第9章 数字图像处理系统及应用实例

椭圆目标的位置检测过程示意图
9.2.2 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
9.2.2 DSP组成的目标检测与识别系统
2．图像算法的处理流程
图像 预处理 目标 分割 目标 识别 目标 跟踪 视频 合成
图像处理流程
9.2.2 DSP组成的目标检测与识别系统
3．算法中的关键技术
9.1.1 数字图像处理系统的分类
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
e) 计算目标所在矩形
e)
f)
a)一幅免疫细胞图像 b)边缘检测的结果 d) 计算目标中心点
c)目标定位并与b)叠加的结果 f) 在矩形框内分割图像
源自文库
9.2.1 生物医学图像的处理
a)原图
b)边缘检测的结果
c)从边缘点沿梯度 c) 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
9.2.4 立体视觉系统
边缘精细匹配结果
9.2.4 立体视觉系统
带纹理的重建三维建筑图像
9.2.4 立体视觉系统
结合GIS系统的三维建筑重建图像
第9章 数字图像处理系统及应用实例
9.1 数字图像处理系统 9.2 应用实例
9.1 数字图像处理系统
数字图像处理系统结构框图
9.1.1 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）
9.1.1 数字图像处理系统的分类
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
9.1.2 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
, 值 w(θ , q ) 可由以下公式求得
1 N -1 2 ( fi ( x, y) - M ) + 255，N > 0 ∑ N i =0 w(θ , q) = 0, N =0 1 N -1 其中，M＝ ∑ fi ( x, y )，fi ( x, y )是图像上所有满足y = tg(θ)x + q的点 N i =0
9.2.3 高分辨率遥感影像道路提取
该变换的原理如图所示
y
q0
y
l
( x N −1 , y N −1 )
θ
45°
(θ0 , q0 )
o
q
q
o
x
o q
θ
−45°
a)图像空间
b) 在方向上投影
c)映射方差特征到参数空间
9.2.3 高分辨率遥感影像道路提取
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 (θ , q) 处的值，就得到了梯度矢量在参数空间中 的统计特性。
9.2 应用实例
9.2.1 生物医学图像的处理 9.2.2 DSP组成的目标检测与识别系统 9.2.3 高分辨率遥感影像道路提取 9.2.4 立体视觉系统
9.2.1 生物医学图像的处理
边缘检测
目标定位
区域生长
目标分割
细胞图像自动分割流程图
9.2.1 生物医学图像的处理
a)
b)
c)
d)
免疫细胞图像自动分割的过程示意图
9.2.4 立体视觉系统
1）视觉导航
智能视觉导航越野车
9.2.4 立体视觉系统
立体视觉系统的硬件结构
边缘检测
特征融合
计算视差
计算距离
障碍物检测流程
9.2.4 立体视觉系统
2）利用立体视觉原理进行地图绘制
边缘检测 轮廓匹配 精细匹配
地图绘制算法流程
计算视差
计算距离
9.2.4 立体视觉系统
轮廓匹配结果
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。
9.2.3 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θ 、截距为 q 的直线 y = tg (θ ) x + q ，映射其灰度级标准方差到参数空间上的一点 (θ , q ) ，该点的