没有合适的资源?快使用搜索试试~ 我知道了~
人工智能-图像处理-八元数及Clifford代数在数字图像处理中的应用.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 66 浏览量
2022-07-12
07:32:00
上传
评论
收藏 1.92MB PDF 举报
温馨提示
试读
43页
人工智能-图像处理-八元数及Clifford代数在数字图像处理中的应用.pdf
资源推荐
资源详情
资源评论
第一章
绪
论
1.1课题研究的背景、研究现状和意义
图像信息是人类认识世界的重要知识来源,在许多场合下,没有其他形式比图像
所传送的信息更为丰富和真切.数字图像处理(Di西tal
Ima嚣Processing)是一门关于利
用计算机对图像进行去除噪声、增强、复原、分割、压缩、提取特征等处理的学科.该
学科在卫星遥感、医学工程、检测系统、文字识别等领域有着广泛的应用[·,2一.
图像分割是数字图像处理中的关键技术之一,图像分割是将图像中有意义的特征
部分提取出来,其有意义的特征有图像中的边缘、区域等,这是进一步进行图像识别、
分析和理解的基础.虽然目前已研究出不少区域分割的方法(如区域生长法和基于形
态学分水岭的分割算法等),但还没有一种普遍适用于各种图像的有效方法.因此,对图
像分割的研究是目前图像处理中研究的热点之一.现存的彩色图像分割算法中,大部
分是基于RGB(R硝/Gr咖/Blue,红/绿/蓝)彩色空间开发的.从而,从图像分量的个
数上讲,该类方法一般只适合于三维的彩色空间,如RGB空间或HsI(Hue/saturation
/Intensi饥色调/饱和度/强度)空间.然而,当我们对多分量图像进行处理时,通常要
求综合考虑多个图像分量.例如,多光谱遥感图像是最具代表性的一类多分量图像,其
波段个数有时可超过两百个.因此,开发出新的适合多分量图像的分割算法,是本文尝
试和探索的主要内容之一.
边缘检测在彩色图像处理中占据着基础而重要的地位,它是彩色图像分割和模式
识别等高层次图像处理任务的基础.彩色图像的边缘一般定义为颜色信息或者亮度信
息的不连续跳变.经典的彩色图像边缘检测方法中有相当一部分是灰度图像边缘检测
方法的推广,即用灰度图像边缘检测方法分别检测R、G、B三幅分量图像的边缘,再
合成这三幅边缘图像作为原图像的边缘.然而,简单地将一幅彩色图像视作由三幅原
色图像合成是不合适的,因为这样将丢失大量的由色度变化引起的边缘信息[1】.如何
更好地综合图像的亮度信息和色度信息,是本文尝试和探索的另一个内容.
由于彩色图像具有R、G、B三个分量,因此,在彩色图像处理中,高维代数上的分
析理论派上了用场.1992年起,Eu和sangWine等人相继提出的四元数彩色图像表示
及其应用【4-10】在彩色图像处理领域中已引起了人们广泛的兴趣.国内也有学者对四
元数在彩色图像处理中的应用作了相关研究【11,12】.这一切使得古老的四元数分析理
论在数字图像处理中扮演了重要的角色.然而,对于维数超过3的多分量图像(如多
光谱图像),作为工具,四元数也无能为力.显然,此时必须借助于更高维代数上的分析
理论.
我们知道,赋范可除代数只有四种【13’141,它们是实数R、复数c、四元数Ⅱ及八
元数O.也即,若在舻中规定乘法'’·”,使得对比,耖∈Rn,有z.可∈Rn且Iz秒I=圳乩这
里…=(∑?zi)考,则n=1,2,4,8.长期以来,数学家试图将四元数分析理论推广到高
维.clifBDrd分析理论可视作四元数分析理论的一种高维推广,它的建立始于上世纪70
1
年代,并在R.Delanghe,F.Br葩奴,F.sommen等人的努力下得到长足发展【15】.然而四
元数分析理论最直接的推广一八元数分析理论仅在近10余年建立起来【13,19-25】.
基于以上事实,本文在四元数彩色图像处理的基础上,探讨了八元数分析及Clif.
ford分析在图像处理中的若干应用,并开发出一套基于非交换代数的高维图像边缘检
测和区域分割算法.作为应用示例,将新算法运用于彩色图像处理中.利用该类算法适
合多分量处理的特点,在边缘检测和图像分割中同时考虑RGB和HsI彩色空间的所
有分量,从而可更好地综合亮度信息和色度信息.另—方面,在处理多个图像分量的同
时,如何有效降低算法的复杂度是我们必须慎重考虑的问题.因此,本文对sa皿gWine
和Eu等人提出的四元数边缘检测算法进行改进,降低了算法复杂度,同时,该改进算
法可适用于任意维数的多分量图像处理.
