图像处理技术论文例1

2计算机图像处理技术的组成

计算机图像处理技术是通过计算机对图像分析处理达到需要的结果的一项技术。一般被称作数字图像处理，通过扫描、摄像机等设备经过数字化之后得到二维数组，就是像素。计算机图像处理技术主要包括以下三个部分：（1）图像增强与复原：由于需要改进图片的质量，这就需要对图片进行图像增强，通过低通滤波可以将图片中的噪音去掉；通过高通滤波可以将边缘等高频信号进行增强，使图片清晰。复原则是在已知模型的特定模糊和噪音程度情况下估计出原来图像的技术。（2）图像压缩：由于图像的数据比较巨大，对图片储存和传输都比较困难，因此，需要对图像进行压缩，以节省存储空间和减少传输时间。图像压缩分为对静态图像的不失真压缩方法和用于动态图像的近似压缩方法。（3）图像匹配、描述与识别：这是图像处理的主要目的，得到不再是具有随机分布性质的文件，而是具有明确意义的符号、数值构成的图形。

3计算机图像处理技术的主要应用领域

3.1计算机辅助设计与制造技术

这项技术学科交叉、知识比较密集、应用范围比较广泛，是综合性应用技术，由计算机与制造工程两个技术相互渗透，相互结合。是先进技术的重要组成部分，计算机辅助设计与制造技术是一个国家工业现代化与科技水平的主要衡量标准之一。这项技术在工业领域中最主要的代表就是CAD与CAM这两项实用工具。同时，在建筑设计、装潢设计等领域也应用广泛，也可以用来进行对飞机、汽车等工具的外形设计。当然，在其他方面也应用广泛，而且得到的效果非常好，比如：电路板的印刷、网络分析等等方面。

3.2遥感图像处理系统

遥感技术的发展推动了高质量的不同波段遥感数字图像被广泛运用于农林牧副渔等行业的科技现代化之中。图像处理在遥感技术领域有着十分重要的地位，将来会形成快速成像与信息自动化提取系统，而这个系统也是以图像处理为主。遥感图像处理技术功能将会不断完善，得到更大的发展。

4计算机图像处理技术的发展前景

现代科技的进步使计算机技术得到快速的发展，也就使计算机技术运用在图像处理中有了可能，并且在图像处理中产生了很重要的影响。现在人们对图像的要求越来越高，想要满足人们越来越高的要求，就必须不断进步、不断创新。计算机技术将会越来越广泛的运用于社会中，图像处理技术也会越来越依赖计算机。随着大量的成熟软件的不断被研发，既有专业软件，也有普通软件，可以满足所有人的要求。技术人员应该开发新技术来满足更多、更复杂的图像处理要求，使图像更加的丰富多彩。

图像处理技术论文例2

0引言

全息技术是物理学中一重要发现，越来越多的应用于各个行业。伴随着CCD技术和计算机技术的发展，全息技术也得到一次质的飞跃，从传统光学全息到数字全息。传统光学全息将物光和参考光干涉得到全息照片来记录光的振幅和相位信息，而数字全息则用CCD记录物光和参考光的干涉，形成数字全息图，再通过计算机图像处理技术处理全息图。因此，影响数字全息技术发展有两个重要方面：CCD技术和计算机图像处理技术。本文将从计算机应用方面阐述图像处理技术在全息中的应用。

1图像处理技术

图像是现代社会人们获取信息的一个主要手段。人们用各种观测系统以不同的形式和手段获得图像，以拓展其认识的范围。图像以各种形式出现，可视的、不可视的，抽象的、实际的，计算机可以处理的和不适合计算机处理的。但究其本质来说，图像主要分为两大类：一类是模拟图像，包括光学图像、照相图像、电视图像等。它的处理速度快，但精度和灵活性差。另一类是数字图像。它是将连续的模拟图像离散化后处理变成为计算机能够辨识的点阵图像。从数字上看，数字图像就是被量化的二维采样数组。它是计算机技术发展的产物，具有精度高、处理方便和重复性好等特点。

图像处理就是将图像转化为一个数字矩阵存放在计算机中，并采用一定的算法对其进行处理。图像处理的基础是数学，最主要任务就是各种算法的设计和实现。目前，图像处理技术已经在很多方面有着广泛的应用。如通讯技术、遥感技术、生物医学、工业生产、计算机科学等等。根据应用领域的不同要求，可以将图像处理技术划分为许多分支，其中比较重要的分支有：①图像数字化：通过采样和量化将模拟图像变成便于计算机处理的数字形式。③图像的增强和复原：主要目的是增强图像中的有用信息，削弱干扰和噪声，使图像清晰或将转化为更适合分析的形式。③图像编码：在满足一定的保真条件下，对图像进行编码处理，达到压缩图像信息量，简化图像的目的。以便于存储和传输。④图像重建：主要是利用采集的数据来重建出图像。图像重建的主要算法有代数法、傅立叶反投影法和使用广泛的卷积反投影法等。⑤模式识别：识别是图像处理的主要目的。如：指纹鉴别、人脸识别等是模式识别的内容。当今的模式识别方法通常有三种：统计识别法、句法结构模式识别法和模糊识别法。⑥计算机图形学：用计算机将实际上不存在的，只是概念上所表示的物体进行图像处理和显现出来。

2计算机图像处理技术在全息学中的应用

图像处理技术在全息中的应用主要表现在：一是计算全息，基于计算机图形学将计算机技术与光全息技术结合起来，通过计算机模拟、计算、处理，制作出全息图。因此它可以记录物理上不存在的实物。二是利用图像的增强和复原，图像编码技术等对数字全息图像质进行提高以及实现的各种算法。它的应用大致可以分为两大类，即空域法和频域法：①空域法：这种方法是把图像看作是平面中各个像素组成的集合，然后直接对这一二维函数进行相应的处理。空域处理法主要有下面两大类:一是领域处理法。其中包括梯度运算(GradientAlgorithm)，拉普拉斯算子运算(LaplacianOperator)，平滑算子运算(SmoothingOperator)和卷积运算(ConvolutionAlgorithm)。二是点处理法。包括灰度处理(greyprocessing)，面积、周长、体积、重心运算等等。②频域法：数字图像处理的频域处理方法是首先对图像进行正交变换，得到变换频域系列阵列，然后再施行各种处理，处理后再反变换到空间域，得到处理结果。这类处包括:滤波、数据压缩、特征提取等处理。

3模拟实验

本文运用matlab软件，利用图像处理技术，编写了程序，以模拟计算全息和实现全息图像的滤波。图1是计算全息实现流程图。

本文将运用matlab程序设计语言实现计算全息的制作、再现过程。标有“涉”一字，图像尺寸为1024像素×1024像素；。模拟实验中用到的参数为：激光模拟了氦氖激光器，波长为638.2nm；再现距离为40cm；因为原始物图的尺寸用像素为单位表示，所以像素分辨率为1。

从模拟实验中可以看出，数字全息的处理过程其实就是计算机图像处理在全息技术的应用过程。利用计算机图像处理技术对全息图进行了记录，将物光和参考光干涉得到了全息图。并利用图像的增强和复原对图像进行了处理，以消除噪声，得到更好的全息再现象。

本文仅模拟了计算全息的实现和再现过程，其实，计算机图像处理在全息技术中的应用是全方位的，用实验方法得到的全息图中包含了更多的其他无用信息（噪声），图像处理技术在这里就显得尤为重要。随着计算机图像处理技术的进一步发展，全息技术必然会迎来新的一轮发展和飞跃。超级秘书网：

参考文献：

[1]周灿林，亢一澜.数字全息干涉法用于变形测量.光子学报，2004，13（2）：171－173.

