像检测与图像分割系统的设计和实现提供了十分重要的指导意义,它指明了目标图像检测与分割技术处于图像认识的初始阶段,将利用图像的总体基本特征完成相应的任务。
(5) 目标图像高维视觉特征模型
根据人类视觉系统的认知特性,结合目标图像检测与图像分割的相应任务,可以得出以下结论:第一:由图像的运动,颜色,纹理,形状等组成的高维视觉特征是人类视觉系统处理的主要特征也必然是目标图像检测与图像分割的主要特征对象。第二:目标图像检测与图像分割相当于人类视觉认知的初始阶段,在这个阶段中,只考察图像的宏观的,大致的特征,如是否运动,颜色是否大体一致,纹理信息是否丰富,形状为圆形还是呈方形等。在此阶段,不会对物体的特征做细微的,具体的研究。第三:基于以上两点,可以得到:目标图像检测与图像分割是对高维视觉特征的宏观综合处理。由此,我们可以得到目标图像高维视觉特征模型与相关检测定理:
1) 目标图像高维视觉特征模型
2) 目标图像检测定理及其推论
目标图像检测定理:在具体应用A中,观察图像空间f (x,y,tk),(x,y)∈RT凡中的子域图像f (x,y,tk),(x,y)∈RI (Ri∈Rt),若其具有与目标图像相同的高维视觉特征,则该子区域图像即为目标图像。