由于多分量图像特别是多光谱遥感图像在现实中有广泛应用【26】,本文开发的高
维图像边缘检测和图像分割算法应该有较好的应用前景,文中构造的八元数滤波器和
cH勖rd滤波器可能成为多分量图像处理领域的有力工具.
1.2主要研究成果
本文主要做了如下四个方面的工作:
(1)八元数乘法具有两条重要的性质:每一个单位纯八元数对应于R7中的一个旋
转(R6的情形平凡地被包括其中)[13'25】;纯八元数的乘法可以简单地由R7向量的点乘
与叉乘表示【16】.基于以上两条性质,本文将四元数彩色边缘检测和区域分割的思想推
广到更高维的情形,开发出基于八元数的高维图像边缘检测和区域分割算法,并将之
应用于彩色图像处理中,联合考虑RGB和HSI空间的所有分量,构造出相应的颜色敏
感(color—seIl8itive钆er)与非颜色敏感(non.color—sensitive矗lter)滤波器.取得令人满意
的实验效果.
(2)利用cli珏brd代数乘法的矢量积表示性质【15】,进一步将四元数彩色边缘检测
和区域分割的思想推广到一般的n维情形中,构造出相应的n维cu舫rd滤波器,从而
完全突破了边缘检测与图像分割滤波器在维数上的限制.作为应用示例,将cli肋rd滤
波器用于彩色图像处理中,较好地检测出颜色敏感与非颜色敏感边缘,也准确的找出
具有特定颜色信息的区域,效果良好.
(3)对sangwine和Eu等人在文献【5,6】中提出的基于四元数乘法矢量积表示性
质的边缘检测算法进行简化.首先给出必要的数学证明,在理论上证明了在该方法中
不必引进矢量的叉积运算.在此基础上构造出仅基于矢量点积的边缘检测与图像分割
滤波器,由于在卷积过程中避免了矢量叉积,该类滤波器较为简单,算法运行时间也较
大缩短了.而且,改进后的算法可适用于任何维数的多分量图像边缘检测.
(4)caudly积分公式是复分析、四元数分析、八元数分析及cli舫rd分析理论的
基石【13,”,27,28l,没有caudly积分公式,复分析及超复分析就不可能成为一门独立的
学科.上世纪30年代起,R.Futer在四元数分析中建立了Cauchy型积分公式【27】,F.
Braucx,R.DelaJlghe,F.sommen在cli舫rd分析中也建立了类似的公式与定理【蚓,从
2
而使四元数分析与cli肋rd分析取得巨大的进展.八元数分析理论及其caudly积分
公式则是由我国学者在近lo余年建立起来【”,21I,从而完善了高维的caudly积分公
式及相关理论.caudly积分公式有着重要的物理意义:如果某一物理特性在空间某
区域上有良好的光滑性(解析),那么区域内任意点的物理特性可由区域边界上的点来
表示.这里所指的”空间”在复分析中是指二维平面,而在四元数分析、八元数分析及
cli勖rd分析中则指各种高维的空间.特别地,当以上所指的”区域’是圆盘或者球体
(超球)时,caudly积分公式便是平均值定理.本文探索了高维caudly积分公式在图
像处理中的应用,以八元数caudly积分公式为例,构造出相应的边缘检测滤波器,取
得良好的检测效果.若使用cli助rd分析中的caudly积分公式,可将该方法应用到任
意维数的多分量图像边缘检测中.值得一提的是,该类滤波器的一维形式就是著名的
L印lauce梯度算子滤波器.
3
第二章基本知识
由于本文大部分内容是以四元数彩色边缘检测和图像分割为基础,讨论八元数和
cli肋rd代数在高维图像处理中的应用,因此有必要在本章给出以下三个方面的预备
知识:数字图像处理这一学科的发展概况及主要研究内容;本文用到的两个色彩空间:
RGB和HsI空间及两者之间的转换;图像边缘检测技术概述以及四元数在该领域中
的应用;八元数和cH肋rd代数的相关知识.
2.1数字图像处理综述[1'3,26】
数字图像处理(Di酉tal
Image
Processing)又称为计算机图像处理,它是指将图像
信号转换成数字信号并利用计算机对其进行处理的过程.数字图像处理最早出现于20
世纪50年代,当时的电子计算机已经发展到一定水平,人们开始利用计算机来处理
图形和图像信息.数字图像处理作为一门学科大约形成于20世纪60年代初期.早期
的图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的.图
像处理中,输入的是质量低的图像,输出的是改善质量后的图像,常用的图像处理方法
有图像增强、复原、编码、压缩等.首次获得实际成功应用的是美国喷气推进实验室
(JPL).他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处
理技术,如几何校正、灰度变换、去除噪声等方法进行处理,并考虑了太阳位置和月球
环境的影响,由计算机成功地绘制出月球表面地图,获得了巨大的成功.随后又对探测
飞船发回的近十万张照片进行更为复杂的图像处理,以致获得了月球的地形图、彩色
图及全景镶嵌图,获得了非凡的成果,为人类登月创举奠定了坚实的基础,也推动了数
字图像处理这门学科的诞生.在以后的宇航空间技术,如对火星、土星等星球的探测
研究中,数字图像处理技术都发挥了巨大的作用.数字图像处理取得的另一个巨大成
就是在医学上获得的成果.1972年英国EMI公司工程师Hous丘eld发明了用于头颅诊
断的x射线计算机断层摄影装置,也就是我们通常所说的CT(Computer
Tomogr印h).