图像处理技术论文例3

计算机图像处理系统从系统层次上可分为高、中、低档三个层次，目前一般比较普及的是低档次的系统，该系统由CCD（摄像头）、图像采集卡、计算机三个部分组成，其结构简单，应用方便，效果也比较不错，得到的图像较清晰。目前网上基于VC开发经验的文章不少，可是关于如何在VC开发平台上使用图像采集卡的文章确没发现，笔者针对在科研开发中积累的使用图像采集卡经验，介绍如何自己是如何将采集卡集成到图像开发系统中，希望能够给目前正需要利用图像采集卡开发自己的图像处理系统的朋友有所帮助。

使用的摄像机采用台湾BENTECHINDUSTRIAL有限公司生产的CV-155L黑白摄像机。该摄像机分辨率为752x582。图象采集卡我们采用北京中科院科技嘉公司开发的基于PCI总线的CA-MPE1000黑白图象采集卡。使用图像采集卡分三步，首先安装采集卡的驱动程序，并将虚拟驱动文件VxD.vxd拷贝到Windows的SYSTEM目录下；这时候就可以进入开发状态了，进入VC开发平台，生成新的项目，由于生产厂家为图像采集卡提供了以mpew32.dll、mpew32.lib命名的库文件，库中提供了初始硬件、采集图像等函数，为使用这些函数，在新项目上连接该动态库；最后一步就是采集图像并显示处理了，这一步要设置系统调色板，因为采集卡提供的是裸图形式，既纯图像数据，没有图像的规格和调色板信息，这些需要开发者自己规定实现，下面是实现的部分代码：

CTestView::CTestView()

{

W32_Init_MPE1000();//初始化采集卡

W32_Modify_Contrast(50);//下面的函数是为了对采集卡进行预设置

W32_Modify_Brightness(45);//设置亮度

W32_Set_HP_Value(945);//设置水平采集点数

wCurrent_Frame=1;//当前帧为1，获取的图像就是从这帧取得的

//设置采集信号源，仅对MPE1000有效

W32_Set_Input_Source(1);

W32_CACardParam(AD_SETHPFREQ,hpGrabFreq);

W32_Set_PAL_Range(1250,1024);//设置水平采集范围

W32_Set_VGA_Mode(1);

wGrabWinX1=0;//采集窗口的左上角的坐标

wGrabWinY1=0;

firstTime=TRUE;

bGrabMode=FRAME;

bZipMode=ZIPPLE;

/

lpDib=NULL;//存放获取的图像数据

}

CTestView::~CTestView()

{

W32_Close_MPE1000();//关闭采集卡

}

////显示采集的图象，双击鼠标采集停止

voidCTestView::OnGraboneframe()

{

//TODO:Addyourcommandhandlercodehere

wCurrent_Frame=1;

//设置采集目标为内存

W32_CACardParam(AD_SETGRABDEST,CA_GRABMEM);

//启动采集

if(lpDib!=NULL)

{

GlobalUnlock(hglbDIB);

GlobalFree(hglbDIB);

}

//分配内存

hglbDIB=GlobalAlloc(GHND,(DWORD)wImgWidth*(DWORD)wImgHeight);

lpDib=(BYTE*)GlobalLock(hglbDIB);

hdc=GetDC()->GetSafeHdc();

if(lpDib!=NULL)

{

cxDib=wImgWidth;

cyDib=wImgHeight;

SetLogicPal(hdc,cxDib,cyDib,8);

SetStretchBltMode(hdc,COLORONCOLOR);

bGrabMark=TRUE;

while(bGrabMark==TRUE)

{

if(msg.message==WM_LBUTTONDBLCLK)

bGrabMark=FALSE;

W32_ReadXMS2Buf(wCurrent_Frame,lpDib);

SetDIBitsToDevice(hdc,0,0,cxDib,cyDib,0,0,

0,cyDib,(LPSTR)lpDib,

bmi,

DIB_RGB_COLORS);

}

//停止采集

W32_CAStopCapture();

::ReleaseDC(GetSafeHwnd(),hdc);

return;

}

////将下面这个函数添加在视图类的CTestView::OnSize（）函数中，就可以对系统的调色板进行设置。

voidWINAPIInitLogicPal(HDChdc,shortwidth,shortheight,WORDbitCount)

{

intj,i;

shortcxDib,cyDib;

LOGPALETTE*pLogPal;

j=256

if((pLogPal=(LOGPALETTE*)malloc(sizeof(LOGPALETTE)+(j*sizeof(PALETTEENTRY))))==NULL)

return;

pLogPal->palVersion=0x300;

pLogPal->palNumEntries=j;

for(i=0;ipLogPal->palPalEntry[i].peRed=i;

pLogPal->palPalEntry[i].peGreen=i;

pLogPal->palPalEntry[i].peBlue=i;

pLogPal->palPalEntry[i].peFlags=0;

}

hPal=::CreatePalette(pLogPal);

deletepLogPal;

::SelectPalette(hdc,hPal,0);

::RealizePalette(hdc);

cxDib=width;cyDib=height;

if((bmi=(BITMAPINFO*)malloc(sizeof(BITMAPINFOHEADER)+j*sizeof(RGBQUAD)))==NULL)

return;

//bmi为全局变量，用于显示图像时用

bmi->bmiHeader.biSize=40;

bmi->bmiHeader.biWidth=cxDib;

bmi->bmiHeader.biHeight=cyDib;

bmi->bmiHeader.biPlanes=1;

bmi->bmiHeader.biBitCount=bitCount;

bmi->bmiHeader.biCompression=0;

bmi->bmiHeader.biSizeImage=0;

bmi->bmiHeader.biXPelsPerMeter=0;

bmi->bmiHeader.biYPelsPerMeter=0;

bmi->bmiHeader.biClrUsed=0;

bmi->bmiHeader.biClrImportant=0;

for(i=0;ibmi->bmiColors[i].rgbBlue=i;

bmi->bmiColors[i].rgbGreen=i;

bmi->bmiColors[i].rgbRed=i;

bmi->bmiColors[i].rgbReserved=0;

}

}

视频"画中画"技术

"画中画"这个概念类似与彩色电视机"画中画"，就是在一幅大的图像内显示另外一幅内容不同的小的图像，小图像的尺寸大小一般地说为大图像尺寸的1/4或1/9，显示位置在大图像的右上角。这种技术不仅在电视技术中，在可视电话系统也可以发现这种技术的身影，它们都是依靠硬件来实现的，但是如何在VC开发平台上用编程语言来将该功能添加到自己开发的视频监控软件，为使用者提供更大的信息量呢？也许读者最容易想到的是首先显示大图像，然后再在一个固定位置画第二幅小图像，这种技术技术如果对于静止图像当然没有问题，但是对于视频流，由于每一秒钟需要画25幀，即25幅图像，这样一来计算机需要不停的画不停的擦除，会给用户以闪烁的感觉，如何解决这个问题呢？有的参考书上将大小图像分快显示，这种方法要将待显示的图像数据与显示位置的关系对应起来，容易出错不说，而且麻烦，且速度慢，为此，我对该方法进行了改进，得到了满意的效果。实现的代码如下：

voidpictureinpicture()

{

………………………..

CBitmapbitmap,*oldmap;

pData1=(BYTE*)newchar[biWidth*biHeight*3];//biWidth和biHeight为视频采集卡获取//的图像尺寸。

Read(pData1,bih.biWidth*bih.biHeight*3);//该函数从采集卡中获取数据

CClientDCdc(this);

m_pBMI1=newBITMAPINFO;//自定义的BMP文件信息结构，用于后面的图像显示

m_pBMI1->bmiHeader.biBitCount=24;

m_pBMI1->bmiHeader.biClrImportant=0;

m_pBMI1->bmiHeader.biClrUsed=0;

m_pBMI1->bmiHeader.biCompression=0;

m_pBMI1->bmiHeader.biHeight=biHeight;

m_pBMI1->bmiHeader.biPlanes=1;

m_pBMI1->bmiHeader.biSize=40;

m_pBMI1->bmiHeader.biSizeImage=WIDTHBYTES(biWidth*8)*biHeight*3;

m_pBMI1->bmiHeader.biWidth=biWidth;

m_pBMI1->bmiHeader.biXPelsPerMeter=0;

m_pBMI1->bmiHeader.biYPelsPerMeter=0;

////////////////////////////////////////////////////////////////////////

pData2=(BYTE*)newchar[biWidth1*biHeight1*3];//申请存放小图像的缓冲区

Read(pData2,biWidth1*biHeight1*3);////向该缓冲区读数据

m_pBMI2=newBITMAPINFO;

m_pBMI2->bmiHeader.biBitCount=24;

m_pBMI2->bmiHeader.biClrImportant=0;

m_pBMI2->bmiHeader.biClrUsed=0;

m_pBMI2->bmiHeader.biCompression=0;

m_pBMI2->bmiHeader.biHeight=biHeight1;

m_pBMI2->bmiHeader.biPlanes=1;

m_pBMI2->bmiHeader.biSize=40;

m_pBMI2->bmiHeader.biSizeImage=WIDTHBYTES(biWidth1*8)*biHeight1*3;

m_pBMI2->bmiHeader.biWidth=biWidth1;

m_pBMI2->bmiHeader.biXPelsPerMeter=0;

m_pBMI2->bmiHeader.biYPelsPerMeter=0;

//下面实现画中画的显示

CDCMemDc;

