人工神经网络在图像处理中的应用

人工神经网络在图像处理中的应用

王国雷

（山东大学控制科学与工程学院生物医学工程2008级）

摘要：图像处理可以看作一大类图像技术，着重强调在图像之间的变换，图像处理是包含丰富内容和具有广阔应用领域的研究学科。近几年来，作为具有自组织、自学习和联想功能的人工神经网络理论已成功地应用于图像处理的许多方面，如图像压缩、图像分割、边缘检测、图像增强、图像识别等。概括得说，神经网络应用于图像处理的主要思路是：把原始图像或经过适当预处理的图像作为网络的输入信号，在网络的输出端得到处理后的图像信号或分类结果。

关键词：图像处理，人工神经网络，图像压缩、图像分割、边缘检测、图像增强、图像识别。

The Application Of Artificial Neural Network In The Area Of

Image Processing

Wang Guolei

(Biomedical Engineering, 2008 Grade, College of Control Science and

Engineering, Shandong University)

Abstract: Image processing can be seen as a large class of imaging technology, emphasizing on the transformation between the images, image processing is a subject with rich content and broad application areas. In recent years, as a self-organizing, self-study and associate function artificial neural network theory has been successfully applied to many aspects of image processing such as image compression, image segmentation, edge detection, image enhancement, image recognition and so on. In general, the main idea of neural network application in image processing is as below: put the original image or an appropriate pre-processing image as the input signal of network, the network output is the result : processed image signal or classification results.

Keywords: Image processing, artificial neural network, image compression, image segmentation, edge detection, image enhancement, image recognition.

1. 引言

图像是用各种观测系统以不同形式和手段观测客观世界而获得的，可以直接或间接作用于人眼进而产生视觉的实体。图像技术在广义上是各种与图像有关的技术的总称。包括利用计算机和其他电子设备进行和完成的一系列工作。例如图像的采集、获取、编码、存储和传输，图像的合成和产生，图像水印的嵌入和输出，图像的变换、增强、恢复和重建，图像的分割，目标的检测、跟踪、表达和描述，目标特征的提取和测量。因此，为了对各种图像技术进行综合研究、集成应用、有必要建立一个整体框架——图像工程。图像工程根据抽象程度和研究方法等的不同可分为3个层次：图像处理、图像分析和图像理解。

随着科学技术，特别是信息技术的发展，图像处理技术已经成为科学研究不可缺少的强有力工具，传统的图像处理方法已经无法满足需要，研究人员开始探索新的更有效的方法，其中利用神经网络进行图像处理是最活跃的方向.神经网络算法比起传统的算法表现出了很大的优越性，这主要表现在:(1)高度并行处理能力，处理的速度远远高于传统的序列处理算法；(2)具有自适应功能，能够根据学习提供的数据样本找出和输出数据的内在联系；(3)非线性映射功能，图像处理很多问题是非线性问题，神经网络为处理这些问题提供了有用的工具；(4)具有泛化功能，能够处理带有噪声的或不完全的数据。

最初，人工神经网络是作为模式识别分类器和聚类技术在图像处理领域中得到应用的。然后随着神经网络理论的进一步研究，神经网络的特点得到人们充分的认识，在图像处理的各个领域得到了充分的应用，如印刷体和手写字符识别、语音识别、指纹、人脸识别、图像压缩复原等。

2. 图像处理的知识

2.1 图像处理的定义

图像处理可以看作一大类图像技术，着重强调在图像之间的变换。狭义的图像处理技术的主要目标是要对图像进行各种加工以改善图像的视觉效果并为其

后的目标自动识别打基础，或对图像进行压缩编码以减少图像存储所需的空间或图像传输所需的时间。图像处理(image processing),是用计算机对图像进行分析，以达到所需结果的技术，又称影像处理，一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。

2.2 图像压缩，增强和复原，图像匹配、描述和识别

图像压缩是由数字化得到的一幅图像的数据量十分巨大，一幅典型的数字图像通常由500×500或1000×1000个像素组成。如果是动态图像，是其数据量更大。因此图像压缩对于图像的存储和传输都十分必要。主要有两类压缩算法，即不失真的方法和近似的方法。最常用的不失真压缩取空间或时间上相邻像素值的差，再进行编码。近似压缩算法大都采用图像交换的途径，例如对图像进行快速傅里叶变换或离散的余弦变换。著名的、已作为图像压缩国际标准的JPEG和MPEG均属于近似压缩算法。前者用于静态图像，后者用于动态图像。它们已由芯片实现。

图像增强的目标是改进图片的质量，例如增加对比度，去掉模糊和噪声，修正几何畸变等；图像复原是在假定已知模糊或噪声的模型时，试图估计原图像的一种技术。图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。早期的数字图像复原亦来自频率域的概念。现代采取的是一种代数的方法，即通过解一个大的方程组来复原理想的图片。

图像匹配、描述和识别对图像进行比较和配准，通过分制提取图像的特征及相互关系，得到图像符号化的描述，再把它同模型比较，以确定其分类。图像匹配试图建立两张图片之间的几何对应关系，度量其类似或不同的程度。匹配用于图片之间或图片与地图之间的配准，例如检测不同时间所拍图片之间景物的变化，找出运动物体的轨迹。