CT的基本方法是根据人的头部截面的投影,经计算机处理来重建截面图像,称为图像
重建.1975年EMI公司又成功研制出全身用的cT装置,获得了人体各个部位鲜明清
晰的断层图像.1979年,这项无损伤诊断技术获得了诺贝尔奖,说明它对人类作出了
划时代的贡献.与此同时,图像处理技术在许多应用领域受到广泛重视并取得了重大
的开拓性成就,属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、
公安司法、军事制导、文化艺术等,使图像处理成为一门引人注目、前景远大的新型
学科.随着图像处理技术的深入发展,从70年代中期开始,随着计算机技术和人工智
能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展.人们已开始研
究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界,这被称为图像
理解或计算机视觉.很多国家,特别是发达国家投入更多的人力、物力到这项研究,取
得了不少重要的研究成果.其中代表性的成果是70年代末MIT的Marr提出的视觉
计算理论,这个理论成为计算机视觉领域其后十多年的主导思想.图像理解虽然在理
4
论方法研究上已取得不小的进展,但它本身是一个比较难的研究领域,存在不少困难,
因人类本身对自己的视觉过程还了解甚少,因此计算机视觉是一个有待人们进一步探
索的新领域.
数字图像处理主要研究的内容有以下几个方面:
(1)图像变换:由于图像阵列很大,直接在空间域中进行处理,涉及计算量很大.因
此,往往采用各种图像变换的方法,如傅立叶变换、沃尔什变换、离散余弦变换等间接
处理技术,将空间域的处理转换为变换域处理,不仅可减少计算量,而且可获得更有效
的处理(如傅立叶变换可在频域中进行数字滤波处理).小波变换在时域和频域中都具
有良好的局部化特性,它在图像处理中也有着广泛而有效的应用.
(2)图像编码压缩:图像编码压缩技术可减少描述图像的数据量(即比特数),以便
节省图像传输、处理时间和减少所占用的存储器容量.压缩可以在不失真的前提下获
得,也可以在允许的失真条件下进行.编码是压缩技术中最重要的方法,它在图像处理
技术中是发展最早且比较成熟的技术.
(3)图像增强和复原:图像增强和复原的目的是为了提高图像的质量,如去除噪
声,提高图像的清晰度等.图像增强不考虑图像降质的原因,突出图像中所感兴趣的部
分,如强化图像高频分量,可使图像中物体轮廓清晰,细节明显;如强化低频分量可减
少图像中噪声影响.图像复原要求对图像降质的原因有一定的了解,一般讲应根据降
质过程建立,’降质模型”,再采用某种滤波方法,恢复或重建原来的图像.
(4)图像分割:图像分割是数字图像处理中的关键技术之一.图像分割是将图像
中有意义的特征部分提取出来,其有意义的特征有图像中的边缘、区域等,这是进一
步进行图像识别、分析和理解的基础.虽然目前已研究出不少边缘提取、区域分割的
方法,但还没有一种普遍适用于各种图像的有效方法.因此,对图像分割的研究还在不
断深入之中,是目前图像处理中研究的热点之一.
(5)图像描述:图像描述是图像识别和理解的必要前提.作为最简单的二值图像
可采用其几何特性描述物体的特性,一般图像的描述方法采用二维形状描述,它有边
界描述和区域描述两类方法.对于特殊的纹理图像可采用二维纹理特征描述.随着图
像处理研究的深入发展,已经开始进行三维物体描述的研究,提出了体积描述、表面
描述、广义圆柱体描述等方法.
(6)图像分类(识别):图像分类(识别)属于模式识别的范畴,其主要内容是图像经
过某些预处理(增强、复原、压缩)后,进行图像分割和特征提取,从而进行判决分类.
图像分类常采用经典的模式识别方法,有统计模式分类和句法(结构)模式分类,近年
来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到
重视.
2.2
RGB和HsI色彩空间”】
颜色空间按照基本结构可以分两大类:基色颜色空间和色、亮分离颜色空间.本
文讨论的大部分算法是基于RGB(Red/Green/Blue,红/绿/蓝)色彩空间和HsI(Hue
5
剩余42页未读,继续阅读
资源评论
programcx
- 粉丝: 41
- 资源: 13万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功