MemDc.CreateCompatibleDC(&dc);

bitmap.CreateCompatibleBitmap(&dc,biWidth,biHeight);

oldmap=MemDc.SelectObject(&bitmap);

::StretchDIBits(MemDc.m_hDC,0,0,biWidth,biHeight,0,0,—biWidth,biHeight,pData1,m_pBMI1,DIB_RGB_COLORS,SRCCOPY);//首先将大图像画在内寸上下文中

::StretchDIBits(MemDc.m_hDC,20,20,biWidth1,biHeight1,_

0,0,biWidth1,biHeight1,pData2,m_pBMI2,DIB_RGB_COLORS,SRCCOPY);//再将小图像画在内寸上下文中

::StretchBlt(dc.m_hDC,0,0,bih.biWidth,bih.biHeight,_

MemDc.m_hDC,0,0,bih.biWidth,bih.biHeight,SRCCOPY);//将结果显示在屏幕上。

MemDc.SelectObject(oldmap);

deletepData1;

图像处理技术论文例4

中图分类号：TP391.41

前言：智能图像处理是计算机图形图像处理是为基本内容之后发展的，着重介绍这两者之间的发展和应用，尤其在计算机应用的各种技术，以便了解智能图形图像技术的发展趋势和应用领域。

1 图像处理与分析技术

由于计算机硬件计算速度的不断提高和成本的下降，图像处理和分析技术在农业方面尤其是作物领域已变得越来越重要。大量研究表明，利用计算机图像技术可很大的提高测量分析的精度和效率，更改以往作物研究中难于定量化的问题，实现信息采集的智能化和自动化。图像处理主要就在图像之间进行的变换。假如说图像处理是一个从图像到图像的过程，则图像分析是一个从图像到数据的能力。主要是对其中的图像所需要分析的目标进行检测和量定，而我们所获取的客观信息进行对图像的重新描述。然而图像的处理与技术分析将会随着计算机成熟和发展工程中而迅速发展起来的一个重要应用技术领域。

2 图形图像数字处理技术

数字图像处理是30年来迅速发展起来的一门技术，由于对图像处理的要求还在不断增加，图像的应用领域还在继续的扩大，因而对图像处理的课题的理论在世界的变化中也处于变化，我们需要对其进行补充和完善。而本文章主要是对图像处理的中所产生的数学问题，学习并研究图像的基本处理中涉及到的数学问题，让大家可以更好的学习掌握图像的微处理技术。

2.1 数字图像处理的优点

（1）再现性好。数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的再现。（2）处理精度高 。按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。对计算机而言，不论数组大小，也不论每个像素的位数多少，其处理程序几乎是一样的。换言之，从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。回想一下图像的模拟处理，为了要把处理精度提高一个数量级，就要大幅度地改进处理装置，这在经济上是极不合算的。（3）适用面宽。图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像（彩色图像也是由灰度图像组合成的，例如RGB图像由红、绿、蓝三个灰度图像组合而成）组合而成，因而均可用计算机来处理。即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。小波重构的数据传递示意图如图所示：

（1）图像的编码压缩图像文件是编码压缩技术可减少描述图像的数据量等，用来节省了图像的传输、处理的时间所占用的存储器容量。压缩可以在不失真的前提下来获得，其也可以在允许失真的条件下进行。编码是压缩技术当中最最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。（2）首先，对于图像的分割技术将会给图像带来某种特殊的意义所表现出来的具有甄别能力。从而对图像的线条、颜色所进行处理，并需要进一步对图像的分割技术进行了解，图像的分割技术目前也是大众中非常流行的解决图像问题的方法。因此，对于图像的研究我们还要不断地进行深入的了解。图像的描述是对于图像所进行的甄别和理解作为前提。作为最简单的二值方法，我们利用它来描述物品的特性。（3）图像在生成和传输过程中常受到各种噪声的干扰和影响，使图像质量下降。为了抑制噪声改善图像质量，必须对图像进行平滑处理，可以在空域或频域中进行。

数字图像的平滑技术分为两大类：1）全局处理，即对噪声图像地整体域大的块进行校正以得到平滑的图像。缺点：计算量大。2）局部算子，仅对某一像素的局部小邻域的一些像素加以运算。优点计算率高。

2.2 图像数字化

人类感知外界信息80%以上是通过视觉观察到的，而图像就是人们所获取的一个重要的方面，人们眼睛所获取的图像在大脑中的中枢神经系统中发挥重要的作用，准确的图像也是人们获取彼此信息的来源。其伴随着人们所生活的各个领域。图像处理虽然也可以用模拟技术或者光学方法来实现，但目前主要在我国还是大多数还是通过利用计算机的一些功能来实现，通过对图像的处理，我们能晓得其背后的重要意思，图像也在日常的生活中越来了越广泛。对数字图像的处理目前来说还是一个开始，其主要是在对形态数学、立体学、集合论等方面。因此，图像处理一般是指数字图像处理。

计算机图像处理之前的图像数字化的基本步骤，是把真实的图像转变成计算机使用的存储格式。数字化过程分为量化和采样处理两个步骤。量化的结果是图像能够容纳的颜色总数。采样的结果就是通常所说的图像分辨率。量化是指要使用多大范围的数值来表示图像采样之后的每一个点， 这个数值范围包括了图像上所能使用的颜色总数。

3 图像测量技术

随着计算机技术的发展和电子成像器件的成熟，图像测量日益受到人们重视，应用范围不断扩展。图像测量技术是以近代光学为基础，融光电子学、计算机视觉原理、图像处理技术等科学技术为一体的现代测试技术，并在军事、医学、资源分析、测绘等领域得到广泛应用，取得了巨大成功。由于算法改进和计算机性能的提高，使开发基于图像处理的啤酒瓶快速检测技术成为可能。

4 结束语

随着计算机应用技术的发展，图像与图像技术的应用越来越广泛，除了传统的广告、包装宣传，网站设计等方面的应用。也在航空事业、机电事业、国家的安全部门、政司法科、国家的武器研发，新型导弹的定位，还伴有新型科学药物的研发、在工业上企业是非常重要的一门学科、伴随着计算机的技术与人工智能电子的研发智能图像的作用将会占据很大的部分其今后的发展趋势越来好，越来越广。

图像处理技术论文例5

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2016）05-0000-00

数字图像处理就是利用计算机对图像信息进行加工来满足人类视觉或心理需求的行为，实质上是一串能够被计算机还原显示和输出为一幅图像的数字码，在科学技术高度发展的现代社会，人类对信息的获取与传输主要依靠图像，所以图像对于人类认识世界，认识社会都有着很重要的作用。图像处理技术发展时间并不长，其技术起源是在20世纪20年代，至今还不到一个世纪，因此数字图像技术还未被完全的开发和利用，现如今除了对图片作出处理之外，也在GIS（地理信息系统）中被充分应用。数字图像处理技术在GIS中的应用，为地理信息系统的发展完善作出了巨大的贡献。

1数字图像技术的发展与现状

数字图像技术的应用就是图片通过计算机网络传递的过程中将图片转化成一组具有特定规律的计算机可以接受的数字形式，一般是用数字矩阵来表达的。所以数字图像处理技术的发展是在计算机基础上发展来的，主要是靠计算机水平和数学理论作为发展动力，换言之就是计算机的发展推动数字图像处理技术的发展。

随着计算机的发展，数字图像技术也开始发展，数字图像技术的起源是20世纪20年代，但真正的发展是在20世纪40年代计算机技术开始发展之后，其最早期的处理是以傅里叶变换为基础对图像进行简单的处理，但是由于当时的计算机的容量很小，而图片的容量却很大，因此这个阶段的图像处理通常是分段进行，并且时间也较慢，所以在当时的实用性并不是很强[1]。

一直到了20世纪80年代，随着计算机技术实现质的飞跃后，数字图像处理才真正的在计算机中实现，其真正的价值意义才被发掘，并且随着数字化仪与扫描仪的生产与运用、遥感技术的发展与数学算法的成熟都在一定程度上促进了数字图像技术的进步与完善，其主要的应用范围是在通讯技术、宇宙探索、遥感技术、生物医学、工业生产、气象预测、计算机科学军事技术、侦缉破案考古以及测绘等等方面，数字图像处理技术的应用为这些领域的发展打开了新的发展领域。

2数字图像处理的基本理论与技术

数字图像处理自从其发展以来一直在不断的发展与完善，不断的寻求新的理论与算法，在不断的发展探索中形成了多种理论。

（1）小波理论。小波理论相对于傅里叶变换有着很大的优越性，但是小波理论的真正突破是从20世纪80年代开始的，虽然经过了长时间的发展但还是存在很多的问题亟待解决。小波理论还被成为数学的“显微镜”[2]，当前对小波理论的应用还大多数在2维，目前仍然在探讨阶段。

