人工智能原理及MATLAB实现 教案 第7章 图像处理与识别技术.docx

《人工智能算法》课程教案

教学目的、要求：

1.掌握图像的概念，了解图像的变换

2.掌握图像分析与处理

3.了解图像识别技术

4.掌握图像处理和识别的matlab实战

教学重点及难点：

重点：图像的变换

难点：图像的分析与处理

教学基本内容

教学过程设计

§7图像处理与识别技术

§7.1图像基本概念

图像格式是指存储图像采用的格式，不同的系统、不同的图像处理软件，所支持的图像格式都有可能不同。在实际应用中经常遇到的图像格式有bmp、gif、tiff、jpeg、pcx、psd和wmf等。图像类型可分索引图像、灰度图像、二值图像、RGB图像和多帧图像等5种基本类型。

图像处理过程主要涉及以下技术：数字图像、图像采集、图像增强、图像复原、图像编码与压缩、图像分割技术、图像识别。

§7.2图像变换

为了快速有效地对图像进行处理和分析，常常需要对图像进行转换，将某个图像空间的图像以某种形式转换到另外的空间，并利用这些空间特有的性质进行一定的加工，最后再转换回图像空间以得到需要的效果。常用的图像变换技术有傅里叶变换、离散余弦变换、Radon变换、小波变换。

§7.3图像分析与处理

图像数字化：常见图像是连续的，即图像灰度的值可以是任意实数。为了能用计算机对图像进行加工，需要把连续的图像进行空间域的采样和幅度值域的量化，即所谓的离散化。这种离散化了的图像是数字图像。

图像运算：图像的代数运算基于图像的标准算术运算（如加、减、乘、除），以产生有增加效果的图像。图像代数运算是一种比较简单和有效的增强处理，常用于遥感图像的处理。

图像调整：图像调整主要是指通过提高图像的信噪比、修正图像的颜色和强度等措施，使图像的质量得到改善。

图像复原：由于成像系统的散焦、设备与物体间的相对运动、随机大气湍流、光学系统的像差等各种原因，图像的质量有时会出现模糊、失真、噪声等瑕疵，此时就需要对图像质量进行复原，包括辐射校正、大气校正、条带噪声消除、几何消除等内容。图像复原是图像处理中的一个重要问题。解决该问题的关键是对图像的退化过程建立相应的数学模型，然后通过求解该逆问题获得图像的复原模型并对原始图像进行合理估计。由于引起图像退化的因素众多，且性质各不相同，目前没有统一的复原方法，根据不同的应用物理环境，采用不同的退化模型、处理技巧和估计准则就可以得到不同的复原方法。

图像特征分析：图像特征主要有图像的颜色特征、纹理特征、形状特性和空间关系特征。

图像区域分割：图像区域分割的目的是从图像中划分出某个物体的区域，即找出那些对应于物体或物体表面的像元集合，其目的是为了便于提取可区别性、可靠性、独立性好的少量特征。

数学形态学：数学形态学是一种应用于图像处理和模式识别领域的新方法，其基本思想是用表达和描述区域形状的结构元素去度量和提取图像中的对应形状，以达到对图像分析和识别的目的。

§7.4图像识别

图像识别是指对图像进行对象识别，以识别各种不同模式的目标和对象的技术。图像识别的发展经历了三个阶段：文字识别、数字图像处理与识别、物体识别。文字识别的研究是从1950年开始的，一般是识别字母、数字和符号，从印刷文字识别到手写文字识别，应用非常广泛。数字图像处理和识别的研究开始于1965年。数字图像与模拟图像相比具有存储，传输方便可压缩、传输过程中不易失真、处理方便等巨大优势，这些都为图像识别技术的发展提供了强大的动力。物体的识别主要指的是对三维世界的客体及环境的感知和认识，属于高级的计算机视觉范畴。它是以数字图像处理与识别为基础的结合人工智能、系统学等学科的研究方向，其研究成果被广泛应用在各种工业及探测机器人上。现代图像识别技术的一个不足就是自适应性能差，一旦目标图像被较强的噪声污染或是目标图像有较大残缺往往就得不出理想的结果。

§7.5图像处理和识别的matlab实战

图像处理和识别的matlab实战举例。

引入：通过对现实生活图像的广泛应用引入。

内容设计思路：对课堂内容进行分析，引导学生了解内容之间的相互联系，并指出本节课的重点难点以及教学目的。

核心是给学员讲清楚图像分析与处理技术

强调：引导学生思考模拟的原理，触类旁通。

课堂互动：对先修的基础知识进行提问、回顾、引导。

分析：图像识别的发展应用。

举例分析：

分析要点：讲解图像处理和识别matlab实战中的运算、变换、分析

让学生进行总结：深刻理解图像处理与识别。

作业、讨论题、思考题：

图像处理与识别结合你的研究领域有何种应用？

教学反思：