数字图像目标分割与提取研究背景意义目的与现状

数字图像目标分割与提取研究背景意义目的与现状

1 背景

数字图像目标分割与提取是数字图像处理和计算机视觉领域中一个备受关注的研究分支。因为在目标分割与提取过程中可以利用大量的数字图像处理的方法，加上其在计算机视觉、模式识别等领域中的广泛应用，都吸引了众多研究者的注意。相信对这一问题的深入研究不仅会不断完善对这一问题的解决，而且必将推动模式识别、计算机视觉、人工智能等计算机科学分支的发展。图像分割和边缘检测的问题在近二十年中得到了广泛的关注和长足的发展，国内外很多研究人士提出了很多方法，在不同的领域取得了一定的成果。但是对于寻找一种能够普遍适用于各种复杂情况的准确率很高的分割和检测算法，还有很大的探索空间。边缘提取和分割是图像分析的经典研究课题之一，目前的理论和方法仍存在许多不足之处，仍在不断改进和发展。

由于图像的多义性和复杂性，许多分割的工作无法依靠计算机自动完成，而手工分割又存在工作量大，定位不准确的难题，因此，人们提出了一些人工交互和计算机自动定位相结合的方法，利用各自的优势，实现目标轮廓的快速定位。相信这些交互式方法的应用，必将推动图像目标分割与提取这一既具有广阔的应用前景又具有重要的学术价值的课题的进一步研究，也必将成为一个更为独立和活跃的研究领域[1]。近年来，DSP技术的发展不断将数字信号处理领域的理论研究成果应用到实际系统中，并且推动了新的理论和应用领域的发展，对图像处理等领域的技术发展也起到了十分重要的推动作用。基于DSP的图像处理系统也被广泛的应用于各种领域。

从图像处理技术的发展来看，实时性在实际中有着广泛的应用。实时图像处理系统设计的难点是如何在有限的时间内完成大量图像数据的处理。因为要对图像进行实时处理,所以为了实现实时和快速,高效的处理,在这个系统中要求我们的图像处理速度要达到一定的速度，而图像处理的速度是由算法的执行时间、视频输入输出延迟以及外部数据存储器与DSP的数据交换效率等因素决定。算法执行时间与CPU 速度有关;图像处理的速度既图像处理所要用的时间，它主要是由算法决定的。算法执行的指令的多少决定了处理速度。而图像的处理的算法包含有大量的算法指令，为了快速的处理大数据量的多媒体信息，特别是活动图像信息，同时又能灵活的支持多种不同的应用，DSP的应用势在必行。相比于通用的DSP，用于多媒体应用的专用DSP集成了许多专用模块，这些模块用硬件加速很多通用的多媒体方面的大量算法明晰的处理、实时性强等要求.由于图像处理的数据量大，数据处理相关性高，实时的应用环境决定严格的帧、场时间限制，因此实时图像处理系统必须具有强大的运算能力。各种高性能DSP不仅

可以满足在运算性能方面的需要，而且由于DSP的可编程性，还可以在硬件一级获得系统设计的极大灵活性。实时图像处理技术在目标跟踪、机器人视觉、智能交通监控中都得到越来越多的应用。

2 实时图像处理系统国内外现状

实时图像处理系统技术随着图像处理与计算机视觉的广泛应用而异军突起，这种系统已广泛应用于各行各业。它们反过来也促进了图像处理与计算机视觉理论的进一步深入、提高。

2.1 实时图像处理系统的发展和现状

图像处理的发展与计算机以及硬件技术的发展是紧密联系的。最早发表有关计算机处理图像信息文章的时间要追溯到20世纪50年代，随着计算机以及硬件技术的高速发展，性能大幅度提高，而价格却大幅度下降，有力地推动了图像处理技术的发展，实时图像处理系统的发展大致上可以划分为四个阶段。

①图像处理系统发展的第一阶段

第一阶段的时间大体上是20世纪60年代到80年代中期，这个时期的图像处理系统采用机箱式结构，主流计算机采用小型机，并采用双屏操作方式，所以系统的体积比较大，功能也比较强，当然价格也比较贵。

②图像处理系统发展第二阶段

第二阶段的时间大体上是20世纪80年代中期到90年代初期，这个阶段的主要特点是小型化，外形不再是机箱式而是插卡式，绝大部分都采用PC系列微机构成图像处理系统，计算机总线采用ISA(Industrial Standard Architecture)总线，并采用双屏操作方式。图像卡的体积较小，一般图像卡都是采用大规模集成电路甚至是制作专用集成电路，从而使价格降低了。

③图像处理系统发展第三阶段

第三阶段的时间大体上是从20世纪90年代初开始，这一阶段图像处理系统突出特点是单屏方式，以微机PCI总线(Peripheral Component Interconnect bus)为支持的单屏方式和以图像压缩传输为特点的图像通信方式成为主流方式，但仍然主要是依靠微机来进行图像处理，在Windows平台上编制图像处理软件包。

④基于DSP的图像处理系统

随着微型计算机的发展和普及，现代图像处理方式越来越向高速、小型、简洁的方向发展，图像处理逐渐由专用、笨重的图像处理机过渡到通用、小型方式，但是由于图像数据量大，算法复杂，使用软件来处理时，软件往往局限于计算机的配置，使得图像处理速度比较慢、实时性差、价格高，不能适应恶劣工作环境。

与此同时数字信号处理各种算法日趋完善，特别是运算能力很强的数字信号处理器(DSP)的问世，使现代图像处理系统进入了和计算机紧密结合的全数字体制的阶段。以DSP为核心的硬件系统同样可以用来进行图像处理，为这个问题的解决带来了新的途径。

DSP的运算速度和运算精度不断地提高，片内的存储容量不断地加大，系统功能、数据处理能力以及与外部设备的通信功能不断地增强，完全可以脱离PC 机开发出基于DSP的图像系统。这种设计方案的优点是设计简单、灵活，成本比较低，便于实际中使用。

2.2 图像分割概述

图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出上千种分割算法，但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。最近几年又出现了许多新思路、新方法或改进算法，对一些经典方法和新出现的方法作了概述。并将图像分割方法分为阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方法。早期的图像研究中，图像的分割方法主要可以分为两大类。一类是边界方法，这种方法的假设是图像分割结果的某个子区域在原来的图像中一定会有边缘存在；一类是区域方法，这种方法的假设是图像分割结果的子区域一定会有相同的性质，而不同区域的像素没有共同的性质。这两种方法都有缺点和优点，有的学者也试图把两者结合起来进行图像分割，随着计算机处理能力的提高，很多方法不断涌现，如基于彩色分量分割、纹理图像分割。所使用的教学工具和实验手段也是不断的扩展，从时域信号到频域信号处理，近来小波变换也应用在图像分割当中。

3 DSP实时图像分割的目的和意义

在现代工业自动化生产中，涉及到产品检验、生产监视和零部件缺陷识别等多方面的应用，例如对零部件批量生产过程中的尺寸缺陷检测，零件的缺陷检查，IC上的自动字符识别，自动装配过程中的完整性检查，电子装配线的自动定位，机器人的引导和零件的识别等。利用图像处理的方法，对感兴趣区域进行分割从而进一步的分析。

军事上对图像处理的应用是最早的。对地球上所有感兴趣的地区进行空中摄影后，每天得到成千上万张照片，以前雇佣成千上万人对照片进行分处理，现在则可以用DSP技术进行处理。另一方面，在六十年代中期以后，发射了陆地卫星