（2）分形理论。分形理论是由英国人创立的，是非线性代数中的一个分支，它在自然科学中被广泛的应用，在自然界中的物质大都可以分为两种情况，一种的有形状尺度的，例如一棵树的高度，也有没有具体的形状尺度的，比如雨雪，而这些没有尺度的就是分形，在图像中分形几何的物质大量的存在，所以在数字图像处理中分形理论被大量的运用。

（3）人工神经网络。人工神经网络顾名思义就是模仿人脑在工作中的方式而设计的一种机器，它具有不断的获取知识而解决问题的能力，在快速的运算以及学习理论的能力都有着非常重要的成果。人工神经网络已经被应用到很多领域，对于图像处理领域主要应用于字体字符的识别、语音、签字、指纹、人脸等的识别，以及对癌细胞的识别，心电图与脑电图的分类等等。虽然在人工神经网络方面取得了一定的成果，但是仍然是处于初级阶段，发展道路仍然很漫长。

（4）遗传算法。遗传算法在近几年来的研究中广受欢迎，其主要是依据生物学中的遗传规律来研究生物个体之间的关系，数字图像处理中主要是运用遗传算法来对图像进行分类，并且也取得了一定的成果，但是遗传算法的价值不仅在于此，更多的价值有待发掘。

（5）数学形态学。形态学本是生物学种研究植物、动物的结构的一个分支，后来被应用于以形态为基础对图形进行分析的一种数学工具。数学形态学在数字图像处理中可以简化图片的数据，保持图像的基本图形。

3 熟悉图像处理在GIS中的应用

GIS（地理信息系统）是一门在诸多学科的基础上发展起来的一门学科，有独立的学科体系，GIS中融合了地理学、地图学、测量学以及计算机等科学，它主要作为获取、整理、分析和管理地理空间数据的重要工具与技术手段，近年来被广泛的关注与发展，并且取得了一定的成果，但是GIS是具有非常鲜明的时代性的学科，所以随着时代的不断进步，GIS也会不断的发展。当前我国对GIS的研究仅停留在了3维，所以发展研究的空间仍然很大。

当前我国运用的GIS系统主要是以数字图像处理技术为基础的，GIS的编辑、存储以及查询等都是运用的图像处理技术；根据GIS的发展动向来看，今后的GIS将会主要依据遥感技术，而遥感技术就是图像处理技术中的技术要领；GIS中运用到的数据分析也是依靠的数字图像处理技术理论来对数据进行压缩和编码的，因此GIS的发展与完善都离不开数字图像处理，并且随着数字图像处理的不断的发展，GIS也会随之不断的前进。

4结语

数字图形处理技术主要依据电子计算机的发展而发展，因此数字图形处理的发展受计算机行业的发展速度影响，今后其应用也会越来越广泛，并且也会一直影响GIS的发展与创新，数字图形处理在GIS中的应用也会越来越深入。

图像处理技术论文例6

中图分类号：TP751 文献标识码：A 文章编号：1007-9416（2013）12-0060-02

1 并行处理技术在图像处理领域的应用

数字图像处理技术是现代信息处理技术中的一个重要内容，也是计算机应用领域中的主要内容，随着我国信息技术的发展，广大学者对于图像的并行处理技术研究热情也日渐高涨起来。

1.1 图像分割技术

在图像处理技术中，为有效实现对图像信息的识别，分析以及数据编码处理，图像分割技术成为图像处理中的重要组成部分。在图像的分割处理过程中，对分割细节的处理提出了较高的要求，细节的精细化处理为之后的图像处理奠定了稳固的统计基础。为有效提升图像分割技术的精准性，在对图像进行分割处理时，会利用并行处理量对分割计算作进一步加工。图像分割方法的实际应用分为二阶统计和三阶统计两种计量方式，而由于统计量的不同数据特点，又会将不同阶的统计量分为不同阶矩，以此保证图像分割技术的精细化。在对图形进行分割处理过程中，首先应对图像局部进行非监督非参数变化检测，对于图像中的不同区域进行边缘数据的统计估算，以此实现对分割后图像进行并行处理的目的。为保证并行处理的计算精度，在对图像进行分割处理时，应进一步对图像中不同纹理的并行处理方差进行计算，以此确定图像的峰态和偏态特性，进而实现以并行处理技术对图像的精确分割。

1.2 图像滤波技术

在以并行处理量对图像的高斯过程进行统计时，由于高斯过程会在图像中形成高斯背景噪声，并对图像的滤波产生影响，因此将并行处理应用于图像的高斯计算中，通过对高斯过程进行有效的噪声控制，能够在最大程度上减小图像的滤波处理中高斯噪声的影响。在将并行处理量应用于图像的高斯过程中时，通常采用数学中迭代重建的计算方法，即通过在对图像进行并行处理谱计算时，通过对图像进行双阶谱相位的测定和幅值的测量，使图像的空间域能够有效避免噪声的影响，进而得到去噪后的图像信息。并行处理量在图像的滤波技术应用中，实现了对并行处理谱域的重置和构建，有效实现了图像的去噪处理，并在同时保留了图像数据的细节，最大限度的维护了图像的高斯特性，保证了并行处理处理中图像的完整性。

1.3 图像的特性识别和提取

为有效解决图像处理中不变性图像识别和处理的问题，通过将并行处理应用于图像的变量计算中，并对图像中低阶矩和频域进行并行处理测定，能够实现对问题的有效处理。图形的特性识别和提取，即对图像的局部特征和构造不变量的方式进行并行处理的统计计算，并通过获取图像的幅值信息，实现对图像性信息的获取。图像特性识别和提取技术的发展是基于超光谱图像的自动目标识别技术基础上进一步深入而产生的，图像处理学者通过结合并行处理量和数字虚拟维，将二维傅里叶精确的转化为了图像的一维投影，以此实现了对图像平移和尺度的测量。而在对图像进行旋转系数测定时，由于图像旋转造成的图形特性紊乱使得其并行处理矩在并行处理时失去常数的稳定性，进而造成图像的特定发生变化，无法实现有效的图像特性识别和提取。为有效维护图像特性的稳定性，在对图像内容进行分析时通常采用图像内容识别技术，通过并行处理量和PCA技术相结合，加强图并行处理技术中的线性判别能力，以此实现对图像特性的识别和提取。

1.4 图像检测技术

所谓的图像检测技术就是通过一定的技术手段对于图像中有价值信息进行获取，实现图像的高效利用，对于图像的分析和使用更准确以及更具针对性，图像检测技术现阶段主要有两个方面的应用，其一就是图像边缘检测技术，再者就是图像中具体有价值信息技术检测。比如交通管理中交管局对于交通状况的分析，都是通过对于图像中车辆以及行人数量和通行情况进行图像检测处理，还有遥测遥感技术领域中地理检测对于某地段的土壤分析、大气气候条件分析等都是通过卫星遥感技术获取对应的图像，在由图像检测技术获取相关的信息来实现。利用并行处理量在处理图像检测技术时提取图像边缘信息，在图像小模块中利用并行处理技术综合分析其非对称分布的信息。再有就是利用HOS技术在生物医学中对于病变组织实行检测，其关键是要先对生物组织进行扫描确定，然后利用数字射频技术对扫描空间的HOS进行分析。并行处理量在图像检测中的较为常见的应用还有对于乳腺的检测，现阶段X线图像都是通过子带分解滤波器进行处理，然后将带子的图像分解成为交替叠加的正方形区域，利用并行处理量中的并行处理矩估计各个区域的偏态数据，这些由并行处理量算出来的技术参数都能够作为确定区域的非对称性和脉冲幅度，实际应用效果表明并行处理量在检测微钙化方面有着较为明显的效果。还有较为常见的利用是在机动车的检测中，并行处理量在机动车检测中，能够通过扫描产生的HOS信号对于机动车进行车身进行检测，并且在检测前期并不需要了解待检机动车的型号，就算检测条件比较复杂，也能够实现对于待检车辆的检测。

1.5 图像复原技术

图像复原技术的开发是为了改善有价值图像的质量，比如在网络传输中容易出现图像质量损失的情况，或者是对于图像要进行特效处理，再者就是对于失误操作引起的图像的恢复技术。图像处理领域对于图像的恢复技术从上世纪就开始了，当时在图像处理领域掀起了较大的波澜，许多研究者相继发表了自己的图像恢复技术，但是随着图像恢复要求的不断增高，原有的图像恢复技术已经不能够满足图像复原的要求了，因此人们开始着力于并行处理量技术。通过研究发现，采用并行处理量对图像进行修复，不用对于原始图像进行评估来建立修复模型，并行处理技术能够估计出原始图像和现有图像的模糊数据。尤其是后期盲图像恢复技术的研究成功，为图像复原技术带来了新的技术革命。盲图像恢复技术包括模糊投影技术和恢复投影技术两部分内容。对于模糊投影处理技术而言，要首先对需要处理的图像进行投影变换，将二维图像转换为一维图片，然后再通过盲图像处理技术进行点扩散估计。对于恢复投影技术，则是先利用并行处理量技术采用去卷积操作，是喜爱那投影回到原图像中实现图像复原的目的。目前还有更为先进的含噪模糊图喜爱那个PSF技术来实现图像的复原，这种技术能够对图像别细微的地方进行修复处理，并建立基础的模型，图像的基础参数用并行处理图像处理法来进行确定，主要是利用并行处理量中的并行处理累积量来确定，之前的使用模拟实验验证了该技术的可行性。还有研究人员将研究方向转向模糊类型的并行处理量技术研究，从目前的研究进展来看，该技术在图像恢复中有着较为明朗的应用前景。

2 并行处理中存在的问题及其前景展望

在并行处理技术的不断进步中，由于其理论知识和实际应用仍存在一定差距，使得图像的并行处理研究领域中仍存在技术瓶颈，如在图像内容和信号处理的融合过程中，由于HOS理论仍侧重于对图像处理技术的讨论，而导致图像与信号处理无法实现有机融合，使得图像和信号的转化技术出现漏洞。在图像和信号处理过程中，并行处理中存在的问题会对图像的处理产生直接的影响，因此有效解决并行处理问题，是图像处理技术发展的关键。在并行处理对图像进行处理时，由于并行处理次的HOS技术开发仍不成熟，使得并行处理在对图像进行多维处理时，无法做到精确的数据测量，进而影响到图像的并行处理谱测定。

基于现阶段的图像并行处理技术基础，在伴随并行处理理论进步的同时，也会有力带动实用并行处理技术的发展，HOS技术的成熟，会使得并行处理在图像的分割，滤波及特性势识别提取等技术中得到更为深入的应用，随着图像维数研究的进一步深入，图像与信号处理会更为优化，并通过高效结合有效完善并行处理技术。通过在图像处理技术中应用并行处理，实现了HOS技术和其他信号处理理论的有机结合，使得图像处理能够应用到FPGA和DSP等技术的实际应用中，并伴随并行处理的深入研究受到更为广泛的应用，进一步提高图像处理技术的高效性和完整性。

现阶段对于并行处理的研究还有实现统一的理论能够使HOS在信号滤波、检测及获取等全过程的较为完整的技术知识体系。伴随着工业生产的要求越来越高，对于图像处理技术的要求也越来越高，传统的二维处理技术已经不能够满足图像处理的要求，图像处理会向着三维甚至是多维方向发展，图像维数的增加会对并行处理图像处理技术的数据处理量增高，进而导致数据处理时间变长，因此提高并行处理的算法速度是目前急需解决的技术难题之一。再者对于并行处理的图像处理技术，目前为止还没有完整的优化修复技术标准，这对于并行处理技术在图像处理方面的大范围推广和长久发展带来了一定程度的困扰。因此并行处理的未来研究势必会向着建立统一的优化标准为方向，提高并行处理的适用范围，为其进一步发展提供理论上的可能。现阶段并行处理在小波变形、人工神经网络分析等领域还没有很好的应用，因此研究人员必须在小波变形等领域进一步挖掘并行处理的适用内容，提高并行处理的应用效率，进一步推广并行处理在图像处理领域的适用范围。

3 结语

虽然现阶段并行处理技术取得了较大的成就，但是现阶段还没有形成统一的使用方法，因此还不能建立有效完整的评价体系，因此必须在现有的科学技术水平上，继续挖掘并行处理与其他学科和工业的内在联系，将并行处理的应用更加的完善和健全，进一步提高我国工业生产及人们生活的水平。

参考文献

[1]苏光大.图像并行处理技术[J].北京清华大学出版社，2013.

[2]汪润生.图像理解[J].长沙国防科技大学出版社，2013.

[3]朱述龙.遥感图像获取与分析[J].北京科学出版社，2013.

图像处理技术论文例7

中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2015）07（b）-0000-00

影响事物形态的因素是多方面的，当这些复杂条件对某一事物进行共同作用时，就会影响人们对这一事物的准确判断，给人们的工作和生活都带来极大的不便。通过计算机技术对事物进行智能化识别可以帮助人们了解事物的本质，近些年来，对于该项技术的研究和探索已经成为各国电子计算机工程界重点攻克的课题。对其进行充分的研发利用无论对整个社会还是对具体的某一个人都有非常重要的意义。

1计算机图像识别技术的具体应用

自电子计算机技术投入应用以来，计算机图像识别技术就凭借其强大的工作性能受到了广泛的青睐。简单地说，计算机图像识别也就是相关工作者或科研人员利用电子计算机拍摄图像的功能获取图像，并运用图像识别功能对其中需要加以识别的内容进行甄选和识别的过程。这对这种特性，相关人员开发出多款计算机图像识别技术的相关应用产品，为人们的生活带来了极大的便利。同时利用该种技术图可有效地识别各种宏观或是微观的事物，例如交通系统对于违规车辆的监控，生子是对生物体或是人体中存在的病毒细胞的监控。目前，计算机图像识别技术已经被广泛地投入使用，涉及到日常生活中的方方面面，比如对社区安全环境的监控，对车辆行驶情况的监控等等。小到生活的细枝末节，达到国家的政治军事都充分利用了计算机图像识别技术。

目前，计算机图像识别技术的主要的应用载体基本包括三种类型，它们分别是个人电子计算机设备、智能移动手机设备以及嵌入式终端设备。这其中，嵌入式终端设备对于图像识别技术的应用最为广泛，比如日常生活中所遇到的指纹识别或是人脸识别都是其应用的代表。

2计算机智能图像识别的相关技术条件

计算机技术具有高度的专业性，这项工作的进展需要工作人员拥有丰厚的理论知识以及过专业操作能力。计算机智能图像识别技术功能的应用需要完整的图像识别系统以及计算机智能软件的开发应用。

其中，图像识别系统包括对图像进行预备处理的系统，对图像进行压缩处理的系统，对图像的主要特征进行识别和提取的系统，以及对图像进行智能化分类的系统。首先，对图像进行预处理的目的是为了提升图像的可是识别性，通常由二值化处理、灰度化处理以及平滑去噪处理这三个方面，二值画处理只要通过对灰度值的处理将图像进行黑白效果处理，通常设定的灰度值为0或是255，但是具体选取哪一个数值要根据选取的图像要求来决定。灰度化处理主要是指对图像的像素颜色（红、绿、蓝）进行特殊处理，并进行图像灰度直方图的绘制。图像的平滑去噪处理是指重点突出图像的重点部分，将多余的部分去掉，保证人们看到的图像更加清晰和直观。

同时，人们利用计算机技术对图像进行压缩处理，目的在于方便图像的保存和传输。压缩处理简单来说就是利用压缩代码将图像中无用的信息进行压缩和删除，但是必须要保证图像的可识别性。压缩代码种类繁多，具体只用何种代码也要依照情况而定。

关于图像特征的提取是图像识别过程中最重要的一部分，在这一过程中，计算机图像识别软件一定要保证图像的真实性和完整性。通常，图像特征提取系统包括图像的颜色特征、图像的纹理特征、图像的形状特征等。

智能化图像识别处理，简单来说就是将计算机与人类的大脑进行类比，对所“看见”的事物进行独立的判断。为了实现这一目标，相关技术工作人员要注重研发全新的计算机智能应用程序，通常，计算机工程师都利用C++语言语言进行计算机程序研发工作，在传统的图像处理应用过程中，这种程序语言具有很强的优越性。但是对于智能软件而言，其灵活度还有待提升。针对这一问题，不少软件开发公司已经开始了新的语言程序的开发工作。

3关于计算机智能图像识别的算法研究

智能进行图像处理的基本要求在于，无论识别对象进行了何种方式的何种形态的变化，计算机都能及时的抓住其本质特征，对其进行有效的识别。因此，在只能图像识别算法中，要注意保证图像的不变性。目前，被应用最为广泛的算法是不变矩方法。该种算法利用的是图像平移和旋转之后不发生改变的数学特征对图像进行智能识别。

不变矩算法主要利用二阶中心和三阶中心构造了七个不变矩，在图像连续平移、缩放或是旋转的条件下，它们的特征仍然保持不变。

通常情况下，不变矩理论都会与D-S证据推理理论进行相互配合，这一证据理论是邓普斯特（Dempster）在20世纪下半叶首次提出的，由他的学生谢弗（Shafer）在之后进行了不断改良的基础之上提出的一种不精确推理理论，该理论也被称为Dempster/Shafer 证据理论（D-S证据理论），属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。作为一种不确定推理方法，证据理论的主要特点是：满足比贝叶斯概率论更弱的条件；具有直接表达“不确定”和“不知道”的能力。该理论的应用范围非常广泛，技术工程人员对其进行了不断的补充发展，并以此理论为基础发展了ER算法。

在D-S证据理论中，由不相容的两个假设的命题组成识别框架，在这种框架下，针对某一问题，该理论列出所有可能发生的情况，但是只有其中一种情况是真实发生的，我们将这种情况视为问题的正确答案，并该框架的子集称为命题。其中，各个命题可能发生的基本情况被视作基本概率分配（BPA，也称m函数），将m（A）视为基本可信数，并用它反映着对A的信度大小。利用信任函数Bel（A）对命题A的信任程度进行表述，似然函数Pl（A）表示对命题A非假的信任程度，也即对A似乎可能成立的不确定性度量。实际上，[Bel（A），Pl（A）]表示A的不确定区间，[0，Bel（A）]表示命题A支持证据区间，[0，Pl（A）]表示命题A的拟信区间，[Pl（A），1]表示命题A的拒绝证据区间。设m1和m2是由两个独立的证据源（传感器）导出的基本概率分配函数，则Dempster组合规则可以计算这两个证据共同作用产生的反映融合信息的新的基本概率分配函数。

4计算机智能图像识别技术的特点

计算机智能图像识别系统只要是指利用计算机强大的计算功能，对图像信息进行具体的分析，将图像转化为数字信息，精确的识别在不同状态下的图像特点。为了强化这项功能，研究人员更注重利用各种类型的空间映射反应清晰明确的显示图像特征。

智能计算机图像识别技术具有很强的技术性，综合表现为以下三个方面。

首先智能计算机图像识别技术包含的数据更加全面，信息更加丰富。其次，智能计算机图像识别技术要求计算机内部的各个系统进行充分的配合。因为在对图像进行压缩处理和信息提取的过程中，由于各个图像像素之间存在着极强的关联性，各个系统之间的工作流程必须保持顺畅，方便实现图像的特征提取和分类。最后，智能化的计算机图像识别技术在很大程度上受到人为因素的影响，因为智能识别图像通常需要借助一定的软件进行识别，在图像被输入之后，需要专业的软件操作人员对其进行分析。工作人员的专业能力和水平决定这图像分析的质量。

5计算机智能图像识别的拓展应用

计算机智能图像识别技术是针对当下人们生活工作以及科研工作的需求而提出的理论，因此，它具有广泛的市场前景。随着科学技术的发展，智能一词早已不仅仅局限于电子计算机，掌上电脑智能手机的出现已经取代了计算机绝大部分的功能。智能图像计算机识别技术的使用是多方面的，目前，随着智能手机技术的不断发展，移动端智能软件技术的发展也在不断加快，大多数的拍照软件和社交软件都应用了图像智能识别技术。

随着计算机智能图像技术的不断发展，该项技术在人们生活中的影响也将逐渐加深，所涉及的范围也将不断扩展。比如，在城市规划的过程中，可以利用航拍等方式获取城市布局的图像，利用智能识别图像的方法，及时发现城市规划过程中的不组织之处。在城市进行道路修建的过程中，可以利用该项技术，对公路修建的情况进行及时的监控，保障城市基础设施的建设质量。

计算机图像识别的系统应该得到更加全面全面的优化。在图像进行获取的阶段，系统应该具备自动识别图像类型，自动寻找图像重点信息的功能。

在图像的预处理技术方面，系统应该对图像进行充分的灰度化处理与灰度拉伸。这样做的主要目的在于提高图像处理分析的效率，对图像的特征进行更加全面的提取。在图像识别的过程中，技术人员要注重对算法的充分利用。要对图像的样本进行充分的获取，并根样本的特征，对图像进行智能的识别和分类，针对图像的不同数据内容，自动将其保存为对应的格式，并将其存储于特定的路径之下。

6结语

综上所述，计算机智能图像识别技术对社会生活已经起到的非常重要的影响。该项技术的相应算法是比较复杂和困难的，研发人员一定要在这项工作中注入更多的时间和精力，注重与国外的科技人员进行及时的沟通交流，掌握全新的技术理论，推动计算机智能图像技术的快速发展。希望笔者在该文中所阐释的内容可以对相关工作人员起到一定的指导作用。

参考文献

[1]《计算机与现代化》2014年总目次[J].计算机与现代化，2014（12）：121-126.

[2]计算机科学2014年第41卷总目次[J].计算机科学，2014（12）.

[3]《计算机应用研究》第31卷（2014年）总目次[J].计算机应用研究，2014（12）.

[4]徐荣国.基于图像识别的智能港口导航技术研究[J].煤炭技术，2012（1）.

图像处理技术论文例8

一、引言

随着高等职业教育进入稳定发展状态，国家教育体制改革形势一片大好，教育规模不断扩大，为我国提供了大批人才，全社会对高职院校教育的认可度也越来越高。

数字图像处理技术是一门专业性很强的学科，许多知识必须通过努力学习及领悟才能正确掌握，动手能力在数字图像处理技术课程中非常重要，因此，实验教学环节的改革是数字图像处理技术教学改革的重中之重。

二、数字图像处理技术教学现状研究

1.数字图像处理技术课程分析

现阶段的数字图像处理技术迅猛发展，在各领域都有广泛应用，数字图像处理技术一体化人才，也越来越受到各行业青睐。

据河南省安阳市对全市15个行业59家企业不完全统计，目前相关企业对高级数字图像处理技术的人才需求占员工总数的10%，对中级数字图像处理的人才需求占员工总数的40%，对初级数字图像处理技术的人才需求占所有员工总数的50%。

据统计，在发达国家的企业中，高级数字图像处理技术的人才占企业员工比的40%，中级数字图像处理技术人才占企业员工比的60%。

目前我国存在的这种专业数字图像处理技术人才的缺失现象充分说明我国的高等教育培养方面对该学科的重视程度还不足，人才培养力度还不够大。我国数字图像处理技术专业人才培养的缺失，在一定程度上影响到我国经济的发展。

为了使数字图像处理技术更好地为经济建设服务，必须加强培养数字图像处理技术人员具有一定的专业基本理论知识和熟练的专业操作技能。

2.数字图像处理技术教学现状

（1）数字图像处理技术课程的教材问题。现阶段各高校的数字图像处理技术课程教材都是全国统一的，该类教材主要缺点是内容死板，包含大量的数学推导公式，没有考虑到现阶段高校学生的接受能力。这些数字图像处理课程教材内容太过深奥，学生提不起学习兴趣。笔者通过研究发现，数字图像处理技术教材存在以下具体问题。第一，现阶段的数字图像处理技术课程重基础课程理论和结果，不注重用人单位的实际工作需要。目前各高校使用的数字图像处理技术教材多是三至五年一更新，新内容虽然增加了许多，阐述更加简明扼要，但没有就具体操作过程采用数字处理技术作深入分析讲解，对真正实用的公式也没有重点标注讲解，每章节也没有关于实际操作的数字图像处理技术教学实例，导致数字图像处理技术教学课程缺乏实际意义，与社会发展极不相称；数字图像处理技术教材中实用案例太少，同时未对新科技元素加以足够的关注和重视。第二，在教材的编写过程中，只注重数字图像处理技术计算例题和习题的编写，没有将在实际工作中会出现的问题以及出现问题的解决办法写入教材，与实际脱轨。没有从企业真正的工作需要出发去考虑编写教材的实际内容，无法很好地为学生将来的工作打下基础。第三，数字图像处理技术注重面向教师编制教学内容，不注重面向学生。高职院校的学生自学能力普遍较弱，面对教材中的数字图像处理技术部分内容，学生难以理解；编写者在编写过程中着眼于学生兴趣的内容太少。第四，数字图像处理技术教材注重理论方面而忽略现场实习的教学。对数字图像处理技术课程教材编写的完整性考虑太多，而实际操作部分内容又太少，导致教材缺乏针对性，无法提高学生的学习兴趣。

（2）数字图像处理技术课程的教学问题。第一，各学校老师在教学过程中往往照本宣科，学习数字图像技术处理课程本来就很枯燥，同时学生文化基础较差，需要学习的相关知识又较多，加上课程安排紧，时间短，学生根本达不到理解数字图像处理技术的教学要求。第二，数字图像处理技术课教学方法呆板，老师教学手段过于简单，无法调动学生在课堂上的积极性，学生不能主动去学，与老师的互动配合不到位，更谈不上兴趣与爱好。

（3）数字图像处理技术课程实验中存在的问题。第一，学校对数字图像处理技术课程的实验资金投入不多，无法满足实验过程中对企业及现场环境的模拟需求；现有的实验室设备陈旧，建设方向与现阶段的社会需求不符，与社会结合不够紧密，许多教学仪器设备临近报废，无法保证教学质量。第二，优秀的教师资源严重不足，数字图像处理技术课程是一门专业性非常强的学科，好的老师是确保数字图像处理技术课程实验部分能够完成教学目标的首要条件。教师既要有较高的专业数字图像处理技术水平，又能与学生们打成一片。没有高素质的师资队伍，数字图像处理技术结合实际的实验部分就不能真正达到校企合作的目的，也就失去了实验的真正目的和意义。

三、数字图像处理技术教学方法改革研究

图像处理技术论文例9

作者简介：史彩娟（1977-），女，河北唐山人，河北联合大学信息工程学院，讲师；谷学静（1972-），女，河北唐山人，河北联合大学电气工程学院，副教授。（河北?唐山?063009）

基金项目：本文系河北联合大学教育教学改革基金项目的研究成果。

中图分类号：G642.0?????文献标识码：A?????文章编号：1007-0079（2012）22-0070-01

“数字图像处理”是高等学校信息类专业的重要专业课程。该课程主要介绍数字图像处理的主要内容与方法，论述数字图像处理中的基本概念、理论和算法，教学内容主要包括数字图像基础、正交变换、图像压缩编码、图像增强、图像复原、图像重建、图像分割等理论和方法。

随着电子技术及计算机技术的飞速发展，图像处理的理论和技术不断地丰富和完善，新的理论和技术层出不穷，并逐步应用于实践。图像处理技术已经渗透到计算机、通信、交通运输、医学、物理化学、生物学、军事、经济各个领域，与人们的生活也紧密相关。

一、“数字图像处理”课程的特点

“数字图像处理”课程内容宽泛，难度大，每个章节都可以作为一个研究方向；与其他课程联系紧密，如电子技术、电视技术、通信技术、计算机技术、数学物理等；与实际联系紧密，如数字电视，视频会议等。

因此“数字图像处理”课程起点高、难度大，理论性和实践性都很强。在传统理论教学过程中经常会出现如下情况：一方面学生面对繁杂的数学推导感到困难，或是不能很好地将其他课程所学知识融入到该课程的学习之中；另一方面与图像处理技术的最新发展经常脱节，不能很好地掌握图像处理技术的最新前沿知识和最新动态。为此从教学内容、教学方法、考核方法以及师资等方面对“数字图像处理”课程的理论教学进行了改革和尝试，经过3年的教学实践取得了显著的效果。

二、不断整合完善教学内容

教材的选取是完善教学内容的首要任务。尽量选取权威的、新近出版的教材作为该课程的主讲教材，同时又不拘泥于一本教材，根据课程的系统性和实用性，向学生推荐一些新颖的相关书籍、专题性的文档以及国外原版教材作为辅教材，从而增强学生对相关知识的理解。另外还可以根据讲解内容的需要，充分利用网络资源，查找相应内容以补充教材中的不足。

教学内容以基本理论、基本算法和基本技术为主线，以图像处理的前沿知识、最新发展为补充，同时注意与其他课程的相辅相成。基本内容主要包括图像处理的基础知识、图像处理中多种正交变换、图像压缩编码、图像增强、图像复原、图像重建和图像分割等基础知识。将这些内容的基本理论、基本概念、基本方法传授给学生。由于数字图像处理技术发展非常迅速，所以在授课内容上还要紧跟学科发展的脚步，及时地将新技术介绍给学生。如教材中的正交变换主要是介绍傅里叶变换、离散余弦变换、沃尔什变换和哈达玛变换，但作为正交变换中比较新颖的小波变换也会介绍给学生。这样学生既可以掌握最经典的图像处理技术，同时也能很好地把握学科的前沿新知识。另外教学内容上也非常注意与其他课程的相辅相成，尽量避免内容的重复讲解。如教材中的图像压缩编码中的熵编码详细地介绍了哈夫曼编码和香农编码内容，而在学生的前期课程信息论中对这些内容已经做了详细的讲解，所以当讲解熵编码时就简单复习一下，而将讲解的重点放在预测编码和变换编码上。这样既让学生了解了课程之间的关联，又避免了教学内容无必要的重复。

三、采用多种教学方法和手段

由于“数字图像处理”课程具有内容宽泛、难度大、与其他学科联系紧密、理论性和实践性都很强的特点，所有在讲授的过程中注意采用多种教学方法和手段，从而达到最佳的教学效果。

1.传统与现代教学手段相结合

板书作为传统的授课方式，有其独特的不可替代性。采用板书进行公式推导，可以增强学生对演算推论过程的理解和记忆。根据“图像处理技术”课程的特点，图像处理讲授的理论知识是要应用在图像上，需要通过观察图像的变化来理解图像处理的基本技术。而多媒体教学手段具有丰富的表现力，使所学对象具有生动性、形象性、直观性特点，使抽象的概念具体化。两者相互结合从而达到很好的教学效果。此外，教学中引入形象生动的图像处理实例演示。将MATLAB，VisualC++等软件适时地应用到“数字图像处理”课程的教学中，通过这些直观形象的实例演示，将图像处理前后的效果进行对比，从而使学生对图像处理技术有了感性的认识，加深了理解。传统与现代教学手段结合，相辅相成，大大促进了教学质量的提高。

图像处理技术论文例10

中图分类号：G421 文献标识码：A 文章编号：1672-3791（2013）05（b）-0185-02

遥感作为一种高效的探测、获取、分析和处理空间信息的先进技术手段，已广泛应用于各个领域。高等院校是我国遥感专业人才培养的主战场，它提供了一个综合性高、专业性强的平台[1]。在该平台上，可以针对社会的应用需求，塑造学生不同的个体特征，培养出适于不同岗位的研究型、应用型人才。因而，构建旨在培养学生综合素养，并突出其个体特征的课程体系具有举足轻重的作用。特色鲜明的体系可以在提升学生的综合素养的同时，也能够突出学生个体，因而可以更好地满足我国遥感专业人才培养的需求。

现阶段我国为遥感专业人才培养设置的本科专业主要有摄影测量与遥感、遥感科学与技术、地理信息科学等，在这些专业的培养方案中，《遥感导论》和《遥感图像处理》在多数高等院校中都有开设，并为专业核心课程之一，有的高等院校还开设了《数字图像处理》。《遥感导论》和《数字图像处理》两门课程可以视为《遥感图像处理》的前期基础课，因而在课程学期安排上应该提前。

《遥感图像处理》以地理学、测绘学、数理统计、计算机技术等为背景，在学习了遥感技术、图像处理技术的原理和理论基础上，着重介绍遥感信息处理的原理、过程与方法，并掌握遥感图像处理技术的发展动态与实际应用。由于《遥感图像处理》是多学科的交叉，与很多专业都有很密切的联系，而且发展速度较快，在遥感图像处理的教学中，一方面要求不同对象的学生掌握、理解或了解图像处理技术的基本原理；另一方面，还要求不同对象的学生理解或了解遥感图像的成像机理、处理技术和流程等。同时，图像处理技术和遥感技术具有技术更新快的特点，因而还需要学生掌握现阶段的状态以及最新发展情况。除了教学内容和教学方法外，实验教学也是《遥感图像处理》课程的重要的环节，传统的课程教学大都偏重于理论，一些已有的实验也主要是针对特定图像处理的一些应用，缺乏图像处理技术应用与遥感图像特征无缝结合和系统组织。

总的来说，目前的《遥感图像处理》课程体系主要存在以下几个方面的问题[2]：（1）传统的课程体系多注重经典理论，轻实验和实践[3]。除了应该重视理论教学外，有效地利用实践教学环节，有利于学生理解和掌握该课程内容，取得事半功倍的教学效果；（2）传统课程体系脱胎于数字图像处理，和遥感处理关键技术之间存在断裂面，遥感处理知识体系不够完善。

本文以我国高等师范院校开设的遥感科学与技术、地理信息科学专业为例，针对《遥感图像处理》课程的教学目标，提出了适合高等师范院校本专业领域学生的课程体系的构建方案，并就其实践教学的效果和课程体系特色进行介绍。

1 课程体系的建立

内容的模块化设计是目前课程体系建设的主要方案，在很多高等院校的专业教学中得到了较好地应用[4]。为适于高等师范院校开设的遥感科学与技术、地理信息科学专业教学需求，通过近10年左右的实践教学，我们将《遥感图像处理》的课程体系结构分为7个模块，如图1所示。

（1）图像基础模块：这一部分主要介绍遥感数字图像的基础知识，主要包括遥感数字图像、遥感数字图像的计算机存储、遥感数字图像的计算机视图与表达等内容，让学生了解遥感数字图像的基本概念和特点，并从计算机存储和显示的角度，定性了解数字遥感图像，引导学生建立遥感图像处理研究和实践的兴趣。

（2）定量遥感处理模块：遥感定量化是当前技术发展的重要方向之一，其分析和处理过程涉及到物理、大气等学科；本科生由于前期所开课程较少，感觉定量遥感处理的难度较大，因而我们主张在本科阶段掌握定量遥感的基础理论和图像处理，深层次处理设置在后续的研究生课程开设。

该模块的主要内容涵盖辐射定标、大气校正、热红外地面温度反演等，以Landsat TM图像为例，了解遥感图像的辐射校正和定量反演的技术方法：辐射定标结合Landsat TM的0级、1级产品，介绍遥感图像数字值（digital number，DN）转换为光谱辐射亮度的方法；大气校正主要讲述基于辐射传输方程的校正方法，结合6S和MOTRAN辐射传输软件包，完成遥感图像的大气校正；热红外图像地表温度反演以Landsat TM6为例，介绍单波段热红外图像的地表温度反演方法和技术流程。

（3）几何遥感处理模块：该模块针对遥感成像的纯中心投影、多中心投影、侧视雷达等不同构像方式，解释它们的几何纠正方法和技术流程；对于多项式纠正方法重点介绍，强度多项式的构建、地面控制点的选择、最小二乘法拟合等相关内容。

（4）数字图像增强模块：数字图像增强模块按照彩色增强、辐射增强、空间域增强、频率域增强、多光谱增强等顺序进行讲解。在这一部分，我们遵循系统深入的原则，基于遥感数字图像处理的实例，帮助学生系统复结并领会各种理论方法之间的逻辑顺序与本质。由于图像处理具有理论性和可视化强的特点，在这个部分教学中，我们希望加强学生对前置基础课程（如《遥感导论》和《数字图像处理》）所学基本理论和方法的深入理解，使其充分认识遥感机理理论知识在遥感图像增强应用中的指导意义，并体会理论本身的魅力。

（5）遥感图像融合模块：该模块从遥感图像融合的目的出发，介绍图像融合的主要方法和技术流程、图像融合结果的性能评估等；联系数字图像增强模块的多光谱增强子模块，以HIS变换、主成份分析、傅里叶变换和小波变换等为基础，阐述遥感图像融合的主要技术方法，并对其方法的缺点进行分析，提出改进的遥感图像融合方案。

（6）遥感图像分类模块：该模块主要包括计算机分类的基本原理、非监督分类、监督分类、计算机分类的新方法、分类结果后处理、精度评估等内容。在这一部分教学中，我们充分发挥图像处理应用性强的特点，选择最小距离法、ISODATA、最大似然分类法等，重点讲述其基础理论和技术方法，激发学生学习兴趣。

（7）变化检测模块：该模块是对前面所学模块的综合运用，向学生展示《遥感图像处理》立体而丰富的专业内容。在介绍遥感图像变化检测意义和技术流程的基础上，重点论述变化检测的分类后比较法和直接比较法；将变化向量分析法（CVA）作为典型算法进行讲述，通过土地覆被变化检测的应用实例，综合遥感图像辐射校正、几何纠正等知识，重点论述变化强度和变化方向的确定方法，并利用图像处理实践提升学生的研究性思维，初步培养学生的创新能力。

2 课程教学实践及其特色

2.1 加强实践教学环节，注重动手能力的培养

本课程主要教学目的是使学生了解和掌握遥感信息处理的基本知识、方法、基本技能和发展动态，初步掌握应用遥感信息处理技术分析和解决实际问题的能力。因而，实践教学能力培养是我们课程建设的核心部分。我们在每个模块中设置了多个实践环节，多角度、多目标的提升学生动手操作能力。

通过理论学习、实践处理等环节，增强学生对本课程的理解，并在此基础上使学生进一步掌握遥感图像成像的基本原理、基本理论和这些理论在遥感图像处理中的应用。近10年的教学实践证明，该课程的实践教学环节较好地调动了学生专业学习的积极性，取得了较好的学习效果。

2.2 内容延伸模块化，形成分层次课程体系

我们依据课程教学内容，构建了授课内容的基本框架，按照教学内容分块设置，根据学生学习阶段、课时安排、专业特色延伸等可以灵活变化，因而给授课内容带来了较大的机动性。

在每个教学模块中首先确定知识体系和拓展专题内容，将这些拓展专题分为偏应用型和偏理论型。每个专题中设置基本内容和扩展内容，形成模块化分层次的课程体系。

例如：在数字图像增强模块中，目前的大多数教材中存在直方图均衡化的内容，然而随着图像处理技术的发展和应用的拓展，人们发现在绝大多数遥感图像增强处理中不适合直方图均衡化处理，因此这部分内容可以不讲或让学生自学。图像增强部分的内容非常多，使学生清楚掌握第一节内容介绍的关键词，课程的延伸内容就会更易理解。根据学科特色和学习层次，可以有意识地引入偏应用专题或偏理论专题，更好地满足不同目标、不同层次的学生的需求。

通过遥感图像处理课程教学内容的分块划分，形成了层次化、模块化课程体系，在确保授课内容体系完整情况下，使内容选择更具条理和可操作性，便于培养不同目标导向的学生，更适于我国高等师范院校相关专业的教学设计。

2.3 多目标人才及其创新能力培养

社会对人才可以从不同的角度加以分类，从生产或工作活动的目的来分析，现代社会的人才可分为学术型（理论型）、技术型、工程型和技能型等。多目标人才就是多功能人才，其特点是多才多艺，能够在很多领域大显身手。当今社会的重大特征是学科交叉，知识融合，技术集成。因而，《遥感图像处理》多目标人才培养是培养学生在各个方面都有一定能力，同时在某一个具体的方面要能出类拔萃。

在高等师范院校地理学背景创办遥感科学与技术、地理信息科学等本科专业的情况下，不同层次、不同培养目标导向，可以让学生针对自己的发展方向选择应用型还是研究型，因而该课程体系更加具有灵活度。我们课程体系中设置的定量遥感模块，可以满足学生在应用型《遥感图像处理》课程中学习到研究型知识，丰富和完善学生的有关遥感处理的知识结构，提升学生的创新能力。实践教学证明，我们的本科生经过该模块的学习，也能够独立完成研究方案构思和具体研究路线设计，并在老师的指导下撰写科学论文。

3 结语

卫星遥感、图像处理技术的迅猛发展，其应用领域愈来愈广泛，该领域受到很多学生的垂青，激发了他们的学习热情。目前很多高等院校都开设了《遥感图像处理》这门课程。如何根据各个高等院校的学科特色、学生特点构建适合自己的课程教学体系、安排好授课内容、提高教学方法和教学手段的有效性是很多高等院校主讲教师最关注的，同时对于提高学生学习兴趣、加强实践应用能力以及培养信息技术时代的创新型人才具有重要意义。

笔者结合多年《遥感图像处理》课程的教学经验，设计了一个课程内容模块化、专题内容可延伸、分层次的课程体系，它采用专题框架，在保证授课体系完整性的前提下，授课教师可以依据人才培养目标、专业特色、学时要求引入模块化延伸内容，有机地将课程教学内容联合在一起，形成多层次、多目标的授课内容。实践证明，该课程体系设置达到了我们高等师范院校相关专业的课程教学预期效果，可以为我国其他高等师范院校的相关专业的《遥感图像处理》课程教学提供参考。

参考文献

[1] 邓磊，赵文吉，胡德勇.遥感课程实践教学模式探索与教改实践[J].科技创新导报，2012（7）：136-137.